数据库中间件分片算法之hash
前言 夜深人静的时候，打开云音乐，点上一曲攀登，带上真无线蓝牙耳机，瞬间燃到爆，键盘打字如飞倦意全无。 分片规则 这几天有人问我，dble和MyCat到底有什么不同。其实dble作为MyCAT的同门，吸收了MyCat的精华，同时也相应的做了一些减法。只支持MySQL显得更加的纯粹。所以选择对比学习两者我觉得挺好。 前面我们学习了schema.xml文件的配置，我们能独立的把逻辑库和逻辑表搭建起来，让数据表跟随我们的定义规则(取模)进行分布。今天我们介绍具体的分片算法。dble相对于mycat来说，是做了一些减法的。比如一致hash算法就没有,而是使用了jumpstringhash代替了一致性hash。具体原因可以参考文章dble 沿用 jumpstringhash,移除 Mycat 一致性 hash 原因 hash分区算法 stringhash分区算法 enum分区算法 numberrange分区算法 patternrange分区算法 date分区算法 jumpstringhash算法 HASH分区算法 Hash分区算法是一种比较典型而且常用的算法。要使用HASH分区算法需要在rule.xml中定义两个部分。 分区规则定义 如下所示，使用tableRule标签定义，name对应的是规则的名字，而rule标签中的columns则对应的分片字段，这个字段必须和表中的字段一致。algorithm则代表了执行分片函数的名字。 <tableRule name="auto-sharding-long"> <rule> <columns>id</columns> <algorithm>rang-long</algorithm> </rule> </tableRule> 分区算法定义 如下所示，使用function标签定义分区算法，name代表算法的名字，算法的名字要和上面的tableRule中的标签相对应。class：指定分区算法实现类。property指定了对应分区算法的参数。不同的算法参数不同。 <function name="rang-long" class="com.actiontech.dble.route.function.AutoPartitionByLong"> <property name="mapFile">auto-sharding-long.txt</property> ... </function> partitionCount:指定分区的区间数，具体为 C1 +C2 + ... + Cn partitionLength:指定各区间长度，具体区间划分为 [0, L1), [L1, 2L1), ..., [(C1-1)L1, C1L1), [C1L1, C1L1+L2), [C1L1+L2, C1L1+2L2), ... 其中，每一个区间对应一个数据节点。 测试Hash分区算法 1.在启动的时候，两个数组点乘做运算，得到取模数。 2.两个数组进行叉乘，得出物理分区表。 3.根据where条件的值来落入实际分片 select * from shareding_key = 999; 先根据分片键取出999，按照公式1的计算结果除取模，然后得到的值落到2计算出来的分片中。 4.举个简单的例子: <property name="partitionCount">2,3</property> <property name="partitionLength">100,50</property> 根据公式1 也就是传进来的值需要对350取模。 根据公式2,物理分区为 999对350取模，正好是299。落在250-300这个区间里面。也就是第4个区间。 接下来我们实际来测试一下，我们在rule.xml中设置如下： <tableRule name="rule_hash"> <rule> <columns>id</columns> <algorithm>func_hash_test</algorithm> </rule> </tableRule> <function name="func_hash_test" class="Hash"> <property name="partitionCount">2,3</property> <property name="partitionLength">100,50</property> </function> 我们通过公式2算出有5个分片。所以在schema.xml中设置table属性如下： <table name="hash_test" primaryKey="id" rule="rule_hash" dataNode="dn1,dn2,dn3,dn4,dn5"/> 5.创建表测试 我们先使用shell创建1000行数据，在创建表，通过load data语法将我们shell产生的文件进行导入。 for i in {1..1000} do echo $i'|name'$[i]'' >>a1.txt done 请原谅我作为一个GEEK，把桌面和终端完美结合成二次元是标配。 这里可以看到我们查询999这个数据，会自动到dn4这个分片上进行查询。再比如我们查500,500对350取模是150，150是落在第二个分区里面的。 6.另一个例子 <property name="partitionCount">2</property> <property name="partitionLength">1000</property> 此时C _L=2_1000=2000,将对2000进行取模。 同时将划分如下的分区： 注意事项 M不能大于2880。2880的原因是这样的:2, 3, 4, 5, 6, 8, 9, 10, 12, 15, 16, 18, 20, 24, 30, 32, 36, 40, 45, 48, 60, 64, 72, 80, 90, 96, 120, 144, 160, 180, 192, 240, 288, 320, 360, 480, 576, 720, 960, 1440是2880的约数,这样预分片扩容方便。 N必须要等于schema.xml中使用该分区算法的逻辑表的dataNode属性指定的DataNode数量之和，比如我们上面这个算法是5个分区，但是如果你在逻辑表的dataNode属性中设置分区个数小于5，dataNode="dn1,dn2,dn3,dn4"，则dble就会报错。partition size : 5 > table datanode size : 4 please make sure table datanode size = function partition size $C\_n$和$L\_n$的个数必须相等。 分区字段必须为整型字段，如果是其他类型，要求值可转化为数字。 当partitionLength为1时，hash分区算法退化为求模算法，M及N均为partitionCount的值。 NULL作为分片列的值的时候数据的结果恒落在0号节点(第一个节点上)，建议最好不要让这种情况出现，强制设置分片键为not null。 后记 今天学习了分片算法Hash。后续将继续分享其他的算法。谢谢支持！
