ShardingSphere-JDBC 5.1.1 分库分表

news2024/12/31 7:38:21

分库分表解决的问题

mysql的扩展

  • mysql并不能完全利用高性能服务器的硬件，当cpu超过24个，内存超过128G时，mysql性能处于平缓，不在上升，所以在一个性能强大的服务器上运行多个实例，才更合理

  • mysql常见的扩展方式有：垂直扩展，水平扩展和向内扩展

  • 垂直扩展，也就是使用更好的机器

    • 单台服务器比多台服务器更容易维护和开发，扩展也更加简单
    • 但是入如果应用变得非常庞大，垂直扩展就会变得很困难
      • 首先是成本问题，高配置的机器比较昂贵，而且硬件是有上限的，不可能无限扩展
      • 另外如果使用了复制，主库升级配置后，一般不会配置一台和主库一样强大的从库，因为从库无法优先利用多核cpu和磁盘资源

  • 水平扩展，也就是将任务分配到多台计算机，也就是分库分表

    • 大概可以分为：复制、拆分和数据分片，最简单的方式就是通过复制把数据分发到多个服务器，读写分离，从库只做读操作；或者按照功能和职责对应用进行拆分，不同的节点执行不同的任务
    • 数据分片是将数据分割成多块，然后存储到不同的节点，如果是想扩展写容量，就必须进行分片，只有一台主库，无论有多少从库，写容量都是无法扩展的
    • 当然如果不是必要，尽量不要分片，先看能否通过调优和其他数据库来推迟分片
    • 分片应用会有一个数据库访问的抽象层，用以降低应用和分片数据之间通信的复杂度
    • 分片的最大问题，就是查找和获取数据，而且维护数据的一致性会很难，并且分片无法使用外键，对于重要且查询频繁的数据要减少分片，
    • 选择分区键的时候，尽可能选择那些能够避免跨分片查询的，保持分片足够小更容易管理，对数据的备份和恢复也更加容易，但是太小的分片也会导致产生很多的表，从而导致跨分片的查询增加
    • 跨分片的查询，需要对多个发片都执行一遍sql，最后在汇总，这类查询开销很大，最好能进行缓存
    • 如果可能，尽量让每个分片大小相同，这样可以在对分片进行分组的时候很容易平衡

  • 向内扩展，也就是定期对数据进行清理和归档，对冷热数据进行分离

    • 可以作为争取时间的短期策略，也可以作为处理大数据量的长期计划
    • 归档时需要在不影响事务处理的情况下进行，关键是要高效的找到要删除的行

分库分表

  • 也就是分片，有垂直和水平两种。
    • 垂直拆分比较简单，也就是本来一个数据库，因为表多所以数据多，这时候适合使用垂直切分，也就是把关系紧密（比如同一模块）的表切分出来放在一个库上
    • 如果表并不多，但每张表的数据非常多，这时候适合水平切分，把单表拆分为多个表
  • 垂直拆分为：垂直分库和垂直分表
    • 垂直分库：对象是整个表
      • 按业务对表进行分类，比如每个微服务单独使用一个数据库，如果有跨服务的关联查询，就必须通过数据冗余或程序二次加工来解决
    • 垂直分表：对象是列/字段
      • 基于数据库中的"列"进行，某个表字段较多，可以新建一张扩展表，将不经常用或字段长度较大的字段拆分出去到扩展表中，通过"大表拆小表"，更便于开发与维护，而且一条记录如果占用空间过大会导致跨页问题，带来额外的开销
    • 优点：
      • 解决业务系统层面的耦合，业务清晰
      • 与微服务的治理类似，也能对不同业务的数据进行分级管理、维护、监控、扩展等
      • 高并发场景下，垂直切分一定程度的提升IO、数据库连接数、单机硬件资源的瓶颈
    • 缺点：
      • 部分表无法join，只能通过接口聚合方式解决，提升了开发的复杂度
      • 分布式事务处理复杂
      • 依然存在单表数据量过大的问题（需要水平切分）
  • 水平切分：水平分表和水平分库
    • 当一个应用难以再细粒度的垂直切分，或切分后数据量行数巨大，存在单库读写、存储性能瓶颈，就需要水平切分了
    • 水平切分分为库内分表和分库分表，根据表内某个字段的某种规则来将数据分散存储于不同的数据库或不同的表，水平切分后同一张表会出现在多个数据库/表中，每个库/表的内容不同
    • 水平切分的优点：
      • 不存在单库数据量过大、高并发的性能瓶颈，提升系统稳定性和负载能力
      • 应用端改造较小，不需要拆分业务模块
    • 缺点：
      • 跨分片的事务一致性难以保证
      • 跨库的join关联查询性能较差
      • 数据多次扩展难度和维护量极大
  • 分库分表能有效的缓解单机和单库带来的性能瓶颈和压力，但同时也带来了一些问题，所以随着数据库数据量增加，不要马上考虑做水平切分，首先考虑缓存处理，读写分离，使用索引等等方式，如果这些方式不能根本解决问题了，再考虑做水平分库和水平分表

