开发易掌握的知识：ShardingSphere+分库分表+读写分离

ShardingSphere 是 Apache 开源的 分布式数据库中间件，支持 分库分表、读写分离，能有效提升 数据库高并发处理能力。本文通过一个 高并发订单系统 的案例，讲解 ShardingSphere 如何实现分库分表 + 读写分离。

1.分库分表

✅ 方案概述

分库分表（Database & Table Sharding）是指：

1. 分库（Sharding Database）：订单表按 user_id 进行分库，比如 user_id % 2，将数据分别存入 db_0 和 db_1。
2. 分表（Sharding Table）：订单表在每个库中继续分表，比如 order_id % 4，将数据存入 order_0 ~ order_3。
3. 查询时，ShardingSphere 自动路由 SQL 到正确的数据库和表，无需应用层处理。

✅ 数据库结构

假设 2 个数据库（db_0、db_1），每个数据库中有 4 张订单表（order_0 ~ order_3）：

makefile

代码解读

复制代码

db_0: ├── order_0 ├── order_1 ├── order_2 ├── order_3 db_1: ├── order_0 ├── order_1 ├── order_2 ├── order_3

💡 分片规则：

• 分库：user_id % 2 = 0 → db_0, user_id % 2 = 1 → db_1
• 分表：order_id % 4 = 0 ~ 3（4 张表）

---

2.读写分离

读写分离 是指：

1. 所有写操作（INSERT, UPDATE, DELETE）走主库（Master）。
2. 所有读操作（SELECT）走从库（Slave）。
3. ShardingSphere 自动路由 SQL 到正确的主从库。

✅ 数据库结构

假设每个数据库 采用主从架构：

scss

代码解读

复制代码

db_0 (主库) → db_0_slave1, db_0_slave2 db_1 (主库) → db_1_slave1, db_1_slave2

💡 读写分离策略：

• 写入（INSERT, UPDATE） → db_0 / db_1（主库）
• 查询（SELECT） → db_0_slave1, db_0_slave2 / db_1_slave1, db_1_slave2

---

3. 高并发案例：电商订单系统

📌 场景：秒杀订单

• 业务需求：

  1. 用户下单时，订单数据写入数据库（分库分表 + 写入主库）。
  2. 订单查询时，走从库（读写分离）。
  3. 高并发支持百万 QPS，防止数据库压力过大。

---

✅ 代码示例（Spring Boot + ShardingSphere）

1️⃣ 配置 sharding.yml（分库分表 + 读写分离）

yaml

代码解读

复制代码

sharding: datasource: names: db_0, db_1 # 配置主从数据源（读写分离） master-slave-rules: db_0: master-data-source-name: db_0 slave-data-source-names: db_0_slave1, db_0_slave2 db_1: master-data-source-name: db_1 slave-data-source-names: db_1_slave1, db_1_slave2 # 分库策略（user_id % 2） sharding-rules: order: actual-data-nodes: db_${0..1}.order_${0..3} table-strategy: inline: sharding-column: order_id algorithm-expression: order_${order_id % 4} database-strategy: inline: sharding-column: user_id algorithm-expression: db_${user_id % 2}

---

2️⃣ 下单（写操作，分库分表 & 主库写入）

java

代码解读

复制代码

@Service public class OrderService { @Autowired private OrderRepository orderRepository; @Transactional public void createOrder(Long userId, Long productId) { Order order = new Order(); order.setUserId(userId); order.setProductId(productId); order.setOrderId(System.currentTimeMillis()); // 唯一 ID orderRepository.save(order); } }

💡 ShardingSphere 自动路由 SQL：

• user_id=1001，落到 db_1
• order_id=12345，落到 order_1

sql

代码解读

复制代码

INSERT INTO db_1.order_1 (order_id, user_id, product_id) VALUES (12345, 1001, 567);

---

3️⃣ 查询订单（读操作，自动路由到从库）

java

代码解读

复制代码

public Order getOrder(Long userId, Long orderId) { return orderRepository.findByUserIdAndOrderId(userId, orderId); }

💡 ShardingSphere 自动路由 SQL：

• 查询 user_id=1001, order_id=12345，查询 db_1_slave1, db_1_slave2

sql

代码解读

复制代码

SELECT * FROM db_1.order_1 WHERE user_id = 1001 AND order_id = 12345;

💡 ShardingSphere 自动使用从库，避免影响主库性能。

---

4. 性能优化（支持百万 QPS）

优化点	优化方式
缓存	Redis 预加载热点数据（订单查询先查 Redis）。
索引优化	order_id, user_id 建立联合索引，加速查询。
异步处理	订单入库采用 Kafka + 异步处理，避免阻塞高并发请求。
批量插入	INSERT INTO order_xxx (...) VALUES (...), (...)，减少数据库连接开销。
数据库连接池	配置 HikariCP 连接池，提高数据库并发处理能力。

5.事务问题

场景	事务是否支持	解决方案
同一 MySQL 实例（多个库）	✅ 支持事务	普通事务 (START TRANSACTION)
分布式数据库（多个 MySQL 实例）	❌ 不支持事务	Seata / ShardingSphere / 事务消息
高并发分布式架构	❌ 不支持事务	基于 MQ 的最终一致性

1. 同一 MySQL 实例内，多库事务 👉 普通事务 or XA 事务（适用于小规模应用）。
2. 分库分表，多个 MySQL 实例 👉 ShardingSphere + 读写分离（适用于电商等大规模业务）。
3. 分布式事务（跨多个 MySQL 实例） 👉 Seata（TCC / AT 模式） 。
4. 高并发、高可用业务 👉 RocketMQ / Kafka 事务消息（最终一致性）。