ActionTech DBLE 项目中 MySQL-offset-step 全局序列配置详解
2025-06-20 20:02:38作者:秋泉律Samson
什么是 MySQL-offset-step 全局序列
在分布式数据库环境中,全局序列是一种确保跨多个数据库实例生成唯一标识符的机制。ActionTech DBLE 提供了多种全局序列实现方式,其中 MySQL-offset-step 是一种基于 MySQL 数据库实现的序列生成方案。
配置前准备
在开始配置前,需要确保已经完成以下准备工作:
- DBLE 服务已正确安装并运行
- 后端 MySQL 实例已就绪并可连接
- 熟悉 DBLE 的基本配置文件结构
详细配置步骤
1. 配置 cluster.conf 文件
首先需要在 cluster.conf 中指定序列处理器类型:
sequenceHandlerType=1
这里的 1 表示使用 MySQL-offset-step 方式的全局序列。
2. 配置 user.xml 文件
设置用户权限,确保有足够的权限访问相关数据库:
<?xml version="1.0" encoding="UTF-8"?>
<dble:user xmlns:dble="http://dble.cloud/" >
<managerUser name="test" password="test"/>
<shardingUser name="abc" password="abc" schemas="myschema" maxCon="1000000">
</shardingUser>
</dble:user>
3. 配置 db.xml 文件
定义后端数据库连接信息:
<?xml version="1.0"?>
<dble:db xmlns:dble="http://dble.cloud/" >
<dbGroup name="host_1" rwSplitMode="0" delayThreshold="10000">
<heartbeat>select USER()</heartbeat>
<dbInstance name="hostM1" url="172.100.10.101:3306" user="test1" password="test1" maxCon="1000" minCon="1000" primary="true" />
</dbGroup>
<dbGroup name="host_2" rwSplitMode="0" delayThreshold="10000">
<heartbeat>select USER()</heartbeat>
<dbInstance name="hostM2" url="172.100.10.102:3306" user="test1" password="test1" maxCon="1000" minCon="1000" primary="true" />
</dbGroup>
</dble:db>
4. 配置 sharding.xml 文件
定义分片规则和全局序列配置:
<?xml version="1.0"?>
<dble:sharding xmlns:dble="http://dble.cloud/" >
<schema name="myschema" shardingNode="dn1">
<shardingTable name="sbtest1" shardingNode="dn1,dn2" function="mod" shardingColumn="id" incrementColumn="id" />
</schema>
<shardingNode name="dn1" dbGroup="host_1" database="dble"/>
<shardingNode name="dn2" dbGroup="host_2" database="dble"/>
<function name="mod" class="Hash">
<property name="partitionCount">2</property>
<property name="partitionLength">1</property>
</function>
</dble:sharding>
5. 配置 sequence_db_conf.properties 文件
指定序列存储位置:
`myschema`.`sbtest1`=dn1
6. 初始化序列表
在指定的分片节点上执行初始化操作:
- 首先执行 dbseq.sql 脚本创建序列表结构
- 然后插入初始序列配置:
INSERT INTO DBLE_SEQUENCE VALUES ('`myschema`.`sbtest1`', 16, 1);
DBLE_SEQUENCE 表结构说明:
name:逻辑数据库和表名,必须与 sequence_db_conf.properties 中的配置一致current_value:序列当前值increment:每次预取的序列数量,但实际递增步长固定为1
验证配置
创建测试表并插入数据验证序列生成:
mysql> create table sbtest1(id int, k int unsigned not null default '0', primary key(id));
mysql> insert into sbtest1(k) values(2);
mysql> select * from sbtest1;
预期结果:
- 初始 current_value 设置为16
- 插入数据后ID自动生成为17
工作原理深入解析
MySQL-offset-step 全局序列的工作原理是:
- DBLE 从后端 MySQL 的 DBLE_SEQUENCE 表中获取当前序列值
- 每次插入操作时,序列值自动递增1
- 当预取的序列值用完后,DBLE 会再次从后端 MySQL 获取新的序列段
这种机制确保了:
- 全局唯一性:所有分片上的ID都不会重复
- 高性能:减少了与后端MySQL的交互次数
- 可靠性:即使DBLE重启,序列也不会重复
最佳实践建议
- 初始值设置:根据业务需求合理设置初始值,避免与现有数据冲突
- 预取值大小:increment参数应根据业务量设置合理值,过高会导致序列浪费,过低会增加MySQL访问频率
- 监控:定期检查序列使用情况,确保不会耗尽
- 备份:定期备份DBLE_SEQUENCE表,防止数据丢失
常见问题排查
-
序列不递增:
- 检查 sequenceHandlerType 是否正确设置为1
- 确认 sequence_db_conf.properties 配置正确
- 验证 DBLE_SEQUENCE 表数据是否正确
-
序列重复:
- 检查是否有多个DBLE实例共享同一个后端MySQL
- 确认没有手动修改过DBLE_SEQUENCE表
-
性能问题:
- 适当增大increment值减少MySQL访问
- 确保后端MySQL性能良好
通过以上详细的配置说明和原理分析,您应该能够成功在ActionTech DBLE项目中配置并使用MySQL-offset-step方式的全局序列。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1