Mycat水平拆分之十种分片规则

妖狐艹你老母 2022-06-11 00:37 184阅读 0赞

**水平切分分片实现**

配置schema.xml  在同一个mysql数据库中，创建了三个数据库 testdb1，testdb2，testdb3。并在每个库中都创建了user表

<?xml version="1.0"?>

<!DOCTYPE mycat:schema SYSTEM "schema.dtd">

<mycat:schema xmlns:mycat="http://io.mycat/">

<!——指定rule 分片规则-->

</schema>

<dataHost name="host" maxCon="1000" minCon="10" balance="0"

writeType="0" dbType="mysql" dbDriver="native">

<heartbeat>select 1</heartbeat>

</dataHost>

</mycat:schema>

配置server.xml

<?xml version="1.0" encoding="UTF-8"?>

<!DOCTYPE mycat:server SYSTEM "server.dtd">

<mycat:server xmlns:mycat="http://io.mycat/">

<property name="defaultSqlParser">druidparser</property>

</system>

<property name="password">mycat</property>

<property name="schemas"> **testdb**</property>

</user>

</mycat:server>

配置rule.xml

<?xml version="1.0" encoding="UTF-8"?>

<!DOCTYPE mycat:rule SYSTEM "rule.dtd">

<mycat:rule xmlns:mycat="http://io.mycat/“>

<rule>

<columns>sharding\_id</columns>

</rule>

</tableRule>

<function name="hash-int"

class="io.mycat.route.function.PartitionByFileMap">

<property name="mapFile">partition-hash-int.txt</property>

</function>

</mycat:rule>

**常用的分片规则：总共十个（基本够用）**

**一、枚举法**

<rule>

</rule>

</tableRule>

<property name="mapFile">partition-hash-int.txt</property>

</function>

partition-hash-int.txt 配置：

10000=0

10010=1

上面columns 标识将要分片的表字段，algorithm 分片函数，

其中分片函数配置中，mapFile标识配置文件名称，type默认值为0，0表示Integer，非零表示String，

所有的节点配置都是从0开始，及0代表节点1

/\*\*  
\*  defaultNode 默认节点:小于0表示不设置默认节点，大于等于0表示设置默认节点,结点为指定的值  
\*   
默认节点的作用：枚举分片时，如果碰到不识别的枚举值，就让它路由到默认节点  
\*                如果不配置默认节点（defaultNode值小于0表示不配置默认节点），碰到  
\*                不识别的枚举值就会报错，  
\*                like this：can't find datanode for sharding column:column\_name val:ffffffff      
\*/

**二、固定分片hash算法**

<rule>

</rule>

</tableRule>

</function>

配置说明：

上面columns 标识将要分片的表字段，algorithm 分片函数，

partitionCount 分片个数列表，partitionLength 分片范围列表  
分区长度:默认为最大2^n=1024 ,即最大支持1024分区

约束 :

count,length两个数组的长度必须是一致的。  
**1024 = sum((count\[i\]\*length\[i\])). count和length两个向量的点积恒等于1024**

用法例子：

@Test
 public void testPartition() {
 // 本例的分区策略：希望将数据水平分成3份，前两份各占25%，第三份占50%。（故本例非均匀分区）
 // |<---------------------1024------------------------>|
 // |<----256--->|<----256--->|<----------512---------->|
 // | partition0 | partition1 | partition2 |
 // | 共2份,故count[0]=2 | 共1份，故count[1]=1 |
 int[] count = new int[] { 2, 1 };
 int[] length = new int[] { 256, 512 };
 PartitionUtil pu = new PartitionUtil(count, length);
 
 // 下面代码演示分别以offerId字段或memberId字段根据上述分区策略拆分的分配结果
 int DEFAULT_STR_HEAD_LEN = 8; // cobar默认会配置为此值
 long offerId = 12345;
 String memberId = "qiushuo";
 
 // 若根据offerId分配，partNo1将等于0，即按照上述分区策略，offerId为12345时将会被分配到partition0中
 int partNo1 = pu.partition(offerId);
 
 // 若根据memberId分配，partNo2将等于2，即按照上述分区策略，memberId为qiushuo时将会被分到partition2中
 int partNo2 = pu.partition(memberId, 0, DEFAULT_STR_HEAD_LEN);
 
