Sharding-JDBC 开源项目最佳实践教程
2025-05-16 13:27:20作者:魏献源Searcher
1. 项目介绍
Sharding-JDBC 是一款由京东数科开源的分布式数据库中间件,它可以在Java应用中透明化地实现数据库的分库分表。Sharding-JDBC 主要用于解决数据库的单点问题,通过将数据均匀分配到多个数据库节点上,提高数据库的负载能力和稳定性。它支持SQL解析、数据分片、读写分离等功能,使得应用可以在不需要改变原有SQL的情况下,实现数据分片的效果。
2. 项目快速启动
环境准备
- JDK 1.7及以上版本
- Maven 3.0及以上版本
添加依赖
在你的项目pom.xml文件中添加以下依赖:
<dependencies>
<!-- Sharding-JDBC -->
<dependency>
<groupId>io.shardingjdbc</groupId>
<artifactId>sharding-jdbc-core</artifactId>
<version>2.0.3</version>
</dependency>
<!-- 其他依赖 -->
</dependencies>
配置文件
在resources目录下创建sharding-jdbc.yaml配置文件,内容如下:
spring:
shardingsphere:
datasource:
names: ds0,ds1
ds0:
type: com.zaxxer.hikari.HikariDataSource
driver-class-name: com.mysql.jdbc.Driver
url: jdbc:mysql://localhost:3306/ds0
username: root
password: root
ds1:
type: com.zaxxer.hikari.HikariDataSource
driver-class-name: com.mysql.jdbc.Driver
url: jdbc:mysql://localhost:3306/ds1
username: root
password: root
sharding:
default-database-strategy:
inline:
sharding-column: user_id
algorithm-expression: ds${user_id % 2}
启动类配置
在你的Spring Boot启动类中添加@EnableSharding注解:
@SpringBootApplication
@EnableSharding
public class Application {
public static void main(String[] args) {
SpringApplication.run(Application.class, args);
}
}
3. 应用案例和最佳实践
数据分片策略
根据业务需求定义合适的分片策略,例如按照用户ID进行分片:
public class UserShardingAlgorithm implements PreciseShardingAlgorithm<Integer> {
@Override
public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Integer> shardingValue) {
int userId = shardingValue.getValue() % 2;
return "ds" + userId;
}
}
读写分离
通过配置读写分离规则,提升数据库的读写性能:
spring:
shardingsphere:
sharding:
master-slave-rules:
ds0:
master-data-source-name: ds0
slave-data-source-names: ds0_slave
分布式事务
使用Sharding-JDBC提供的分布式事务管理器,确保跨数据库操作的原子性:
@EnableShardingTransactionManager
@SpringBootApplication
public class TransactionApplication {
public static void main(String[] args) {
SpringApplication.run(TransactionApplication.class, args);
}
}
4. 典型生态项目
- ShardingSphere:Sharding-JDBC的升级版,提供了更加丰富的功能和更加完善的分布式数据库解决方案。
- Sharding-Proxy:Sharding-JDBC的代理版本,可以用于非Java应用场景。
- Sharding-Sidecar:ShardingSphere的容器化部署方案,适用于Kubernetes环境。
以上就是Sharding-JDBC开源项目的最佳实践教程,希望对你有所帮助。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781