Mycat水平拆分之十种分片规则

作者: adm 分类: mysql 发布时间: 2021-06-09

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”>

<!– how many data nodes –>

<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> <!– zero-based –>

<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>

一致性hash预算有效解决了分布式数据的扩容问题，前1-9中id规则都多少存在数据扩容难题，而10规则解决了数据扩容难点

mycat

如果觉得我的文章对您有用，请随意赞赏。您的支持将鼓励我继续创作！