 Assert.assertEquals(0, partNo1);
 Assert.assertEquals(2, partNo2);
 }

**如果需要平均分配设置：平均分为4分片，partitionCount\*partitionLength=1024**

**<function name="func1" class="org.opencloudb.route.function.PartitionByLong">**

**    <property name="partitionCount">4</property>**

**    <property name="partitionLength">256</property>**

**  </function>**

**三、范围约定**

**<tableRule name="auto-sharding-long">**

**    <rule>**

**      <columns>user\_id</columns>**

**      <algorithm>rang-long</algorithm>**

**    </rule>**

**  </tableRule>**

**<function name="rang-long" class="io.mycat.route.function.AutoPartitionByLong">**

**    <property name="mapFile">autopartition-long.txt</property>**

**  </function>**

**\# range start-end ,data node index**

**\# K=1000,M=10000.**

**0-500M=0**

**500M-1000M=1**

**1000M-1500M=2**

**或**

**0-10000000=0**

**10000001-20000000=1**

** **

配置说明：

上面columns 标识将要分片的表字段，algorithm 分片函数，

rang-long 函数中mapFile代表配置文件路径

所有的节点配置都是从0开始，及0代表节点1，此配置非常简单，即预先制定可能的id范围到某个分片

**四、求模法**

**<tableRule name="mod-long">**

**    <rule>**

**      <columns>user\_id</columns>**

**      <algorithm>mod-long</algorithm>**

**    </rule>**

**  </tableRule>**

**  <function name="mod-long" class="io.mycat.route.function.PartitionByMod">**

**   **

**    <property name="count">3</property>**

**  </function>**

配置说明：

上面columns 标识将要分片的表字段，algorithm 分片函数，

此种配置非常明确即根据id与count（你的结点数）进行求模预算，相比方式1，此种在批量插入时需要切换数据源，id不连续

**五、日期列分区法**

**<tableRule name="sharding-by-date">**

**      <rule>**

**        <columns>create\_time</columns>**

**        <algorithm>sharding-by-date</algorithm>**

**      </rule>**

**   </tableRule> **

**<function name="sharding-by-date" class="io.mycat.route.function..PartitionByDate">**

**   <property name="dateFormat">yyyy-MM-dd</property>**

**    <property name="sBeginDate">2014-01-01</property>**

**    <property name="sPartionDay">10</property>**

**  </function>**

配置说明：

上面columns 标识将要分片的表字段，algorithm 分片函数，

配置中配置了开始日期，分区天数，即默认从开始日期算起，分隔10天一个分区

还有一切特性请看源码

** **

Assert.assertEquals(true, 0 == partition.calculate("2014-01-01"));  
Assert.assertEquals(true, 0 == partition.calculate("2014-01-10"));  
Assert.assertEquals(true, 1 == partition.calculate("2014-01-11"));  
Assert.assertEquals(true, 12 == partition.calculate("2014-05-01"));

**六、通配取模**

<rule>

<algorithm>sharding-by-pattern</algorithm>

</rule>

</tableRule>

<property name="mapFile">partition-pattern.txt</property>

</function>

partition-pattern.txt

\# id partition range start-end ,data node index

\#\#\#\#\#\# first host configuration

1-32=0

33-64=1

65-96=2

97-128=3

\#\#\#\#\#\#\#\# second host configuration

129-160=4

161-192=5

193-224=6

225-256=7

0-0=7

配置说明：

上面columns 标识将要分片的表字段，algorithm 分片函数，patternValue 即求模基数，defaoultNode 默认节点，如果不配置了默认，则默认是0即第一个结点

mapFile 配置文件路径

配置文件中，1-32 即代表id%256后分布的范围，如果在1-32则在分区1，其他类推，如果id非数字数据，则会分配在defaoultNode 默认节点

String idVal = "0";

Assert.assertEquals(true, 7 == autoPartition.calculate(idVal));  
idVal = "45a";  
Assert.assertEquals(true, 2 == autoPartition.calculate(idVal));

