官网地址：https://shardingsphere.apache.org/document/current/cn/overview/
shardingsphere-jdbc-core-spring-boot-starter使用背景
#### 1. **系统性能瓶颈**
随着企业业务的不断增长，数据量呈指数级增长，单一数据库架构面临着越来越大的压力。这种情况下，数据库的性能瓶颈逐渐显现，特别是在面对高并发读写和大量数据查询时，数据库的响应速度和系统的整体性能显著下降。为了应对这种情况，系统架构师通常会选择数据库分片（Sharding）和读写分离策略。
#### 2. **数据分片需求**
数据分片是将数据按照某种策略分布到多个数据库实例中，从而减少单个数据库的负载压力，并提高系统的可扩展性和容灾能力。手动实现数据分片不仅复杂且容易出错，还需要大量的维护工作。在这种背景下，ShardingSphere-JDBC 作为一个透明的数据库中间件，可以在不改变现有应用代码的基础上，通过配置文件的方式实现数据分片和多数据源管理，从而大幅度简化分片处理。
#### 3. **读写分离需求**
为了进一步提升系统性能，读写分离是一种常见的策略。通过将写操作（INSERT、UPDATE、DELETE）指向主库，将读操作（SELECT）指向从库，可以有效缓解数据库的读写压力。然而，手动管理主从数据库的切换和一致性维护需要付出较大的开发成本。ShardingSphere-JDBC 通过内置的读写分离功能，能够自动识别和路由读写操作，开发者只需专注于业务逻辑，而无需关心底层的数据库操作细节。
#### 4. **数据加密和影子库需求**
在现代应用中，数据安全变得越来越重要，尤其是对于敏感数据的存储和访问。ShardingSphere-JDBC 提供了数据加密功能，可以在数据入库前进行加密，在查询时自动解密，保障数据的安全性。此外，影子库的功能可以用于在生产环境中进行压测，确保系统在高负载下依然稳定运行，而不会影响实际用户的使用。
#### 5. **简化数据库操作**
在多数据源场景下，应用程序需要连接多个数据库实例。传统方式下，开发者需要手动配置和管理多个数据源的连接以及 SQL 的分发逻辑，增加了系统复杂度。ShardingSphere-JDBC 通过统一的接口和配置管理这些数据库连接，使得应用程序可以透明地访问分布式数据源，极大地简化了开发工作。
架构图
数据分片
垂直分片
按照业务拆分的方式称为垂直分片，又称为纵向拆分，它的核心理念是专库专用。 在拆分之前，一个数据库由多个数据表构成，每个表对应着不同的业务。而拆分之后，则是按照业务将表进行归类，分布到不同的数据库中，从而将压力分散至不同的数据库。 下图展示了根据业务需要，将用户表和订单表垂直分片到不同的数据库的方案。
垂直分片往往需要对架构和设计进行调整。通常来讲，是来不及应对互联网业务需求快速变化的；而且，它也并无法真正的解决单点瓶颈。 垂直拆分可以缓解数据量和访问量带来的问题，但无法根治。如果垂直拆分之后，表中的数据量依然超过单节点所能承载的阈值，则需要水平分片来进一步处理。
水平分片
水平分片又称为横向拆分。 相对于垂直分片，它不再将数据根据业务逻辑分类，而是通过某个字段（或某几个字段），根据某种规则将数据分散至多个库或表中，每个分片仅包含数据的一部分。 例如：根据主键分片，偶数主键的记录放入 0 库（或表），奇数主键的记录放入 1 库（或表），如下图所示。
水平分片从理论上突破了单机数据量处理的瓶颈，并且扩展相对自由，是数据分片的标准解决方案。
不支持的语法
CASE WHEN
以下 CASE WHEN 语句不支持：
- CASE WHEN 中包含子查询
- CASE WHEN 中使用逻辑表名（请使用表别名）
分页查询
Oracle 和 SQLServer 由于分页查询较为复杂，目前有部分分页查询不支持，具体如下：
- Oracle
目前不支持 rownum + BETWEEN 的分页方式。
- SQLServer
目前不支持使用 WITH xxx AS (SELECT …) 的方式进行分页。由于 Hibernate 自动生成的 SQLServer 分页语句使用了 WITH 语句，因此目前并不支持基于 Hibernate 的 SQLServer 分页。 目前也不支持使用两个 TOP + 子查询的方式实现分页。
常用inline分片算法表达式
在 ShardingSphere 中，`INLINE` 类型的分片算法使用的是一种内联表达式来进行分片。它通过对分片键的值进行简单的数学运算、字符串操作等方式来决定数据落在哪个表或数据库中。常见的 `INLINE` 类型分片算法表达式主要用于简单场景，例如按取模分片、按范围分片、按日期分片等。
按取模分片
按分片键的取模值来决定落在哪个表或数据库。
示例：- **按表取模分片：**
# 根据 `user_id` 的取模值分片到 2 张表中（`table_0` 和 `table_1`）
algorithm-expression: table_${user_id % 2}示例：- **按数据库取模分片：**
# 如果有 3 个数据库，数据将根据 `user_id` 的取模分配
algorithm-expression: db_${user_id % 3}按范围分片
根据分片键的范围来决定分片表。
示例：- **按用户ID范围分表：**
#如果 `user_id` 在 0-100 范围内存储在 `table_0`，101-200 存储在 `table_1`
algorithm-expression: table_${user_id >= 0 && user_id <= 100 ? 0 : 1}按时间分片
常用于基于日期字段进行分表，按月、按年等规则分表。
示例：- **按月分表：**
#根据 `create_time` 的月份将数据分配到不同表中：
algorithm-expression: table_${create_time.format('yyyyMM')}示例：- **按年分表：**
#根据 `create_time` 的年份来分片：
algorithm-expression: table_${create_time.format('yyyy')}复合取模分片
对于多个字段的组合分片，通常会结合多个字段进行取模运算。
示例：- **`user_id` 和 `order_id` 组合取模分表：**
#将 `user_id` 和 `order_id` 的取模结果组合来分片：