Sharding JDBC 和 mycat 对比：

  • mycat

    • mycat是一个开源的中间件代理层，对研发无感知，支持事务、ACID
    • 可以视为MySQL集群的企业级数据库，用来替代昂贵的Oracle集群
    • 优点：开发无感知，增删节点程序不需要重启，可以跨语言（java 、php）
    • 缺点：性能下降，不支持跨数据库
    • MyCat经典实用场景
      • 单纯的读写分离，主从切换
      • 分表分库，对于超过1000 万的表进行分片，最大支持1000 亿的单表分片
      • 多租户应用，每个应用一个库，但应用程序只连接Mycat，从而不改造程序本身，实现多租户化
      • 替代Hbase，分析大数据作为海量数据实时查询的一种简单有效方案
      • mycat的使用对研发是无感知的，但是运维成本较大，涉及到一些概念

  • ShardingJdbc

    • ShardingSphere-JDBC 定位为轻量级 Java 框架，在 Java 的 JDBC 层提供的额外服务。 它使用客户端直连数据库，以jar包形式提供服务，无需额外部署和依赖，可理解为增强版的JDBC驱动，完全兼容JDBC和各种ORM框架。

    • 适用于任何基于JDBC的ORM框架，如：JPA, Hibernate, Mybatis, Spring JDBC Template或直接使用JDBC。

    • 支持任何第三方的数据库连接池，如：DBCP, C3P0, BoneCP, Druid, HikariCP等。

    • 支持任意实现JDBC规范的数据库。目前支持MySQL，Oracle，SQLServer，PostgreSQL以及任何遵循SQL92标准的数据库

    • 优点：性能很好，支持跨数据库jdbc

    • 缺点：增加了开发难度，不支持跨语言（java）

ShardingSphere-JDBC

分库分表操作本身比较困难，操作很繁琐，有时间还是推荐多看看官网，本文基于5.1.1版本

 http://shardingsphere.apache.org/index_zh.html

配置ShardingSphere-JDBC 配置，不要引入com.alibaba.druid.pool.DruidDataSource连接池，会有冲突，使用默认的com.zaxxer.hikari.HikariDataSource即可

读写分离

引入依赖：

        <dependency>
            <groupId>org.apache.shardingsphere</groupId>
            <artifactId>shardingsphere-jdbc-core-spring-boot-starter</artifactId>
            <version>5.1.1</version>
        </dependency>

        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <version>8.0.21</version>
            <scope>runtime</scope>
        </dependency>

        <!-- mybatis plus 代码生成器 -->
        <dependency>
            <groupId>com.baomidou</groupId>
            <artifactId>mybatis-plus-boot-starter</artifactId>
            <version>3.3.1</version>
        </dependency>

        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <version>1.18.10</version>
            <optional>true</optional>
        </dependency>

application.properties

#
spring.profiles.active=dev


# 启动方式
spring.shardingsphere.mode.type=Memory

# 配置真实数据源
spring.shardingsphere.datasource.names=db1,db2,slave1

# 主库1
spring.shardingsphere.datasource.db1.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.db1.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.db1.jdbc-url=jdbc:mysql://192.168.158.134:3306/distributed_server?serverTimezone=UTC&useUnicode=true&characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.db1.username=root
spring.shardingsphere.datasource.db1.password=

# 主库2
spring.shardingsphere.datasource.db2.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.db2.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.db2.jdbc-url=jdbc:mysql://192.168.158.165:3306/distributed_server?serverTimezone=UTC&useUnicode=true&characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.db2.username=root
spring.shardingsphere.datasource.db2.password=

# 主库1 的 从库192.168.158.146
spring.shardingsphere.datasource.slave1.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.slave1.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.slave1.jdbc-url=jdbc:mysql://192.168.158.146:3306/distributed_server?serverTimezone=UTC&useUnicode=true&characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.slave1.username=root
spring.shardingsphere.datasource.slave1.password=

