mysql分库分表

将原本存储在单个数据库上的数据拆分到多个数据库中（分库），把原来存储在单张表的数据拆分到多张数据表中，实现数据切分，从而提生数据库操作性能。分库分表的实现方式分为两种：垂直切分，水平切分。

将数据分散到多张表，涉及到分区键。

分库：每个库结构一样，数据不一样，没有交集。库多了可以缓解io和cpu压力。分表：每个表结构一样，数据不一样，没有交集。表数量减少，可以提高sql执行效率，减轻cpu压力。

优缺点：

优点：

单库（表）的数据保持在一定的量（减少），有助于性能的提高。拆分结构相同，程序改造较小 缺点：

数据扩容有难度，维护量大。拆分规则很难抽象出来分片事务的一致性的问题，部分业务无法关联。 3、垂直拆分：

将字段拆分为多张表，需要一定的重构。

分库：每个库结构，数据都不一样，所有库的并集为全量数据。分表：每个表结构、数据不一样，至少有一列交集，用于关联数据，所有表的并集为全量数据。

优缺点：

优点：

拆分后业务清晰（专库专用按业务拆分）数据维护简单、按业务不同放到不同机器上。 缺点：

单表数据量大，写和读的压力大受某种业务来决定或者被限制。也就是说一个业务往往会影响到数据库的瓶颈（性能问题）。 二、分库分表开源框架 1、jdbc直连层

shardingshpere、tddl（淘宝）

优点：快速性能高、支持跨数据库

缺点：不支持跨语言。

mycat、mysql-proxy

优点：需要网络、支持跨平台、跨语言

缺点：性能比jdbc低、不支持跨数据库

ACID（原子性（atomicity，或称不可分割性）、一致性（consistency）、隔离性（isolation，又称独立性）、持久性）

当我们在进行多个数据库CURD（增删改查）操作的时候，如果出现错误，那么事务在回滚时只支持一个数据库的回滚，而其他数据库则是会操作成功，那么就会出现脏数据的出现。数据一致性不会得到保证

在分表中存在，自增id会存在id重复的情况。

join查询存在数据组合问题。

    org.apache.shardingsphere
    sharding-jdbc-spring-boot-starter
    4.1.1

spring:
  shardingsphere:
    datasource:
      names: master,slave
      commoun:
        type: com.zaxxer.hikari.HikariDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        jdbc-url: jdbc:mysql://localhost:3306/shop?serverTimezone=UTC&characterEncoding=utf8&useUnicode=tr&ueuseSSL=false
        username: root
        password: root
        hikari:
          # 连接池最小空闲连接数
          minimum-idle: 5
          # 连接池允许的最大连接数
          maximum-pool-size: 10
          # 等待连接池分配连接的最大时长（毫秒）
          connection-timeout: 30000
      master:
        type: com.zaxxer.hikari.HikariDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        jdbc-url: jdbc:mysql://localhost:3306/shop?serverTimezone=UTC&characterEncoding=utf8&useUnicode=tr&ueuseSSL=false
        username: root
        password: root
      slave:
        type: com.zaxxer.hikari.HikariDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        jdbc-url: jdbc:mysql://localhost:3306/shop?serverTimezone=UTC&characterEncoding=utf8&useUnicode=tr&ueuseSSL=false
        username: root
        password: root
    props:
      sql:
        show: true
mybatis:
  configuration:
    # 数据库下划线转驼峰配置
    map-underscore-to-camel-case: true
    log-impl: org.apache.ibatis.logging.stdout.StdOutImpl
  mapper-locations: classpath*:/mybatis/mapper/*.xml

 sharding:
      tables:
        employee:
          actualDataNodes: master.employee_$->{0..2}
          tableStrategy:
            inline:
              shardingColumn: id
              algorithmexpression: employee_$->{id % 2}
          keyGenerator:
            type: SNOWFLAKE
            column: id
          #进行分库配置 按照id进行分库
      binding-tables: employee
#          databaseStrategy:
#            inline:
#              shardingColumn: id
#              algorithmexpression: employee_$->{id % 2}

    sharding:
      binding-tables: employee
      tables:
        employee:
          actualDataNodes: ms.employee_$->{0..2}
          tableStrategy:
            inline:
              shardingColumn: d_id
              algorithmexpression: employee_$->{d_id % 2}
          keyGenerator:
            type: SNOWFLAKE
            column: d_id
      default-table-strategy:
        none:
      default-key-generator:
        type: SNOWFLAKE
        column: d_id
      default-data-source-name: master
      master-slave-rules:
        ms:
          slave-data-source-names: slave
          load-balance-algorithm-type: round_robin
          master-data-source-name: master

@GetMapping("select")
public List insertDept(Employee employee) {
    return employeeMapper.getEmp(employee);
}

数据库中进行水平分表。

查询所有：

    select *
    from employee

查询在slave中进行查询

@GetMapping("insert")
public Long insert(Employee employee) {
    employee.setDId(12L);
    employee.setGender(1);
    employee.setDate(new Date());
    employee.setEmail("123121312@12312");
    employeeMapper.insertEmp(employee);
    return employee.getId();
}

插入一条数据

    INSERT INTO employee(lastName, email, gender, d_id, date)
    VALUES (#{lastName}, #{email}, #{gender}, #{dId}, #{date})

插入会在master进行