**七、ASCII码求模通配**

<rule>

<algorithm>sharding-by-prefixpattern</algorithm>

</rule>

</tableRule>

<property name="mapFile">partition-pattern.txt</property>

</function>

partition-pattern.txt

\# range start-end ,data node index

\# ASCII

\# 48-57=0-9

\# 64、65-90=@、A-Z

\# 97-122=a-z

\#\#\#\#\#\# first host configuration

1-4=0

5-8=1

9-12=2

13-16=3

\#\#\#\#\#\# second host configuration

17-20=4

21-24=5

25-28=6

29-32=7

0-0=7

配置说明：

上面columns 标识将要分片的表字段，algorithm 分片函数，patternValue 即求模基数，prefixLength ASCII 截取的位数

mapFile 配置文件路径

配置文件中，1-32 即代表id%256后分布的范围，如果在1-32则在分区1，其他类推

此种方式类似方式6只不过采取的是将列种获取前prefixLength位列所有ASCII码的和进行求模sum%patternValue ,获取的值，在通配范围内的

即 分片数，

/\*\*  
\* ASCII编码：  
\* 48-57=0-9阿拉伯数字  
\* 64、65-90=@、A-Z  
\* 97-122=a-z  
\*  
\*/

如

String idVal="gf89f9a";  
Assert.assertEquals(true, 0==autoPartition.calculate(idVal));  
  
idVal="8df99a";  
Assert.assertEquals(true, 4==autoPartition.calculate(idVal));  
  
idVal="8dhdf99a";  
Assert.assertEquals(true, 3==autoPartition.calculate(idVal));

**八、编程指定**

<rule>

<algorithm>sharding-by-substring</algorithm>

</rule>

</tableRule>

</function>

配置说明：

上面columns 标识将要分片的表字段，algorithm 分片函数

此方法为直接根据字符子串（必须是数字）计算分区号（由应用传递参数，显式指定分区号）。

例如id=05-100000002

在此配置中代表根据id中从startIndex=0，开始，截取siz=2位数字即05，05就是获取的分区，如果没传默认分配到defaultPartition

**九、字符串拆分hash解析**

**<tableRule name="sharding-by-stringhash">**

**      <rule>**

**        <columns>user\_id</columns>**

**        <algorithm>sharding-by-stringhash</algorithm>**

**      </rule>**

**   </tableRule>**

**<function name="sharding-by-substring" class="io.mycat.route.function.PartitionByString">**

**    <property name=length>512</property> **

**    <property name="count">2</property>**

**    <property name="hashSlice">0:2</property>**

**  </function>**

配置说明：

上面columns 标识将要分片的表字段，algorithm 分片函数

函数中length代表字符串hash求模基数，count分区数，hashSlice hash预算位

即根据子字符串 hash运算

hashSlice ： 0 means str.length(), -1 means str.length()-1

/\*\* 
     \* "2" -> (0,2) 
     \* "1:2" -> (1,2) 
     \* "1:" -> (1,0) 
     \* "-1:" -> (-1,0) 
     \* ":-1" -> (0,-1) 
     \* ":" -> (0,0) 
     \*/

public class PartitionByStringTest {
    
       @Test
       public void test() {
          PartitionByString rule = new PartitionByString();
          String idVal=null;
          rule.setPartitionLength("512");
          rule.setPartitionCount("2");
          rule.init();
          rule.setHashSlice("0:2");
    //    idVal = "0";
    //    Assert.assertEquals(true, 0 == rule.calculate(idVal));
    //    idVal = "45a";
    //    Assert.assertEquals(true, 1 == rule.calculate(idVal));
    
          
          
          //last 4
          rule = new PartitionByString();
          rule.setPartitionLength("512");
          rule.setPartitionCount("2");
          rule.init();
          //last 4 characters
          rule.setHashSlice("-4:0");
          idVal = "aaaabbb0000";
          Assert.assertEquals(true, 0 == rule.calculate(idVal));
          idVal = "aaaabbb2359";
          Assert.assertEquals(true, 0 == rule.calculate(idVal));
       }

**十、一致性hash**

<rule>

<algorithm>murmur</algorithm>

</rule>

</tableRule>

<!--

<property name="weightMapFile">weightMapFile</property>

节点的权重，没有指定权重的节点默认是1。以properties文件的格式填写，以从0开始到count-1的整数值也就是节点索引为key，以节点权重值为值。所有权重值必须是正整数，否则以1代替 -->

<!--

<property name="bucketMapPath">/etc/mycat/bucketMapPath</property>

用于测试时观察各物理节点与虚拟节点的分布情况，如果指定了这个属性，会把虚拟节点的murmur hash值与物理节点的映射按行输出到这个文件，没有默认值，如果不指定，就不会输出任何东西 -->

</function>