# 读写分离类型，如: Static，Dynamic
spring.shardingsphere.rules.readwrite-splitting.data-sources.myds.type=Static
# 写数据源名称
spring.shardingsphere.rules.readwrite-splitting.data-sources.myds.props.write-data-source-name=db1
# 读数据源名称，多个从数据源用逗号分隔
spring.shardingsphere.rules.readwrite-splitting.data-sources.myds.props.read-data-source-names=slave1,db2

# 负载均衡算法名称，如下配置了三种负载均衡算法，这里选择的是权重
spring.shardingsphere.rules.readwrite-splitting.data-sources.myds.load-balancer-name=alg_weight

# 负载均衡算法配置
# 负载均衡算法类型
spring.shardingsphere.rules.readwrite-splitting.load-balancers.alg_round.type=ROUND_ROBIN
spring.shardingsphere.rules.readwrite-splitting.load-balancers.alg_random.type=RANDOM
# 权重算法和比重
spring.shardingsphere.rules.readwrite-splitting.load-balancers.alg_weight.type=WEIGHT
spring.shardingsphere.rules.readwrite-splitting.load-balancers.alg_weight.props.slave1=1
spring.shardingsphere.rules.readwrite-splitting.load-balancers.alg_weight.props.db2=2

# 是否打印SQl
spring.shardingsphere.props.sql-show=true

server:
  servlet:
    context-path: /api
  port: 9030

mybatis-plus:
  mapper-locations: classpath:/mapper/*Mapper.xml
  type-aliases-package: com.xxx.mapper

执行写入操作，就会访问写库db1

请添加图片描述
执行查询就会轮询两个读库请添加图片描述
Transactional 问题

为了保证主从库间的事务一致性，避免跨服务的分布式事务，ShardingSphere-JDBC的主从模型中，事务中的数据读写均用主库。

  • 不添加@Transactional：insert对主库操作，select对从库操作
  • 添加@Transactional：则insert和select均对主库操作

读库负载均衡算法

  • ROUND_ROBIN 基于轮询的读库负载均衡算法
  • RANDOM 基于随机的读库负载均衡算法
  • WEIGHT 基于权重的读库负载均衡算法

水平分片

在两个水平库：192.168.158.134，192.168.158.165 上分别建表

CREATE TABLE `test_server_00` (
  `id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键id',
  `i_number` varchar(2048) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '金额',
  `descd` varchar(2048) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '描述',
  `deleted` varchar(1) DEFAULT '0' COMMENT '删除标记',
  `ctime` timestamp NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `crname` varchar(32) DEFAULT NULL COMMENT '创建人',
  `mtime` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  `chname` varchar(32) DEFAULT NULL COMMENT '更新人',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=393 DEFAULT CHARSET=utf8 COMMENT='测试表server'


CREATE TABLE `test_server_01` (
  `id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键id',
  `i_number` varchar(2048) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '金额',
  `descd` varchar(2048) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '描述',
  `deleted` varchar(1) DEFAULT '0' COMMENT '删除标记',
  `ctime` timestamp NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `crname` varchar(32) DEFAULT NULL COMMENT '创建人',
  `mtime` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  `chname` varchar(32) DEFAULT NULL COMMENT '更新人',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=393 DEFAULT CHARSET=utf8 COMMENT='测试表server'


CREATE TABLE `test_server_02` (
  `id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键id',
  `i_number` varchar(2048) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '金额',
  `descd` varchar(2048) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '描述',
  `deleted` varchar(1) DEFAULT '0' COMMENT '删除标记',
  `ctime` timestamp NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `crname` varchar(32) DEFAULT NULL COMMENT '创建人',
  `mtime` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  `chname` varchar(32) DEFAULT NULL COMMENT '更新人',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=393 DEFAULT CHARSET=utf8 COMMENT='测试表server'

#
spring.profiles.active=dev


# 启动方式
spring.shardingsphere.mode.type=Memory

# 配置真实数据源
spring.shardingsphere.datasource.names=db1,db0,slave1

# 主库1
spring.shardingsphere.datasource.db1.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.db1.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.db1.jdbc-url=jdbc:mysql://192.168.158.134:3306/distributed_server?serverTimezone=UTC&useUnicode=true&characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.db1.username=root
spring.shardingsphere.datasource.db1.password=

