SpringBoot+MybatisJDBC5.1.1实现单库分表

一、前言

小编最近一直在研究关于分库分表的东西，前几天docker安装了mycat实现了分库分表，但是都在说mycat的bug很多。很多人还是倾向于shardingsphere，其实他是一个全家桶，有JDBC、Proxy 和 Sidecar组成，小编今天以最简单的JDBC来简单整合一下！
现在最新版已经是5.1.1，经过一天的研究用于解决了所有问题，完成了单库分表！！

二、踩过的坑

1. 数据源问题

不要使用druid-spring-boot-starter这个依赖，启动会有问题


    com.alibaba
    druid-spring-boot-starter
    1.1.21

报错信息：

Caused by: org.springframework.beans.factory.BeanCreationException: Error creating bean with name 'userMapper' defined in file 
[D:jiawayundemo	argetclassescomexampledemomapperUserMapper.class]:
 Invocation of init method failed; nested exception is 
 java.lang.IllegalArgumentException: Property 'sqlSessionFactory' 
 or 'sqlSessionTemplate' are required

==解决方案：==

使用单独的druid


    com.alibaba
    druid
    1.2.8

建议使用==默认的数据源==，sharding-jdbc也是使用的默认的数据源，小编使用的自带的，忘记druid后面会不会有问题了！！

type: com.zaxxer.hikari.HikariDataSource

2. Insert 语句不支持分表路由到多个数据节点

报错信息：

Insert statement does not support sharding table routing to multiple data nodes.

解决方案：
解决不支持分表路由问题：https://blog.csdn.net/qq_52423918/article/details/125004312

三、导入maven依赖


    org.springframework.boot
    spring-boot-starter-web



    org.springframework.boot
    spring-boot-starter-test
    test
    
        
            org.junit.vintage
            junit-vintage-engine
        
    


    junit
    junit
    test


    org.apache.shardingsphere
    shardingsphere-jdbc-core-spring-boot-starter
    5.1.1


    org.springframework.boot
    spring-boot-starter-web


    org.springframework.boot
    spring-boot-starter-test
    test



    org.projectlombok
    lombok
    1.18.10



    org.springframework.boot
    spring-boot-starter-jdbc



    mysql
    mysql-connector-java




    com.baomidou
    mybatis-plus-boot-starter
    3.5.1

四、新建表

1. 新建二张表

命名为：user_0、user_1

CREATE TABLE `user_0`  (
  `cid` bigint(25) NOT NULL,
  `name` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  `gender` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  `data` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  PRIMARY KEY (`cid`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;

SET FOREIGN_KEY_CHECKS = 1;

2. 数据库结构

五、框架全局展示

1. User实体类

@Data
public class User implements Serializable {
    private static final long serialVersionUID = 337361630075002456L;

    private Long cid;

    private String name;

    private String gender;

    private String data;

}

2. controller

@RestController
@RequestMapping("/test")
public class UserController {

    @Autowired
    private UserMapper userMapper;

    @GetMapping("/insertTest")
    public void insertTest(){
        for (int i = 1 ; i < 10; i++) {
            User test = new User("王"+i,"男","数据" + i);
            userMapper.insert(test);
        }
    }
}

3. mapper

我们直接省略了service，简单一下哈！！

public interface UserMapper extends BaseMapper {
}

4. application.yml配置

server:
  port: 8089

spring:
  shardingsphere:
    mode:
      type: memory
    # 是否开启
    datasource:
      # 数据源（逻辑名字）
      names: m1
      # 配置数据源
      m1:
        type: com.zaxxer.hikari.HikariDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        url: jdbc:mysql://localhost:3306/test?useSSL=false&autoReconnect=true&characterEncoding=UTF-8&serverTimezone=UTC
        username: root
        password: root
    # 分片的配置
    rules:
      sharding:
        # 表的分片策略
        tables:
          # 逻辑表的名称
          user:
            # 数据节点配置，采用Groovy表达式
            actual-data-nodes: m1.user_$->{0..1}
            # 配置策略
            table-strategy:
              # 用于单分片键的标准分片场景
              standard:
                sharding-column: cid
                # 分片算法名字
                sharding-algorithm-name: user_inline
            key-generate-strategy: # 主键生成策略
              column: cid  # 主键列
              key-generator-name: snowflake  # 策略算法名称(推荐使用雪花算法)
        key-generators:
          snowflake:
            type: SNOWFLAKE
        sharding-algorithms:
          user_inline:
            type: inline
            props:
              algorithm-expression: user_$->{cid % 2}
    props:
      # 日志显示具体的SQL
      sql-show: true


logging:
  level:
    com.wang.test.demo: DEBUG

mybatis-plus:
  mapper-locations: classpath:mapper/*.xml
  type-aliases-package: com.example.demo.entity
  configuration:
    #在映射实体或者属性时，将数据库中表名和字段名中的下划线去掉，按照驼峰命名法映射 address_book ---> addressBook
    map-underscore-to-camel-case: true

5. 启动类

@MapperScan("com.example.demo.mapper")
@SpringBootApplication
public class DemoApplication {

    public static void main(String[] args) {
        SpringApplication.run(DemoApplication.class, args);
    }

}

六、测试插入九条数据

==本次测试策略是：行表达式分片策略:inline==

1. 插入数据

输入：localhost:8089/test/insertTest

==分片成功==

2. 单个查询

@GetMapping("/selectOneTest")
public void selectOneTest(){

    User user = userMapper.selectOne(Wrappers.lambdaQuery().eq(User::getCid,736989417020850176L));
    System.out.println(user);

}

这时他会根据cid去自动获取去那个表中获取数据

3. 全查询

@GetMapping("/selectListTest")
public void selectListTest(){

    List list = userMapper.selectList(null);
    System.out.println(list);

}

由于没有条件，他会去把两个表UNION ALL进行汇总

4. 分页查询

需要先配置mybatis-plus分页配置类：

@Configuration
public class MybatisPlusConfig {

    @Bean
    public MybatisPlusInterceptor mybatisPlusInterceptor() {
        MybatisPlusInterceptor interceptor = new MybatisPlusInterceptor();
        interceptor.addInnerInterceptor(new PaginationInnerInterceptor(DbType.MYSQL));
        return interceptor;
    }
}
@GetMapping("/selectListPage")
public void selectListPage(){
    IPage page = new Page(1,6);
    IPage userIPage = userMapper.selectPage(page,null);
    List records = userIPage.getRecords();
    System.out.println(records);
}

我们user_0有5条数据，user_1有4条数据

==我们发现它会向所有的表中去进行一遍分页查询，第一个表数据不够就会加上另一个表分页拿到的值==

==分页size为3时，一个user_0就可以满足分页条件，就会忽略user_1的分页数据。==

5. 非分片属性查询

我们先把user_0表性别修改两个为女，然后进行查询！看看没有分片的字段是否能够只去user_0去查询

@GetMapping("/selectListByGender")
public void selectListByGender(){

    List list = userMapper.selectList(Wrappers.lambdaQuery().eq(User::getGender, "女"));
    System.out.println(list);
}

有图可见：不是分片的字段查询，回去全连接表去查询一遍，效率和不分表一样了哈！！

6. 分片属性来自一个表in查询

@GetMapping("/selectInList")
public void selectList(){
    List users = userMapper.selectList(Wrappers.lambdaQuery().in(User::getCid,736989417020850176L,736989418119757824L));
    System.out.println(users);
}

我们可以发现，我们根据分片字段进行in查询，sharding-jdbc会识别出来来自于那个表进而提高效率，不会所有的表进行全连接。