algorithm-expression: table_${user_id % 2}_${order_id % 3}字符串分片
根据字符串的前缀或后缀进行分片，常用于按某种业务逻辑对字符串类型的字段进行分片。
示例：- **按 `order_id` 的前缀分片：**
#根据 `order_id` 的前两位字符进行分片：
algorithm-expression: table_${order_id.substring(0, 2)}示例：- **按 `order_id` 的后缀分片：**
#根据 `order_id` 的最后两位字符来分表：
algorithm-expression: table_${order_id.substring(order_id.length() - 2)}自定义分片规则
示例：- **按年份和用户ID取模的组合分表：**
#按照 `create_time` 的年份和 `user_id` 的取模结果来分表：
algorithm-expression: table_${create_time.format('yyyy')}_${user_id % 4}按复合规则进行分片
示例：- **按多个条件分片：**
#比如根据 `age` 和 `region` 组合分片：
algorithm-expression: table_${age >= 18 ? 'adult' : 'child'}_${region}Groovy脚本算法
如果逻辑复杂，或者需要动态处理分片，可以考虑使用 `Groovy` 脚本算法。(省略···)
shardingsphere-spring-boot-starter使用背景
shardingsphere-jdbc-core-spring-boot-starter使用时，只能先创建表，然后再配置对应的分库分表策略。现阶段实现方式有以下两种：
1.一次性创建出所有的需要分库分表的数据表，再配置对应的分库分表策略；
2.创建定时任务，定时创建分库分表数据表，再配置对应的分库分表策略；
以上两种方式都是预处理的方式来进行建表，在扩展性以及可维护性较差。基于JAVA懒加载思想，实现在使用表的时候再创建表，同时满足按月分表的需求。
使用方法
引入依赖包
<dependency>
<groupId>com.xtm</groupId>
<artifactId>shardingsphere-spring-boot-starter</artifactId>
<version>0.0.1-SNAPSHOT</version>
</dependency>application-dev.yml中增加配置
server:
port: 9001
mybatis-plus:
mapper-locations: classpath:/mapper/*.xml
spring:
shardingsphere:
datasource:
#配置数据源
names: sharding_sphere
sharding_sphere:
type: com.alibaba.druid.pool.DruidDataSource
driver-class-name: com.alibaba.druid.pool.DruidDataSource
# 需要将jdbc-url 换成URL
url: jdbc:mysql://localhost:3306/sharding_sphere?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia/Shanghai&useSSL=false&allowMultiQueries=true
username: root
password: 123456
# 官方配置
rules:
sharding:
tables:
#逻辑表名
user:
# 事实表名
actual-data-nodes: sharding_sphere.user_male, sharding_sphere.user_female
#分表策略
table-strategy:
standard:
# 分表字段
sharding-column: sex
# 策略名称
sharding-algorithm-name: user-inline
sharding-algorithms:
#策略名称
user-inline:
#策略类型
type: INLINE
props:
#表达式
algorithm-expression: user_$->{sex == 1?'male':'female'}
mode:
type: Memory
props:
sql-show: true
enabled: true
# 小铁马shardingSphere
xtm:
tables:
# 表名
sharding_test:
# 字段
column: create_time
# 数据源
dataSource: sharding_sphere
# 表名
normal_sharding:
# 字段
column: create_time
# 数据源
dataSource: sharding_sphere
main:
allow-bean-definition-overriding: true
logging:
level:
root: info小铁马shardingSphere配置项详解
spring.shardingsphere.xtm.preCreateNextTable
含义：是否提前创建下次表格，如果是按月分表，那么就是提前创建下个月的表
默认值：true
可选值： true 或false
是否必填：否
spring.shardingsphere.xtm.tables.sharding_test.algorithm
含义：表分片使用的算法
默认值：year-month-split
可选值：year-month-split
是否必填：否
spring.shardingsphere.xtm.tables.sharding_test.column
含义：分片表的字段
默认值：无
是否必填：是
spring.shardingsphere.xtm.tables.sharding_test.dataSource
含义：shardingSphere使用的数据源
是否必填：是
spring.shardingsphere.xtm.tables.sharding_test.preCreateNextTaleCron
含义：提前创建分片表的表达式
默认值：%s 0 0 * * ? 其中%s为随机0-59的数字，默认每天00:00:00至00:01:00执行一次
是否必填：否