# 主库2
spring.shardingsphere.datasource.db0.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.db0.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.db0.jdbc-url=jdbc:mysql://192.168.158.165:3306/distributed_server?serverTimezone=UTC&useUnicode=true&characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.db0.username=root
spring.shardingsphere.datasource.db0.password=

# 主库1 的 从库192.168.158.146
spring.shardingsphere.datasource.slave1.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.slave1.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.slave1.jdbc-url=jdbc:mysql://192.168.158.146:3306/distributed_server?serverTimezone=UTC&useUnicode=true&characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.slave1.username=root
spring.shardingsphere.datasource.slave1.password=

# 读写分离类型，如: Static，Dynamic
spring.shardingsphere.rules.readwrite-splitting.data-sources.myds.type=Static
# 写数据源名称
spring.shardingsphere.rules.readwrite-splitting.data-sources.myds.props.write-data-source-name=db1
# 读数据源名称，多个从数据源用逗号分隔
spring.shardingsphere.rules.readwrite-splitting.data-sources.myds.props.read-data-source-names=slave1,db0

# 负载均衡算法名称，如下配置了三种负载均衡算法，这里选择的是权重
spring.shardingsphere.rules.readwrite-splitting.data-sources.myds.load-balancer-name=alg_weight

# 负载均衡算法配置
# 负载均衡算法类型
spring.shardingsphere.rules.readwrite-splitting.load-balancers.alg_round.type=ROUND_ROBIN
spring.shardingsphere.rules.readwrite-splitting.load-balancers.alg_random.type=RANDOM
# 权重算法和比重
spring.shardingsphere.rules.readwrite-splitting.load-balancers.alg_weight.type=WEIGHT
spring.shardingsphere.rules.readwrite-splitting.load-balancers.alg_weight.props.slave1=1
spring.shardingsphere.rules.readwrite-splitting.load-balancers.alg_weight.props.db2=2


#========================标准分片表配置（数据节点配置）
# spring.shardingsphere.rules.sharding.tables.<table-name>.actual-data-nodes=值
# 值由数据源名 + 表名组成，以小数点分隔。多个表以逗号分隔，支持 inline 表达式。
# <table-name>：逻辑表名
# db$->{0..1}.test_server_0$->{0..2}
# 也可以使用枚举 db$->{[0,1]}.test_server_0$->{[1,2]} 
spring.shardingsphere.rules.sharding.tables.test_server.actual-data-nodes=db$->{0..1}.test_server_0$->{0..2}


# 是否打印SQl
spring.shardingsphere.props.sql-show=true

实体类

会把 逻辑表"test_server"的操作映射到 db1.test_server_00,db1.test_server_01,db1.test_server_02,db2.test_server_00,db2.test_server_01,db2.test_server_02 这几张表上

/**
 * 测试表server实体类
 *
 * @author psh
 * @since 2023-06-23 13:42:07
 */
@Data
@ApiModel(value = "TestServer对象", description = "测试表server实体对象")
//逻辑表名
@TableName("test_server")
public class TestServer {

    /**
     * 主键id
     */
    private Long id;

    /**
     * 金额
     */
    @ApiModelProperty(value = "金额", name = "iNumber")
    private String iNumber;

    /**
     * 描述
     */
    @ApiModelProperty(value = "描述", name = "descd")
    private String descd;

    /**
     * 删除标记
     */
    @ApiModelProperty(value = "删除标记", name = "deleted")
    @TableLogic
    @TableField(value = "DELETED", fill = FieldFill.INSERT, jdbcType = JdbcType.VARCHAR)
    private String deleted;

}

插入方法，为了测试方便这里使用了redis来做分布式主键id，也可以使用uuid或者雪花算法

    @Resource
    private RedisTemplate redisTemplate;


    @Override
    @Transactional
	//这里只是插入测试，为了方便知道数据的去除
    public BaseResultModel insert(ReqTestServerAdd req) {
        TestServer entity = new TestServer();
        Long increment = redisTemplate.opsForValue().increment("test_server", 1);
        req.setId(increment);
        switch ((int) (increment % 2)) {
            case 0:
                entity.setINumber("数据库0");
                break;
            case 1:
                entity.setINumber("数据库1");
                break;
        }
        switch ((int) (increment % 3)) {
            case 0:
                entity.setDescd("表0");
                break;
            case 1:
                entity.setDescd("表1");
                break;
            case 2:
                entity.setDescd("表2");
                break;
        }
        entity.setDeleted("0");
        if (!this.save(entity)) {
            throw new BaseException(ResultStatus.INSERT_FAIL.getCode(), ResultStatus.INSERT_FAIL.getMessage());
        }
        return BaseResultModel.success();
    }}

