MyCat分片：分片规则的十四种算法详细解读&代码实现（上篇）

白日梦工厂厂长
285 阅读6分钟

MyCat的分片规则配置在conf目录下的rule.xml文件中定义 ;

环境准备 :

schema.xml中的内容做好备份 , 并配置逻辑库;

<schema name="PARTITION_DB" checkSQLschema="false" sqlMaxLimit="100"> 
    <table name="" dataNode="dn1,dn2,dn3" rule=""/> 
</schema> 

<dataNode name="dn1" dataHost="host1" database="partition_db" /> 
<dataNode name="dn2" dataHost="host2" database="partition_db" /> 
<dataNode name="dn3" dataHost="host3" database="partition_db" /> 

<dataHost name="host1" maxCon="1000" minCon="10" balance="0" writeType="0" dbType="mysql" dbDriver="native" switchType="1" slaveThreshold="100"> 
    <heartbeat>select user()</heartbeat> 
        <writeHost host="hostM1" url="192.168.192.157:3306" user="root" password="itcast"></writeHost> 
</dataHost> 

<dataHost name="host2" maxCon="1000" minCon="10" balance="0" writeType="0" dbType="mysql" dbDriver="native" switchType="1" slaveThreshold="100"> 
    <heartbeat>select user()</heartbeat> 
    <writeHost host="hostM2" url="192.168.192.158:3306" user="root" password="itcast"></writeHost> 
</dataHost> 

<dataHost name="host3" maxCon="1000" minCon="10" balance="0" writeType="0" dbType="mysql" dbDriver="native" switchType="1" slaveThreshold="100"> 
    <heartbeat>select user()</heartbeat>
    <writeHost host="hostM3" url="192.168.192.159:3306" user="root" password="itcast"></writeHost> 
</dataHost>

在MySQL的三个节点的数据库中 , 创建数据库partition_db

create database partition_db DEFAULT CHARACTER SET utf8mb4;

一、取模分片

<tableRule name="mod-long"> 
    <rule>
        <columns>id</columns> 
        <algorithm>mod-long</algorithm> 
    </rule> 
</tableRule> 

<function name="mod-long" class="io.mycat.route.function.PartitionByMod"> 
    <property name="count">3</property> 
</function>

配置说明 :

image.png

二、范围分片

根据指定的字段及其配置的范围与数据节点的对应情况， 来决定该数据属于哪一个分片 ， 配置如下：

<tableRule name="auto-sharding-long"> 
    <rule>
        <columns>id</columns> 
        <algorithm>rang-long</algorithm> 
    </rule> 
</tableRule> 

<function name="rang-long" class="io.mycat.route.function.AutoPartitionByLong"> 
    <property name="mapFile">autopartition-long.txt</property> 
    <property name="defaultNode">0</property> 
</function>

autopartition-long.txt 配置如下：

# range start-end ,data node index 
# K=1000,M=10000. 
0-500M=0 
500M-1000M=1 
1000M-1500M=2

含义为 ： 0 - 500 万之间的值 ， 存储在0号数据节点 ； 500万 - 1000万之间的数据存储在1号数据节点 ； 1000万 - 1500 万的数据节点存储在2号节点 ；

配置说明:

image.png

测试:

配置

<table name="tb_log" dataNode="dn1,dn2,dn3" rule="auto-sharding-long"/>

数据

1). 创建表 
CREATE TABLE `tb_log` ( 
    id bigint(20) NOT NULL COMMENT 'ID', 
    operateuser varchar(200) DEFAULT NULL COMMENT '姓名', 
    operation int(2) DEFAULT NULL COMMENT '1: insert, 2: delete, 3: update , 4: select', 
    PRIMARY KEY (`id`) 
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; 

2). 插入数据 
insert into tb_log (id,operateuser ,operation) values(1,'Tom',1); 
insert into tb_log (id,operateuser ,operation) values(2,'Cat',2); 
insert into tb_log (id,operateuser ,operation) values(3,'Rose',3); 
insert into tb_log (id,operateuser ,operation) values(4,'Coco',2); 
insert into tb_log (id,operateuser ,operation) values(5,'Lily',1);

三、枚举分片

通过在配置文件中配置可能的枚举值, 指定数据分布到不同数据节点上, 本规则适用于按照省份或状态拆分数据等业务 , 配置如下:

<tableRule name="sharding-by-intfile"> 
    <rule>
        <columns>status</columns> 
        <algorithm>hash-int</algorithm> 
    </rule> 
</tableRule> 

<function name="hash-int" class="io.mycat.route.function.PartitionByFileMap"> 
    <property name="mapFile">partition-hash-int.txt</property> 
    <property name="type">0</property> 
    <property name="defaultNode">0</property> 
</function>

partition-hash-int.txt，内容如下 :

