博客
关于我
Sharding-JDBC系列--分库分表
阅读量:556 次
发布时间:2019-03-07

本文共 5741 字,大约阅读时间需要 19 分钟。

Sharding-JDBC 分库分表实战

模块说明

本文将实战使用 Sharding-JDBC 进行分库分表,基于以下依赖:

  • sharding-jdbc-spring-boot-starter 4.4.1
  • mybatis-plus 3.4.1

注:建议不要参考官方文档,官网文档可能未更新,配置可能无效。


实战步骤

一、数据库准备

1. 创建数据库

创建两个数据库:sharding-jdbc0sharding-jdbc1

2. 创建表

在两个数据库中创建表 t_order,表结构如下:

CREATE TABLE `t_order` (    `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '订单ID',    `user_id` bigint(11) NULL DEFAULT NULL COMMENT '用户ID',    `product_id` bigint(11) NULL DEFAULT NULL COMMENT '产品ID',    `count` int(11) NULL DEFAULT NULL COMMENT '数量',    `money` decimal(11, 0) NULL DEFAULT NULL COMMENT '金额',    `status` int(1) NULL DEFAULT NULL COMMENT '订单状态:0:创建中;1:已完结',    `create_time` datetime(0) NULL DEFAULT NULL,    `update_time` datetime(0) NULL DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP,    PRIMARY KEY (`id`)) ENGINE = InnoDB AUTO_INCREMENT = 3 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_general_ci ROW_FORMAT = Dynamic;

二、依赖与配置

1. pom.xml

org.springframework.boot
spring-boot-starter-web
org.springframework.boot
spring-boot-starter-test
test
org.project.lombok
lombok
1.18.12
provided
mysql
mysql-connector-java
com.baomidou
mybatis-plus-boot-starter
3.4.1
org.apache.shardingsphere
sharding-jdbc-spring-boot-starter
4.4.1

2. 配置文件

1. application.yml
server:    port: 9011spring:    application:        name: order    datasource:        # 数据库配置在 `application-sharding_jdbc.yml`中    profiles:        include: sharding_jdbcmybatis-plus:    configuration:        log-impl: org.apache.ibatis.logging.stdout.StdOutImpl
2. application-sharding_jdbc.yml
spring:    shardingsphere:        datasource:            names: ds0, ds1            ds0:                driver-class-name: com.mysql.cj.jdbc.Driver                jdbc-url: jdbc:mysql://127.0.0.1:3306/sharding-jdbc0?useUnicode=true&characterEncoding=utf8&useSSL=false&serverTimezone=GMT+8                username: root                password: 222333                type: com.zaxxer.hikari.HikariDataSource            ds1:                driver-class-name: com.mysql.cj.jdbc.Driver                jdbc-url: jdbc:mysql://127.0.0.1:3306/sharding-jdbc1?useUnicode=true&characterEncoding=utf8&useSSL=false&serverTimezone=GMT+8                username: root                password: 222333                type: com.zaxxer.hikari.HikariDataSource        sharding:            tables:                t_order:                    database-strategy:                        inline:                            sharding-column: id                            algorithm-expression: ds${id % 2}                    table-strategy:                        inline:                            sharding-column: id                            algorithm-expression: t_order_${id % 2}            props:                sql: show: true

代码示例

1. 控制器

package com.example.demo.controller;import com.example.demo.entity.Order;import com.example.demo.service.OrderService;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.transaction.annotation.Transactional;import org.springframework.web.bind.annotation.PostMapping;import org.springframework.web.bind.annotation.RestController;@RestController("/order")public class OrderController {    @Autowired    private OrderService orderService;    private Long id = 1L;    @PostMapping("onlyCreateOrder")    @Transactional    public String onlyCreateOrder(Order order) {        order.setId(id++);        orderService.save(order);        return "success";    }    @PostMapping("onlyCreateOrderError")    @Transactional    public String onlyCreateOrderError(Order order) {        order.setId(id++);        orderService.save(order);        order.setId(id++);  // 这行会导致事务回滚        orderService.save(order);        throw new RuntimeException("事务异常");        return "success";    }}

2. 实体类

package com.example.demo.entity;import com.baomidou.mybatisplus.annotation.*;import lombok.Data;import lombok.EqualsAndHashCode;import java.math.BigDecimal;import java.time.LocalDateTime;@Data@EqualsAndHashCode(callSuper = false)@Table(name = "t_order")public class Order {    @TableId(type = IdType.INPUT)    private Long id;    private Long userId;    private Long productId;    private Integer count;    private BigDecimal money;    private Integer status;    @TableField(fill = FieldFill.INSERT)    private LocalDateTime createTime;    @TableField(fill = FieldFill.INSERT_UPDATE)    private LocalDateTime updateTime;    public Order(Long id, Long userId, Long productId, Integer count, BigDecimal money, Integer status) {        this.id = id;        this.userId = userId;        this.productId = productId;        this.count = count;        this.money = money;        this.status = status;    }}

3. 模型映射

package com.example.demo.mapper;import com.baomidou.mybatisplus.core.mapper.BaseMapper;import com.example.demo.entity.Order;import org.springframework.stereotype.Repository;@Repositorypublic interface OrderMapper extends BaseMapper
{}

测试与验证

1. 正常执行

访问 /order/onlyCreateOrder?userId=1&productId=1&count=10&money=100,应返回 "success"。

2. 事务异常

访问 /order/onlyCreateOrderError?userId=1&productId=1&count=10&money=100,应抛出异常,无数据插入。


注意事项

  • 数据库连接:请确保数据库用户名和密码正确。
  • 事务处理:在事务中务必避免重复主键插入,否则会导致事务回滚。
  • 雪花算法:如需使用雪花算法生成ID,可在 t_order 表中添加 key-generator 配置。
  • 转载地址:http://jstjz.baihongyu.com/

    你可能感兴趣的文章
    pandas 读取excel数据,以字典形式输出
    查看>>
    Pandas 读取具有浮点值的 csv 文件会导致奇怪的舍入和小数位数
    查看>>
    pandas 适用,但仅适用于满足条件的行
    查看>>
    pandas 重新采样到每月的特定工作日
    查看>>
    pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
    查看>>
    pandas :检测一个DF和另一个DF之间缺失的列
    查看>>
    Pandas-从具有嵌套列表列表的现有列创建动态列时出错
    查看>>
    Pandas-通过对列和索引的值求和来合并两个数据框
    查看>>
    pandas.columns、get_dummies等用法
    查看>>
    pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
    查看>>
    pandas.read_csv()的详解-ChatGPT4o作答
    查看>>
    PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
    查看>>
    pandas100个骚操作:再见 for 循环!速度提升315倍!
    查看>>
    Pandas:如何根据其他列值的条件对列进行求和?
    查看>>
    Pandas:对给定列求和 DataFrame 行
    查看>>
    Pandas、Matplotlib、Pyecharts数据分析实践
    查看>>
    Pandas中文官档~基础用法2
    查看>>
    Pandas中文官档~基础用法5
    查看>>
    Pandas中文官档~基础用法6
    查看>>
    Pandas中的GROUP BY AND SUM不丢失列
    查看>>