此时因为没有配置分片算法，sharding不知道如何分片，执行sql，会抛异常

### SQL: INSERT INTO test_server  ( id, i_number, descd, DELETED )  VALUES  ( ?, ?, ?, ? )
### Cause: java.lang.IllegalStateException: Insert statement does not support sharding table routing to multiple data nodes.] with root cause
分片算法
水平分库

分片算法类型

配置标识自动分片算法详细说明
MODY基于取模的分片算法
HASH_MODY基于哈希取模的分片算法
BOUNDARY_RANGEY基于分片边界的范围分片算法
VOLUME_RANGEY基于分片容量的范围分片算法
AUTO_INTERVALY基于可变时间范围的分片算法
INTERVALN基于固定时间范围的分片算法
CLASS_BASEDN基于自定义类的分片算法
INLINEN基于行表达式的分片算法
COMPLEX_INLINEN基于行表达式的复合分片算法
HINT_INLINEN基于行表达式的 Hint 分片算法
COSID_MODN基于 CosId 的取模分片算法
COSID_INTERVALN基于 CosId 的固定时间范围的分片算法
COSID_INTERVAL_SNOWFLAKEN基于 CosId 的雪花ID固定时间范围的分片算法

分片规则：order表中id为偶数时，数据插入db1服务器，id为奇数时，数据插入db1服务器。

#这里先指定表名
spring.shardingsphere.rules.sharding.tables.test_server.actual-data-nodes=db$->{0..1}.test_server_00

#------------------------分库策略
# 分片列名称
spring.shardingsphere.rules.sharding.tables.test_server.database-strategy.standard.sharding-column=id
# 分片算法名称
spring.shardingsphere.rules.sharding.tables.test_server.database-strategy.standard.sharding-algorithm-name=my_alg_inline_id

#------------------------分片算法配置,这里指定的是数据库
# 行表达式分片算法
# 分片算法类型
spring.shardingsphere.rules.sharding.sharding-algorithms.my_alg_inline_id.type=INLINE
# 分片算法属性配置
spring.shardingsphere.rules.sharding.sharding-algorithms.my_alg_inline_id.props.algorithm-expression=db$->{id % 2}

# 取模分片算法
# 分片算法类型
spring.shardingsphere.rules.sharding.sharding-algorithms.my_mod.type=MOD
# 分片算法属性配置 ,这里就是对2取模，和上面的行表达式算法，都是根据配置的 分片列id  进行取模，得到的结果是一致的
spring.shardingsphere.rules.sharding.sharding-algorithms.my_mod.props.sharding-count=2

再次测试插入方法，分别插入两个不同的数据库的test_server_00表中
请添加图片描述

水平分表
#这里先指定表名
spring.shardingsphere.rules.sharding.tables.test_server.actual-data-nodes=db$->{0..1}.test_server_0$->{0..2}

#------------------------分库策略
# 分片列名称
spring.shardingsphere.rules.sharding.tables.test_server.database-strategy.standard.sharding-column=id
# 分片算法名称
spring.shardingsphere.rules.sharding.tables.test_server.database-strategy.standard.sharding-algorithm-name=my_alg_inline_id

#------------------------分片算法配置,这里指定的是数据库
# 行表达式分片算法
# 分片算法类型
spring.shardingsphere.rules.sharding.sharding-algorithms.my_alg_inline_id.type=INLINE
# 分片算法属性配置
spring.shardingsphere.rules.sharding.sharding-algorithms.my_alg_inline_id.props.algorithm-expression=db$->{id % 2}

# 取模分片算法
# 分片算法类型
spring.shardingsphere.rules.sharding.sharding-algorithms.my_mod.type=MOD
# 分片算法属性配置 ,这里就是对2取模，和上面的行表达式算法，都是根据配置的 分片列id  进行取模，得到的结果是一致的
spring.shardingsphere.rules.sharding.sharding-algorithms.my_mod.props.sharding-count=2

#------------------------分表策略，这里指定表
# 分片列名称
spring.shardingsphere.rules.sharding.tables.test_server.table-strategy.standard.sharding-column=id
# 分片算法名称
spring.shardingsphere.rules.sharding.tables.test_server.table-strategy.standard.sharding-algorithm-name=my_mod_tb