1=0 
2=1 
3=2

配置说明:

image.png

测试:

配置

<table name="tb_user" dataNode="dn1,dn2,dn3" rule="sharding-by-enum-status"/>

数据

1). 创建表 
CREATE TABLE `tb_user` ( 
    id bigint(20) NOT NULL COMMENT 'ID', 
    username varchar(200) DEFAULT NULL COMMENT '姓名', 
    status int(2) DEFAULT '1' COMMENT '1: 未启用, 2: 已启用, 3: 已关闭', 
    PRIMARY KEY (`id`) 
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; 

2). 插入数据 
insert into tb_user (id,username ,status) values(1,'Tom',1); 
insert into tb_user (id,username ,status) values(2,'Cat',2); 
insert into tb_user (id,username ,status) values(3,'Rose',3); 
insert into tb_user (id,username ,status) values(4,'Coco',2); 
insert into tb_user (id,username ,status) values(5,'Lily',1);

四、范围求模算法

该算法为先进行范围分片, 计算出分片组 , 再进行组内求模。

优点： 综合了范围分片和求模分片的优点。 分片组内使用求模可以保证组内的数据分布比较均匀，分片组之间采用范围分片可以兼顾范围分片的特点。

缺点： 在数据范围时固定值（非递增值）时，存在不方便扩展的情况，例如将 dataNode Group size 从 2 扩展为 4 时，需要进行数据迁移才能完成 ；

如图所示：

image.png

配置如下：

<tableRule name="auto-sharding-rang-mod"> 
    <rule>
        <columns>id</columns> 
        <algorithm>rang-mod</algorithm> 
    </rule> 
</tableRule> 

<function name="rang-mod" class="io.mycat.route.function.PartitionByRangeMod"> 
    <property name="mapFile">autopartition-range-mod.txt</property> 
    <property name="defaultNode">0</property> 
</function>

autopartition-range-mod.txt配置格式 :

#range start-end , data node group size 
0-500M=1 
500M1-2000M=2

在上述配置文件中, 等号前面的范围代表一个分片组 , 等号后面的数字代表该分片组所拥有的分片数量;

配置说明:

image.png

测试:

配置

<table name="tb_stu" dataNode="dn1,dn2,dn3" rule="auto-sharding-rang-mod"/>

数据

1). 创建表 
CREATE TABLE `tb_stu` ( 
    id bigint(20) NOT NULL COMMENT 'ID', 
    username varchar(200) DEFAULT NULL COMMENT '姓名', 
    status int(2) DEFAULT '1' COMMENT '1: 未启用, 2: 已启用, 3: 已关闭', 
    PRIMARY KEY (`id`) 
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; 

2). 插入数据 
insert into tb_stu (id,username ,status) values(1,'Tom',1); 
insert into tb_stu (id,username ,status) values(2,'Cat',2); 
insert into tb_stu (id,username ,status) values(3,'Rose',3); 
insert into tb_stu (id,username ,status) values(4,'Coco',2); 
insert into tb_stu (id,username ,status) values(5,'Lily',1); 

insert into tb_stu (id,username ,status) values(5000001,'Roce',1); 
insert into tb_stu (id,username ,status) values(5000002,'Jexi',2); 
insert into tb_stu (id,username ,status) values(5000003,'Mini',1);

五、固定分片hash算法

该算法类似于十进制的求模运算，但是为二进制的操作，例如，取 id 的二进制低 10 位 与 1111111111 进行位 & 运算。

最小值：

image.png

最大值：

image.png

优点： 这种策略比较灵活，可以均匀分配也可以非均匀分配，各节点的分配比例和容量大小由 partitionCount 和 partitionLength 两个参数决定

缺点：和取模分片类似。

配置如下 ：

<tableRule name="sharding-by-long-hash"> 
    <rule>
        <columns>id</columns> 
        <algorithm>func1</algorithm> 
    </rule> 
</tableRule> 

<function name="func1" class="org.opencloudb.route.function.PartitionByLong"> 
    <property name="partitionCount">2,1</property> 
    <property name="partitionLength">256,512</property> 
</function>

在示例中配置的分片策略，希望将数据水平分成3份，前两份各占 25%，第三份占 50%。

配置说明:

image.png

约束 :

  1. 分片长度 : 默认最大2^10 , 为 1024 ;
  2. count, length的数组长度必须是一致的 ;
  3. 两组数据的对应情况: (partitionCount[0]partitionLength[0])= (partitionCount[1]partitionLength[1])

以上分为三个分区:0-255,256-511,512-1023

测试:

配置

<table name="tb_brand" dataNode="dn1,dn2,dn3" rule="sharding-by-long-hash"/>

数据

1). 创建表 
CREATE TABLE `tb_brand` ( 
    id int(11) NOT NULL COMMENT 'ID', 
    name varchar(200) DEFAULT NULL COMMENT '名称', 
    firstChar char(1) COMMENT '首字母', 
    PRIMARY KEY (`id`) 
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; 

