數據源管理 | 關係型分庫分表，列式庫分佈式計算

時間 2020-05-19

原文原文鏈接

1、數據拆分概念

一、場景描述

隨着業務發展，數據量的愈來愈大，業務系統愈來愈複雜，拆分的概念邏輯就應運而生。數據層面的拆分，主要解決部分表數據過大，致使處理時間過長，長期佔用連接，甚至出現大量磁盤IO問題，嚴重影響性能；業務層面拆分，主要解決複雜的業務邏輯，業務間耦合度太高，容易引發雪崩效應，業務庫拆分，微服務化分佈式，也是當前架構的主流方向。git

二、基本概念

分區模式github

針對數據表作分區模式，全部數據，邏輯上還存在一張表中，可是物理堆放不在一塊兒，會根據必定的規則堆放在不一樣的文件中。查詢數據的時候必須按照指定規則觸發分區，纔不會全表掃描。不可控因素過多，風險過大，通常開發規則中都是禁止使用表分區。算法

分表模式spring

單表數據量過大，通常狀況下單表數據控制在300萬，這裏的常規狀況是指字段個數，類型都不是極端類型，查詢也不存在大量鎖表的操做。超過該量級，這時候就須要分表操做，基於特定策略，把數據路由到不一樣表中，表結構相同，表名遵循路由規則。sql

分庫模式數據庫

在系統不斷升級，複雜化場景下，業務很差管理，個別數據量大業務影響總體性能，這時候能夠考慮業務分庫，大數據量場景分庫分表，減小業務間耦合度，高併發大數據的資源佔用狀況，實現數據庫層面的解耦。在架構層面也能夠服務化管理，保證服務的高可用和高性能。多線程

經常使用算法架構

哈希值取餘：根據路由key的哈希值餘數，把數據分佈到不一樣庫，不一樣表;
哈希值分段：根據路由key的哈希值分段區間，實現數據動態分佈;

這兩種方式在常規下都沒有問題，可是一旦分庫分表狀況下數據庫再次飽和，須要遷移，這時候影響是較大的。併發

2、關係型分庫

一、分庫基本邏輯

基於一個代理層(這裏使用Sharding-Jdbc中間件)，指定分庫策略，根據路由結果，找到不一樣的數據庫，執行數據相關操做。

二、數據源管理

把須要分庫的數據源統一管理起來。

@Configuration
public class DataSourceConfig {

    // 省略數據源相關配置

    /**
     * 分庫配置
     */
    @Bean
    public DataSource dataSource (@Autowired DruidDataSource dataZeroSource,
                                  @Autowired DruidDataSource dataOneSource,
                                  @Autowired DruidDataSource dataTwoSource) throws Exception {
        ShardingRuleConfiguration shardJdbcConfig = new ShardingRuleConfiguration();
        shardJdbcConfig.getTableRuleConfigs().add(getUserTableRule());
        shardJdbcConfig.setDefaultDataSourceName("ds_0");
        Map<String,DataSource> dataMap = new LinkedHashMap<>() ;
        dataMap.put("ds_0",dataZeroSource) ;
        dataMap.put("ds_1",dataOneSource) ;
        dataMap.put("ds_2",dataTwoSource) ;
        Properties prop = new Properties();
        return ShardingDataSourceFactory.createDataSource(dataMap, shardJdbcConfig, new HashMap<>(), prop);
    }

    /**
     * 分表配置
     */
    private static TableRuleConfiguration getUserTableRule () {
        TableRuleConfiguration result = new TableRuleConfiguration();
        result.setLogicTable("user_info");
        result.setActualDataNodes("ds_${1..2}.user_info_${0..2}");
        result.setDatabaseShardingStrategyConfig(new StandardShardingStrategyConfiguration("user_phone", new DataSourceAlg()));
        result.setTableShardingStrategyConfig(new StandardShardingStrategyConfiguration("user_phone", new TableSignAlg()));
        return result;
    }
}

三、指定路由策略

路由到庫

根據分庫策略的值，基於hash算法，判斷路由到哪一個庫。has算法不一樣，不但影響庫的操做，還會影響數據入表的規則，好比偶數和奇數，致使入表的奇偶性。

public class DataSourceAlg implements PreciseShardingAlgorithm<String> {

    private static Logger LOG = LoggerFactory.getLogger(DataSourceAlg.class);

    @Override
    public String doSharding(Collection<String> names, PreciseShardingValue<String> value) {
        int hash = HashUtil.rsHash(String.valueOf(value.getValue()));
        String dataName = "ds_" + ((hash % 2) + 1) ;
        LOG.debug("分庫算法信息：{},{},{}",names,value,dataName);
        return dataName ;
    }
}

路由到表

根據分表策略的配置，基於hash算法，判斷路由到哪張表。

public class TableSignAlg implements PreciseShardingAlgorithm<String> {

    private static Logger LOG = LoggerFactory.getLogger(TableSignAlg.class);

    @Override
    public String doSharding(Collection<String> names, PreciseShardingValue<String> value) {
        int hash = HashUtil.rsHash(String.valueOf(value.getValue()));
        String tableName = "user_info_" + (hash % 3) ;
        LOG.debug("分表算法信息：{},{},{}",names,value,tableName);
        return tableName ;
    }