# 取模分片算法
# 分片算法类型
spring.shardingsphere.rules.sharding.sharding-algorithms.my_mod_tb.type=MOD
# 分片算法属性配置 ,这里就是 id 对3取模
spring.shardingsphere.rules.sharding.sharding-algorithms.my_mod_tb.props.sharding-count=3


# hash分片算法   my_hash_mod
# 分片算法类型
spring.shardingsphere.rules.sharding.sharding-algorithms.my_hash_mod.type=HASH_MOD
# 分片算法属性配置 ,这里就是 id计算为hash值后 对3取模
spring.shardingsphere.rules.sharding.sharding-algorithms.my_hash_mod.props.sharding-count=3

分库和分表的列可以不同，这里只是为了简便，此外取模需要列是数值类型，如果是字符串可以使用hash算法

执行6次插入操作，数据均匀的插入到对应的6张表中，查询全部结果为请添加图片描述
逻辑sql语句为：

SELECT  id,i_number,descd,DELETED  FROM test_server  WHERE  DELETED='0'

实际的语句是，将多个的分片表全部 UNION

Actual SQL: db0 :::
 
SELECT  id,i_number,descd,DELETED  FROM test_server_00 
 WHERE  DELETED='0'

AND (deleted = ?) UNION ALL SELECT  id,i_number,descd,DELETED  FROM test_server_01 
 WHERE  DELETED='0'

AND (deleted = ?) UNION ALL SELECT  id,i_number,descd,DELETED  FROM test_server_02 
 WHERE  DELETED='0'

AND (deleted = ?) ::: [0, 0, 0]

Actual SQL: db1 :::

SELECT  id,i_number,descd,DELETED  FROM test_server_00 
 WHERE  DELETED='0'

AND (deleted = ?) UNION ALL SELECT  id,i_number,descd,DELETED  FROM test_server_01 
 WHERE  DELETED='0'

AND (deleted = ?) UNION ALL SELECT  id,i_number,descd,DELETED  FROM test_server_02 
 WHERE  DELETED='0'

AND (deleted = ?) ::: [0, 0, 0]

如果按照id查询，也就是分片的键，能够精确定位数据所在的分片，避免很多不必要的查询，所以分片的键要谨慎选择

select * from test_server  where deleted = 0  and id = ?

-- 执行的sql语句为：
db0 ::: select * from test_server_00 where deleted = 0 and id = ? ::: [48]
分片主键

Apache ShardingSphere 提供了内置的分布式主键生成器

  • UUID 是无须的，使用innodb存储引擎会增加插入的时间，一般不建议使用
  • SNOWFLAKE
    • Twitter 公布的分布式主键生成算法，它能够保证不同进程主键的不重复性，以及相同进程主键的有序性。

分布式主键生成算法

  • SNOWFLAKE 基于雪花算法的分布式主键生成算法 org.apache.shardingsphere.sharding.algorithm.keygen.SnowflakeKeyGenerateAlgorithm

  • UUID 基于 UUID 的分布式主键生成算法

    org.apache.shardingsphere.sharding.algorithm.keygen.UUIDKeyGenerateAlgorithm

  • NANOID 基于 NanoId 的分布式主键生成算法org.apache.shardingsphere.sharding.nanoid.algorithm.keygen.NanoIdKeyGenerateAlgorithm

  • COSID 基于 CosId 的分布式主键生成算法

    org.apache.shardingsphere.sharding.cosid.algorithm.keygen.CosIdKeyGenerateAlgorithm

  • COSID_SNOWFLAKE 基于 CosId 的雪花算法分布式主键生成算法org.apache.shardingsphere.sharding.cosid.algorithm.keygen.CosIdSnowflakeKeyGenerateAlgo

#------------------------分布式序列策略配置
# 分布式序列列名称
spring.shardingsphere.rules.sharding.tables.t_order.key-generate-strategy.column=id
# 分布式序列算法名称
spring.shardingsphere.rules.sharding.tables.t_order.key-generate-strategy.key-generator-name=my_alg_snowflake

