一、序言

在实际业务中，单表数据增长较快，很容易达到数据瓶颈，比如单表百万级别数据量。当数据量继续增长时，数据的查询性能即使有索引的帮助下也不尽如意，这时可以引入数据分库分表技术。

本文将基于SpringBoot+MybatisPlus+Sharding-JDBC+Mysql实现企业级分库分表。

1、组件及版本选择

SpringBoot 2.6.x	MybatisPlus 3.5.0	Sharding-JDBC 4.1.1	Mysql 5.7.35

2、预期目标

• 使用上述组件实现分库分表，简化起见只讨论分表技术
• 完成分表后的逻辑表与物理表间的增删查改
• 引入逻辑删除和使用MybatisPlus内置分页技术

完整项目源码访问地址。

二、代码实现

为了简化分表复杂性，专注于分表整体实现，简化分表逻辑：按照UserId的奇偶属性分别进行分表。以订单表这一典型场景为例，一般来说有关订单表，通常具有如下共性行为：

• 创建订单记录
• 查询XX用户的订单列表
• 查询XX用户的订单列表（分页）
• 查询XX订单详情
• 修改订单状态
• 删除订单（逻辑删除）

接下来通过代码实现上述目标。

（一）素材准备

1、实体类

@Data
@TableName("bu_order")
public class Order {
    @TableId
    private Long orderId;
    private Integer orderType;
    private Long userId;
    private Double amount;
    private Integer orderStatus;
    @TableLogic
    @JsonIgnore
    private Boolean deleted;
}

2、Mapper类

@Mapper
public interface OrderMapper extends BaseMapper<Order> {
}

3、全局配置文件

spring:
  config:
    use-legacy-processing: true
  shardingsphere:
    datasource:
      ds1:
        driver-class-name: com.mysql.cj.jdbc.Driver
        type: com.alibaba.druid.pool.DruidDataSource
        url: jdbc:mysql://127.0.0.1:3306/sharding-jdbc2?serverTimezone=UTC
        username: root
        password: 123456
      names: ds1
    props:
      sql:
        show: true
    sharding:
      tables:
        bu_order:
          actual-data-nodes: ds1.bu_order_$->{0..1}
          key-generator:
            column: order_id
            type: SNOWFLAKE
          table-strategy:
            inline:
              algorithm-expression: bu_order_${user_id%2}
              sharding-column: user_id

（二）增删查改

1、保存数据

由于依据主键的奇偶属性对原表分表，分表后每张表的数据量是分表前的二分之一。根据需要也可以自定义分表数量（比如10张），新分表后的数据量是不分表前的十分之一。

@Test
public void addOrders() {
    for (long i = 1; i <= 10; i++) {
        Order order = new Order();
        order.setOrderId(i);
        order.setOrderType(RandomUtil.randomEle(Arrays.asList(1, 2)));
        order.setUserId(RandomUtil.randomEle(Arrays.asList(101L, 102L, 103L)));
        order.setAmount(1000.0 * i);
        orderMapper.insert(order);
    }
}

2、查询列表数据

查询指定用户的订单列表。

@GetMapping("/list")
public AjaxResult list(Order order) {
    LambdaQueryWrapper<Order> wrapper = Wrappers.lambdaQuery(order);
    return AjaxResult.success(orderMapper.selectList(wrapper));
}

3、分页查询数据

分页查询指定用户的订单列表

@GetMapping("/page")
public AjaxResult page(Page<Order> page, Order order) {
    return AjaxResult.success(orderMapper.selectPage(page, Wrappers.lambdaQuery(order)));
}

4、查询详情

通过订单ID查询订单详情。

@GetMapping("/detail/{orderId}")
public AjaxResult detail(@PathVariable Long orderId) {
    return AjaxResult.success(orderMapper.selectById(orderId));
}

5、删除数据

通过订单ID删除订单（逻辑删除）

@DeleteMapping("/delete/{orderId}")
public AjaxResult delete(@PathVariable Long orderId) {
    return AjaxResult.success(orderMapper.deleteById(orderId));
}

6、修改数据

修改数据一般涉及部分列，比如修改订单表的订单状态等。

@PutMapping("/edit")
public AjaxResult edit(@RequestBody Order order) {
    return AjaxResult.success(orderMapper.updateById(order));
}

三、理论分析

1、选择分片列

选择分片列是经过精心对比后确定的，对于订单类场景，需要频繁以用户ID为查询条件筛选数据，因此将同一个用户的订单数据存放在一起有利于提高查询效率。

2、扩容

当分表后的表数据快速增长，可以预见即将达到瓶颈时，需要对分表进行扩容，扩容以2倍的速率进行，扩容期间需要迁移数据，工作量相对可控。

出处：https://www.cnblogs.com/javazhishitupu/p/15948566.html