1：分片規則配置文件rule.xml 介紹
PS: 配置文件都沿用上一篇mycat入門配置
1.1 Funcation 標簽
- name屬性指定算法的名稱，在該文件中唯一。
- class屬性對應具體的分片算法，需要指定算法的具體類。
- property屬性根據算法的要求指定。
<function name="rang-long" class="io.mycat.route.function.AutoPartitionByLong">
<property name="mapFile">autopartition-long.txt</property>
</function>
1.2 tableRule標簽
- name 屬性指定分片規則的名稱，要求唯一
- rule 屬性指定分片算法的具體內容，包含columns 和clgorithm 兩個屬性
- columns 屬性指定對應表中用于分片的列名
- algorithm 屬性對應function 中指定的算法的名稱
<tableRule name="mod-long">
<rule>
<columns>userID</columns>
<algorithm>mod-long</algorithm>
</rule>
</tableRule>
2：分片分類 - 連續分片 和離散分片
兩種方式優缺點對比
| 分片 | 連續分片 | 離散分片 |
|---|---|---|
| 優點 | 擴容無需遷移數據， 范圍條件查詢消耗資源少 |
并發訪問能力增強 范圍條件查詢性能提升 |
| 缺點 | 存在數據熱點的可能性， 并發訪問能力受限于單一或者少量DataNode |
數據擴容比較困難， 涉及到數據遷移問題數據庫連接消耗比較多 |
2.1：連續分片
- 自定義數字范圍分片
- 按日期分片
- 按單月小時分片
- 按自然月分片
2.1.1： 自定義數字范圍分片
字段為數字類型
<schema name="db_user" checkSQLschema="true" sqlMaxLimit="100">
<table name="data_dictionary" type="global" dataNode="db_user_dataNode1,db_user_dataNode2" primaryKey="dataDictionaryID"/>
<table name ="users" dataNode="db_user_dataNode$1-2" primaryKey="userID" rule="auto-sharding-long">
<childTable name="user_address" joinKey="userID" parentKey="userID" primaryKey="addressID" />
</table>
</schema>
rule.xml配置
- rang-long 函數中的mapFile 表示規則配置文件的路徑，默認是在conf 目錄下
- defaultNode為超過范圍后的默認節點。
<tableRule name="auto-sharding-long">
<rule>
<columns>userID</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>
配置文件autopartition-long.txt
- ps 注意一下，這里的配置的節點數要小于 schema里的table的dataNode節點個數 ,否則啟動mycat 會報錯
# range start-end ,data node index
# K=1000,M=10000.
0-500M=0
500M-1000M=1
測試sql:
INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('1000', '張1', '13611111111', '31', '2', '2018-10-10 13:39:41', '2018-10-10 13:39:41');
INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('2000', '王二', '13622222222', '32', '5', '2018-10-10 13:39:41', '2018-10-10 13:39:41');
INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('6000000', '李三', '13633333333', '33', '3', '2018-10-10 13:39:41', '2018-10-10 13:39:41');
INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('7000000', '趙四', '13644444444', '34', '1', '2018-10-10 13:39:41', '2018-10-10 13:39:41');
INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('20000000', '田五', '13655555555', '35', '3', '2018-10-10 13:39:41', '2018-10-10 13:39:41');
到這里，按范圍分片接結束了，查看數據庫，會發現已經按照對應的規則插進對應的分片當中了
2.1.2 按日期分片
根據時間類型字段，按月分片
修改schema.xml 文件
<schema name="db_user" checkSQLschema="true" sqlMaxLimit="100">
<table name="data_dictionary" type="global" dataNode="db_user_dataNode1,db_user_dataNode2" primaryKey="dataDictionaryID"/>
<table name ="users" dataNode="db_user_dataNode$1-2" primaryKey="userID" rule="sharding-by-month">
<childTable name="user_address" joinKey="userID" parentKey="userID" primaryKey="addressID" />
</table>
</schema>
修改rule.xml 文件
ps : 如果是按月分片的問題，如果插入的月份超過了節點數，則就會插入報錯，而且只能插入規則中指定的同一年，比如規則中開始是2015-01-01 那就不能插入2016年
<function name="partbymonth"
class="io.mycat.route.function.PartitionByMonth">
<property name="dateFormat">yyyy-MM-dd hh:mm:ss</property>
<property name="sBeginDate">2015-01-01 00:00:00</property>
</function>
測試sql
INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('1000', '張1', '13611111111', '31', '2', '2015-01-01 13:39:41', '2018-10-10 13:39:41');
INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('2000', '王二', '13622222222', '32', '5', '2015-2-10 13:39:41', '2018-10-10 13:39:41');
還有按天分片 ，按小時分片，這里我就不在多介紹了，可以百度一下
3：離散分片， 這里只做一致性hash 分片介紹
離散分片規則
- 枚舉分片
- 程序制定分區分片
- 十進制求模分片
- 字符串hash解析分片
- 一致性hash分片
3.1 一致性hash分片
一致性hash 有效的解決了分布式數據的擴容問題，優點在于擴容時遷移數據量比較少，前提是分片節點比較多，虛擬節點分配多些。虛擬節點分配的少就會造成數據分布不夠均勻。但如果實際分片數據比較少，遷移量也會比較多。
