前言
一般熟悉Mysql数据库的朋友都知道,当表中的数据量达到千万级别时,sql查询会逐渐变慢,经常成为系统的瓶颈。为了提高程序性能,除了在表字段中使用索引(如主键索引、唯一索引、常规索引等)、优化程序代码和SQL语句等常用方法外,还建议您使用数据库主从读写分离(主/从)方案。但是,这种分离体系结构通常存在数据读写一致性问题。
数据读写一致性问题
主从库同步逻辑
主库主负责“写入”,数据库的BinLog日志记录通过I/O线程将异步操作同步到从属库(“读取”),因此每当业务系统发送select语句时,都会直接路由到库而不是主库查询数据。
但是,这种同步逻辑存在数据延迟问题的严重缺陷。
我们可以想象这样的场景。
如果程序需要在更新数据后立即查询更新的数据,真的可以查询更新的数据吗?
答案是:不一定!
这是因为在主从数据同步时是异步操作,在主从同步期间可能会出现数据延迟问题,通常,如果主库的写入数据量很小,则无法查询数据。但是,随着时间的推移,使用系统的用户越来越多,数据无法查询的情况会越来越糟。
Sharding-JDBC
Sharding-JDBC定位为轻量级Java框架,这是Java的JDBC层提供的附加服务。
使用客户端直接连接数据库,以jar软件包提供服务,无需额外的部署和依赖。它被识别为增强版JDBC驱动程序,与JDBC和各种ORM框架完全兼容。
适用于所有基于JDBC的ORM框架,如Jpa、hibernate、mybatis、spring JDBC template或直接使用JDBC。支持所有第三方数据库连接池,如Dbcp、c3p0、bonecp、druid、hikaricp等。实现JDBC规范的所有数据库支持;当前符合MySQL、Oracle、SQL server、PostgreSQL和SQL92标准的所有数据库支持读写分离特性
提供主从读写分离配置,可以独立使用,也可以与子库子表一起使用。在同一个调用线程上执行多个语句。如果在此处发现未读取的作业,则所有后续读取作业都将从主库读取。Spring命名空间。基于Hint的强制主库路由ShardingSphere-JDBC公式提供了HintManager切片密钥管理器,可通过调用()强制路由到主库查询。这有助于解决数据延迟问题,使您可以随时从基础库主服务器查询最新数据,而无需在库中查询。
hint manager hint manager=Hin();
();
实际案例
核心依赖性
Dependency
GroupIdio.shardingjdbc/groupId
artifact dsharding-JDBC-core/artifact id
版本$ {}/版本
/dependency数据库配置
Sharding:
Jdbc:
Data-sources:
Mvip:
Type:com.alibaba.druid .
驱动程序-类-名称: com.my
URL : JDBC : MySQL ://$ { } : $ { }/Unicom _ portal?allowmultiqueries=trueuseunicode=truecharacterencoding=utf-8 use SSL=false
Username: ${}
Password: ${}
svip: type: com.alibaba.druid. driver-class-name: com.my url: jdbc:mysql://${}:${}/unicom_portal?allowMultiQueries=true&useUnicode=true&characterEncoding=UTF-8&useSSL=false username: ${} password: ${} master-slave-rule: name: ds_ms master-data-source-name: mvip slave-data-source-names: svip load-balance-algorithm-type: round_robin源初始化配置类
@Data
@ConfigurationProperties(prefix = ";)
public class MasterSlaveConfig {
private Map<String, DruidDataSource> dataSources = new HashMap<>();
private MasterSlaveRuleConfiguration masterSlaveRule;
}
@ConditionalOnCla)
@EnableConfigurationPropertie)
@ConditionalOnProperty({
";,
";
})
static class ShardingDruid extends DruidConfig {
@Autowired
private MasterSlaveConfig masterSlaveConfig;
@Bean("masterSlaveDataSource")
public DataSource dataSource() throws SQLException {
ma().forEach((k, v) -> configDruidParams(v));
Map<String, DataSource> dataSourceMap = Ma();
da(ma());
DataSource dataSource = Ma(dataSourceMap, ma(), Ma());
return dataSource;
}
@Bean
public PlatformTransactionManager txManager(DataSource dataSource) {
return new DataSourceTransactionManager(dataSource);
}
private void configDruidParams(DruidDataSource druidDataSource) {
druidDa(20);
druidDa(1);
// 配置获取连接等待超时的时间
druidDa(10000);
druidDa(1);
// 配置间隔多久才进行一次检测,检测需要关闭的空闲连接,单位是毫秒
druidDa(60000);
// 配置一个连接在池中最小生存的时间,单位是毫秒 超过这个时间每次会回收默认3个连接
druidDa(30000);
// 线上配置的mysql断开闲置连接时间为1小时,数据源配置回收时间为3分钟,以最后一次活跃时间开始算
druidDa(180000);
// 连接最大存活时间,默认是-1(不限制物理连接时间),从创建连接开始计算,如果超过该时间,则会被清理
druidDa(15000);
druidDa("select 1");
druidDa(true);
druidDa(false);
druidDa(false);
druidDa(true);
druidDa(20);
druidDa(true);
druidDa(true);
druidDa(true);
druidDaTimeout(180);
try {
druidDa("stat,slf4j");
List filterList = new ArrayList<>();
(wallFilter());
druidDa(filterList);
} catch (SQLException e) {
e.printStackTrace();
}
}
}
强制路由到主库查询关键代码:
public ArticleEntity getWithMasterDB(Long id, String wid) {
HintManager hintManager = Hin() ;
();
ArticleEntity article = ba(id, wid);
}
通过强制路由到主库查询有个风险,对于更新并实时查询业务场景比较多,如果都切到主库查询,势必会对主库服务器性能造成影响,可能还会影响到主从数据同步,所以要根据实际业务场景评估采用这种方式带来的系统性能问题。
另外,如果业务层面可以做妥协的话,尽量减少这种更新并实时查询方式,一种思路是实时更新库,利用 Java Future 特性异步查询(例如更新后,睡眠1-2秒再查询),伪代码如下:
Callable c1 = new Callable(){
@Override
public String call() throws Exception {
ArticleEntity articleEntity = null
try {
T(2000);
articleEntity = ar(id)
} catch (InterruptedException e) {
e.printStackTrace();
}
return articleEntity;
}
};
FutureTask<ArticleEntity> f = new FutureTask<ArticleEntity>(c1);
new Thread(f).start();
ArticleEntity article = f.get()
后台私信回复 1024 免费领取微服务、SpringCloud&SpringBoot,微信小程序、Java面试等视频资料。