尚硅谷-ShardingSphere

分库分表重点还是在于数据一致性，主从复制和库表管理底层原理，本质上根据配置文件入不同库，入不同表还是很简单的。

学习链接：https://www.bilibili.com/video/BV1LK411s7RX?p=23&vd_source=510ec700814c4e5dc4c4fda8f06c10e8

---

目录

• 🔥1. 基本概念
  • 1.1. 基本名词
    • 1.1.1 ShardingSphere
    • 1.1.2 产生场景
    • 1.1.3 场景变迁
  • 1.2 基本使用
    • 1.2.1 Sharding-JDBC
      • 1.2.1.1 水平分表
      • 1.2.1.2 垂直分库、公共表（略）
      • 1.2.1.3 读写分离（略）
    • 1.2.2 Sharding-Proxy
  • 1.3 个人小结

🔥1. 基本概念

1.1. 基本名词

1.1.1 ShardingSphere

​ 分布式数据库中间件

1.1.2 产生场景

​ 由于数据量不断增大，原始可以使用硬件优化，现在需要增加分库分表

​ 分库分表分为垂直切分和水平切分

1. 垂直切分
 	1. 垂直分表：同一张表拆分字段存入不同表
 	2. 垂直分库： 不同业务表存入不同业务的数据库

2. 水平切分
 	1. 水平分表：可以根据id拆分表数据导不同表中
 	2. 水平分库：表数据水平存到不同数据库中，避免请求打到同一个库中。不同库中库表结构都是一样的

1.1.3 场景变迁

1. 数据库设计的时候考虑垂直分库、垂直分表
1. 数据量增加，优先考虑缓存、读写分离、索引、数据库硬件、数据库选择等方式解决，实在解决不了了再考虑水平分库分表

​ 但存储几个问题：不同服务器数据库之间如何管理

1.2 基本使用

1.2.1 Sharding-JDBC

​ 用于数据分片和读写分离，操作不同数据库的表，并不是分库分表

1.2.1.1 水平分表

1. 导入shardingshpere、druid依赖包

2. 把原始spring.datasource删除，使用sharding-datasource的properties配置文件

3. 配置bean的覆盖策略

   spring.main.allow-bean-definition-overriding=true
   

4. 后续就能实现原始代码也能正常CRUD，course_1, course_2的插入和查询采用分片策略进行查询与插入

1.2.1.2 垂直分库、公共表（略）

1.2.1.3 读写分离（略）

​ 就是主写从读，从数据库通过读取binlog实时把数据拉取过来

1.2.2 Sharding-Proxy

​ 数据库代理端

1.3 个人小结