# 分布式序列算法配置
# 分布式序列算法类型
spring.shardingsphere.rules.sharding.key-generators.my_alg_snowflake.type=SNOWFLAKE

对实体类进行更改，这里mybatis plus 也提供了内置的雪花算法，必须要加，否则就是默认使用mybatis plus 的雪花算法

    /**
     * 主键id
     */
    @ApiModelProperty(value = "主键id", name = "id")
    //当配置了shardingsphere-jdbc的分布式序列时，自动使用shardingsphere-jdbc的分布式序列
    //当没有配置shardingsphere-jdbc的分布式序列时，自动依赖数据库的主键自增策略
    @TableId(type = IdType.AUTO)
    private Long id;
多表关联查询

在DB1主库建立用户信息表

CREATE TABLE `users` (
  `id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键id',
  `account` varchar(64) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '用户账号',
  `username` varchar(64) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '用户名',
  `password` varchar(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL COMMENT '密码',
  `described` varchar(64) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '描述',
  `cname` varchar(64) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '创建人',
  `ctime` timestamp NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `chname` varchar(64) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '修改人',
  `mtime` datetime DEFAULT CURRENT_TIMESTAMP COMMENT '修改时间',
  `deleted` bit(1) DEFAULT b'0' COMMENT '逻辑删除',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=11 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci

在两个主库分别建立：

  • 订单表
  • 订单详情表

订单表：记录用户编号和订单编号

CREATE TABLE `test_order0` (
  `id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键id',
  `order_no` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '订单编号',
  `account` varchar(64) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '用户账号',
  `amount` DECIMAL(10,2) DEFAULT NULL COMMENT '订单金额',    
  `deleted` varchar(1) DEFAULT '0' COMMENT '删除标记',
  `ctime` timestamp NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `crname` varchar(32) DEFAULT NULL COMMENT '创建人',
  `mtime` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  `chname` varchar(32) DEFAULT NULL COMMENT '更新人',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1672163673329414147 DEFAULT CHARSET=utf8 COMMENT='订单表'
 
CREATE TABLE `test_order1` (
  `id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键id',
  `order_no` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '订单编号',
  `account` varchar(64) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '用户账号',
  `amount` DECIMAL(10,2) DEFAULT NULL COMMENT '订单金额',    
  `deleted` varchar(1) DEFAULT '0' COMMENT '删除标记',
  `ctime` timestamp NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `crname` varchar(32) DEFAULT NULL COMMENT '创建人',
  `mtime` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  `chname` varchar(32) DEFAULT NULL COMMENT '更新人',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1672163673329414147 DEFAULT CHARSET=utf8 COMMENT='订单表'

订单详情表，也加入 account 字段，是希望同一个用户的订单表和订单详情表中的数据都在同一个数据源中，避免跨库关联，因此这两张表我们使用相同的分片策略。

CREATE TABLE `test_order_item0` (
  `id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键id',
  `order_no` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '订单编号',
  `account` varchar(64) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '用户编号',
  `commodity_id` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '商品id',
  `price` DECIMAL(10,2) DEFAULT NULL COMMENT '商品单价',    
  `count` bigint  COMMENT '商品数量',    
  `descd` varchar(512) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '备注',
  `deleted` varchar(1) DEFAULT '0' COMMENT '删除标记',
  `ctime` timestamp NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `crname` varchar(32) DEFAULT NULL COMMENT '创建人',
  `mtime` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  `chname` varchar(32) DEFAULT NULL COMMENT '更新人',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1672163673329414147 DEFAULT CHARSET=utf8 COMMENT='订单详情表'


CREATE TABLE `test_order_item1` (
  `id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键id',
  `order_no` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '订单编号',
  `account` varchar(64) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '用户编号',
  `commodity_id` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '商品id',
  `price` DECIMAL(10,2) DEFAULT NULL COMMENT '商品单价',    
  `count` bigint  COMMENT '商品数量',    
  `descd` varchar(512) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL COMMENT '备注',
  `deleted` varchar(1) DEFAULT '0' COMMENT '删除标记',
  `ctime` timestamp NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `crname` varchar(32) DEFAULT NULL COMMENT '创建人',
  `mtime` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  `chname` varchar(32) DEFAULT NULL COMMENT '更新人',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1672163673329414147 DEFAULT CHARSET=utf8 COMMENT='订单详情表'

分库分表配置：

# 订单表和订单详情表分片
spring.shardingsphere.rules.sharding.tables.test_order.actual-data-nodes=db$->{0..1}.test_order$->{0..1}
spring.shardingsphere.rules.sharding.tables.test_order_item.actual-data-nodes=db$->{0..1}.test_order_item$->{0..1}

