ShardingSphere

分片

分片键

用于分片的数据库字段，是将数据库(表)水平拆分的关键字段。例：将订单表中的订单主键的尾数取模分片，则订单主键为分片字段。 SQL中如果无分片字段，将执行全路由，性能较差。除了对单分片字段的支持，ShardingSphere也支持根据多个字段进行分片。

分片算法

通过分片算法将数据分片，支持通过=、BETWEEN和IN分片。分片算法需要应用方开发者自行实现，可实现的灵活度非常高。

精确分片算法 PreciseShardingAlgorithm: 用于处理使用单一键作为分片键的 = 与 IN 进行分片的场景。
范围分片算法 RangeShardingAlgorithm: 用于处理使用单一键作为分片键的 BETWEEN AND 进行分片的场景。
复合分片算法 ComplexKeysShardingAlgorithm: 用于处理使用多键作为分片键进行分片的场景。
Hint 分片算法 HintShardingAlgorithm: 用于处理使用 Hint 行分片的场景。

分片策略

包含分片键和分片算法，由于分片算法的独立性，将其独立抽离。真正可用于分片操作的是分片键 + 分片算法，也就是分片策略。目前提供5种分片策略。

标准分片策略
复合分片策略
行表达式分片策略: 使用 Groovy 表达式
Hint 分片策略
不分片策略

行表达式语法说明

行表达式的使用非常直观，只需要在配置中使用${ expression }或$->{ expression }标识行表达式即可。目前支持数据节点和分片算法这两个部分的配置。行表达式的内容使用的是Groovy的语法，Groovy能够支持的所有操作，行表达式均能够支持。

${begin..end}表示范围区间

${[unit1, unit2, unit_x]}表示枚举值

(1) 行表达式 ${['online', 'offline']}_table${1..3} 解析为：

online_table1, online_table2, online_table3, offline_table1, offline_table2, offline_table3

(2) 数据节点配置

db0
  ├── t_order0 
  └── t_order1 
db1
  ├── t_order0 
  └── t_order1

行表达式简化为: db${0..1}.t_order${0..1} 或 db$->{0..1}.t_order$->{0..1}

分片算法

PreciseShardingValue 包含表名、列名、以及列的取值：

public final class PreciseShardingValue<T extends Comparable<?>> implements ShardingValue {
    
    private final String logicTableName;
    
    private final String columnName;
    
    private final T value;
}

RangeShardingValue 包含表名、列名、以及某个范围的值的列表：

public final class RangeShardingValue<T extends Comparable<?>> implements ShardingValue {
    
    private final String logicTableName;
    
    private final String columnName;
    
    private final Range<T> valueRange;
}

分片算法如下图所示：

InlineShardingAlgorithm 能够解析表达式。例如表达式 t_order_$->{order_id % 4}，其根据 order_id 字段对 4 取余后的值，将数据分发到 t_order_0、t_order_1、t_order_2、t_order_3 这几个相应的表中。
ModShardingAlgorithm 假设有 t_order_0、t_order_1、t_order_2、t_order_3 四张表，那么当 order_id 取值为 13 的时候，其会将这条数据根据算法 13 % 4 = 1 插入到 t_order_1 表中。而如果面对的是范围值，例如 11 - 12，那么将会返回的是 t_order_3 和 t_order_0 这两个表。
HashModShardingAlgorithm 将字段的哈希值的绝对值，对表的数量进行取余。

归并

本节参考：知乎

遍历归并底层采用链表合并即可
排序归并底层采用优先级队列对多个 next() 进行归并
GROUP BY XX ORDER BY XX：分组和排序一致，采用流式归并；不一致要将所有结果加载至内存进行分组和聚合
分页归并。分布式的场景中，将 LIMIT 10000000, 10 改写为 LIMIT 0, 10000010，才能保证其数据的正确性。Sharding-Sphere 会通过结果集的 next 方法将无需取出的数据全部跳过。但同时需要注意的是，由于排序的需要，大量的数据仍然 需要传输 (也就是需要耗费不必要的网络) 到 Sharding-Sphere 的内存空间。因此，采用 LIMIT 这种方式分页，并非最佳实践。由于 LIMIT 并不能通过索引查询数据，因此如果可以保证ID的连续性，通过ID进行分页是比较好的解决方案。

SELECT * FROM t_order WHERE id > 100000 AND id <= 100010 ORDER BY id;

或通过记录上次查询结果的最后一条记录的ID进行下一页的查询，例如：

SELECT * FROM t_order WHERE id > 10000000 LIMIT 10;

限制

不支持 HAVING、UNION、UNION ALL

事务

接口 ShardingSphereTransactionManager 定义了基础的事务行为，例如获取连接、开始事务、提交事务、回滚事务、是否处于事务中等方法。

事务类型有 LOCAL、XA、BASE 这三种，其中 XA 和 BASE 用于分布式事务，而 LOCAL 只用于本地事务。而其中 BASE 事务类型是基于 Seata 实现的。

参考

ShardingSphere 文档