}

上述就是基於ShardingJdbc分庫分表的核心操做流程。

3、列式庫統計

一、列數數據

在相對龐大的數據分析時，一般會選擇生成一張大寬表，而且存放到列式數據庫中，爲了保證高效率執行，可能會把數據分到不一樣的庫和表中，結構同樣，基於多線程去統計不一樣的表，而後合併統計結果。

基本原理：多線程併發去執行不一樣的表的統計，而後彙總統計，相對而言統計操做不難，可是須要適配不一樣類型的統計，好比百分比，總數，分組等，編碼邏輯相對要求較高。

二、列式數據源

基於ClickHouse數據源，演示案例操做的基本邏輯。這裏管理和配置庫表。

核心配置文件

spring:
  datasource:
    type: com.alibaba.druid.pool.DruidDataSource
    # ClickHouse數據01
    ch-data01:
      driverClassName: ru.yandex.clickhouse.ClickHouseDriver
      url: jdbc:clickhouse://127.0.0.1:8123/query_data01
      tables: ch_table_01,ch_table_02
    # ClickHouse數據02
    ch-data02:
      driverClassName: ru.yandex.clickhouse.ClickHouseDriver
      url: jdbc:clickhouse://127.0.0.1:8123/query_data02
      tables: ch_table_01,ch_table_02

核心配置類

@Component
public class ChSourceConfig {

    public volatile Map<String, String[]> chSourceMap = new HashMap<>();
    public volatile Map<String, Connection> connectionMap = new HashMap<>();

    @Value("${spring.datasource.ch-data01.url}")
    private String dbUrl01;
    @Value("${spring.datasource.ch-data01.tables}")
    private String tables01 ;

    @Value("${spring.datasource.ch-data02.url}")
    private String dbUrl02;
    @Value("${spring.datasource.ch-data02.tables}")
    private String tables02 ;
    @PostConstruct
    public void init (){
        try{
            Connection connection01 = getConnection(dbUrl01);
            if (connection01 != null){
                chSourceMap.put(connection01.getCatalog(),tables01.split(","));
                connectionMap.put(connection01.getCatalog(),connection01);
            }
            Connection connection02 = getConnection(dbUrl02);
            if (connection02 != null){
                chSourceMap.put(connection02.getCatalog(),tables02.split(","));
                connectionMap.put(connection02.getCatalog(),connection02);
            }
        } catch (Exception e){e.printStackTrace();}
    }
    private synchronized Connection getConnection (String jdbcUrl) {
        try {
            DriverManager.setLoginTimeout(10);
            return DriverManager.getConnection(jdbcUrl);
        } catch (Exception e) {
            e.printStackTrace();
        }
        return null ;
    }
}

三、基本任務類

既然基於多線程統計，天然須要一個線程任務類，這裏演示count統計模式。輸出單個線程統計結果。

public class CountTask implements Callable<Integer> {
    private Connection connection ;
    private String[] tableArray ;

    public CountTask(Connection connection, String[] tableArray) {
        this.connection = connection;
        this.tableArray = tableArray;
    }

    @Override
    public Integer call() throws Exception {
        Integer taskRes = 0 ;
        if (connection != null){
            Statement stmt = connection.createStatement();
            if (tableArray.length>0){
                for (String table:tableArray){
                    String sql = "SELECT COUNT(*) AS countRes FROM "+table ;
                    ResultSet resultSet = stmt.executeQuery(sql) ;
                    if (resultSet.next()){
                        Integer countRes = resultSet.getInt("countRes") ;
                        taskRes = taskRes + countRes ;
                    }
                }
            }
        }
        return taskRes ;
    }

}

四、線程結果彙總

這裏主要啓動線程的執行，和最後把每一個線程的處理結果進行彙總。

@RestController
public class ChSourceController {

    @Resource
    private ChSourceConfig chSourceConfig ;

    @GetMapping("/countTable")
    public String countTable (){
        Set<String> keys = chSourceConfig.chSourceMap.keySet() ;
        if (keys.size() > 0){
            ExecutorService executor = Executors.newFixedThreadPool(keys.size());
            List<CountTask> countTasks = new ArrayList<>() ;
            for (String key:keys){
                Connection connection = chSourceConfig.connectionMap.get(key) ;
                String[] tables = chSourceConfig.chSourceMap.get(key) ;
                CountTask countTask = new CountTask(connection,tables) ;
                countTasks.add(countTask) ;
            }
            List<Future<Integer>> countList = Lists.newArrayList();
            try {
                if (countTasks.size() > 0){
                    countList = executor.invokeAll(countTasks) ;
                }
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
            Integer sumCount = 0 ;
            for (Future<Integer> count : countList){
                try {
                    Integer countRes = count.get();
                    sumCount = sumCount + countRes ;
                } catch (Exception e) {e.printStackTrace();}
            }
            return "sumCount="+sumCount ;
        }
        return "No Result" ;
    }
}

五、最後總結

關係型分庫，仍是列式統計，都是基於特定策略把數據分開，而後路由找到數據，執行操做，或者合併數據，或者直接返回數據。

4、源代碼地址

GitHub·地址
https://github.com/cicadasmile/data-manage-parent
GitEE·地址
https://gitee.com/cicadasmile/data-manage-parent

推薦閱讀：數據管理

序號	標題
01	數據源管理：主從庫動態路由，AOP模式讀寫分離
02	數據源管理：基於JDBC模式，適配和管理動態數據源
03	數據源管理：動態權限校驗，表結構和數據遷移流程