2). 插入数据 
insert into tb_brand (id,name ,firstChar) values(1,'七匹狼','Q'); 
insert into tb_brand (id,name ,firstChar) values(529,'八匹狼','B');
insert into tb_brand (id,name ,firstChar) values(1203,'九匹狼','J'); 
insert into tb_brand (id,name ,firstChar) values(1205,'十匹狼','S'); 
insert into tb_brand (id,name ,firstChar) values(1719,'六匹狼','L');

六、取模范围算法

该算法先进行取模，然后根据取模值所属范围进行分片。

优点：可以自主决定取模后数据的节点分布

缺点：dataNode 划分节点是事先建好的，需要扩展时比较麻烦。

配置如下:

<tableRule name="sharding-by-pattern"> 
    <rule>
        <columns>id</columns> 
        <algorithm>sharding-by-pattern</algorithm> 
    </rule> 
</tableRule> 

<function name="sharding-by-pattern" class="io.mycat.route.function.PartitionByPattern"> 
    <property name="mapFile">partition-pattern.txt</property> 
    <property name="defaultNode">0</property> 
    <property name="patternValue">96</property> 
</function>

partition-pattern.txt配置如下:

0-32=0 
33-64=1 
65-96=2

在mapFile配置文件中, 1-32即代表id%96后的分布情况。如果在1-32, 则在分片0上 ; 如果在33-64, 则在分片1上 ; 如果在65-96, 则在分片2上。

配置说明:

image.png

测试:

配置

<table name="tb_mod_range" dataNode="dn1,dn2,dn3" rule="sharding-by-pattern"/>

数据

1). 创建表 
CREATE TABLE `tb_mod_range` ( 
    id int(11) NOT NULL COMMENT 'ID', 
    name varchar(200) DEFAULT NULL COMMENT '名称', 
    PRIMARY KEY (`id`) 
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; 

2). 插入数据 
insert into tb_mod_range (id,name) values(1,'Test1'); 
insert into tb_mod_range (id,name) values(2,'Test2'); 
insert into tb_mod_range (id,name) values(3,'Test3'); 
insert into tb_mod_range (id,name) values(4,'Test4'); 
insert into tb_mod_range (id,name) values(5,'Test5');

注意 : 取模范围算法只能针对于数字类型进行取模运算 ; 如果是字符串则无法进行取模分片 ;

七、字符串hash求模范围算法

与取模范围算法类似, 该算法支持数值、符号、字母取模，首先截取长度为 prefixLength 的子串，在对子串中每一个字符的 ASCII 码求和，然后对求和值进行取模运算（sum%patternValue），就可以计算出子串的分片数。

优点：可以自主决定取模后数据的节点分布

缺点：dataNode划分节点是事先建好的，需要扩展时比较麻烦。

配置如下：

<tableRule name="sharding-by-prefixpattern"> 
    <rule>
        <columns>id</columns> 
        <algorithm>sharding-by-prefixpattern</algorithm> 
    </rule> 
</tableRule> 

<function name="sharding-by-prefixpattern"　class="io.mycat.route.function.PartitionByPrefixPattern"> 
    <property name="mapFile">partition-prefixpattern.txt</property> 
    <property name="prefixLength">5</property> 
    <property name="patternValue">96</property> 
</function>

partition-prefixpattern.txt配置如下:

# range start-end ,data node index 
# ASCII 
# 48-57=0-9 
# 64、65-90=@、A-Z 
# 97-122=a-z 
###### first host configuration 
0-32=0 
33-64=1 
65-96=2

配置说明:

image.png

如 :

字符串 : 
    gf89f9a 

截取字符串的前5位进行ASCII的累加运算 : 

    g - 103 
    f - 102 
    8 - 56 
    9 - 57 
    f - 102 

    sum求和 : 103 + 102 + + 56 + 57 + 102 = 420 
    求模 : 420 % 96 = 36

附录 ASCII码表 :

image.png

测试:

配置

<table name="tb_u" dataNode="dn1,dn2,dn3" rule="sharding-by-prefixpattern"/>

数据

1). 创建表 
CREATE TABLE `tb_u` ( 
    username varchar(50) NOT NULL COMMENT '用户名', 
    age int(11) default 0 COMMENT '年龄', 
    PRIMARY KEY (`username`) 
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

2). 插入数据 
insert into tb_u (username,age) values('Test100001',18); 
insert into tb_u (username,age) values('Test200001',20); 
insert into tb_u (username,age) values('Test300001',19); 
insert into tb_u (username,age) values('Test400001',25); 
insert into tb_u (username,age) values('Test500001',22);
avatar
文章
阅读
粉丝