# test_order ，test_order_item 使用相同的分库策略，根据id取模 ，这里指定的是数据库
spring.shardingsphere.rules.sharding.tables.test_order.database-strategy.standard.sharding-column=account
spring.shardingsphere.rules.sharding.tables.test_order.database-strategy.standard.sharding-algorithm-name=inline_account
spring.shardingsphere.rules.sharding.tables.test_order_item.database-strategy.standard.sharding-column=account
spring.shardingsphere.rules.sharding.tables.test_order_item.database-strategy.standard.sharding-algorithm-name=inline_account

spring.shardingsphere.rules.sharding.sharding-algorithms.inline_account.type=HASH_MOD
spring.shardingsphere.rules.sharding.sharding-algorithms.inline_account.props.sharding-count=2


# test_order ，test_order_item 使用形同的分表策略，用hash对 order_no 进行取模，这里指定表
spring.shardingsphere.rules.sharding.tables.test_order.table-strategy.standard.sharding-column=order_no
spring.shardingsphere.rules.sharding.tables.test_order.table-strategy.standard.sharding-algorithm-name=hash_mod
spring.shardingsphere.rules.sharding.tables.test_order_item.table-strategy.standard.sharding-column=order_no
spring.shardingsphere.rules.sharding.tables.test_order_item.table-strategy.standard.sharding-algorithm-name=hash_mod

# hash分片算法   hash_mod
spring.shardingsphere.rules.sharding.sharding-algorithms.hash_mod.type=HASH_MOD
# 分片算法属性配置 ,这里就是 id计算为hash值后 对2取模
spring.shardingsphere.rules.sharding.sharding-algorithms.hash_mod.props.sharding-count=2


# 复用之前配置的雪花算法，生成分布式序列id
spring.shardingsphere.rules.sharding.tables.test_order.key-generate-strategy.column=id
spring.shardingsphere.rules.sharding.tables.test_order.key-generate-strategy.key-generator-name=my_alg_snowflake
spring.shardingsphere.rules.sharding.tables.test_order_item.key-generate-strategy.column=id
spring.shardingsphere.rules.sharding.tables.test_order_item.key-generate-strategy.key-generator-name=my_alg_snowflake

# 分布式序列算法配置
# 分布式序列算法类型
spring.shardingsphere.rules.sharding.key-generators.my_alg_snowflake.type=SNOWFLAKE

订单表和订单详情表，使用相同的分库分表策略，保证相关的数据在一个库中，避免跨库的关联查询

插入方法：

    @Resource
    private TestOrderItemMapper testOrderItemMapper;
    /**
     * 新增订单表时要把订单详情表一起插入
     *
     * @param req
     * @return
     */
    public BaseResultModel insert(ReqTestOrderAdd req) {
        //订单编号用uuid生成
        String orderNo = UUID.randomUUID().toString().replace("-", "");

        TestOrder entity = new TestOrder();
        entity.setOrderNo(orderNo);
        entity.setAmount(req.getCount() * req.getPrice());
        entity.setAccount(req.getAccount());
        entity.setDeleted("0");

        //订单详情
        TestOrderItem testOrderItem = new TestOrderItem();
        testOrderItem.setOrderNo(orderNo);
        testOrderItem.setAccount(req.getAccount());
        testOrderItem.setCommodityId(req.getCommodityId());
        testOrderItem.setAccount(req.getAccount());
        testOrderItem.setPrice(req.getPrice());
        testOrderItem.setDescd(req.getDescd());
        testOrderItem.setDeleted("0");
        testOrderItemMapper.insert(testOrderItem);

        if (!this.save(entity)) {
            throw new BaseException(ResultStatus.INSERT_FAIL.getCode(), ResultStatus.INSERT_FAIL.getMessage());
        }
        return BaseResultModel.success();
    }

插入订单时，同步插入订单详情，相同的客户编号，数据插入一个库中

查询语句

    @Select("SELECT o.account, SUM(i.price * i.count) AS amount " +
            "FROM test_order o JOIN test_order_item i ON o.order_no = i.order_no GROUP BY account")
    List<OrderItemVo> selectGroupByAccount();

实际上是在各自的库上做笛卡尔积的关联，会有很多不必要的查询，可以通过绑定表俩解决这个问题
请添加图片描述
分片规则一致的一组分片表。 使用绑定表进行多表关联查询时，必须使用分片键进行关联，否则会出现笛卡尔积关联或跨库关联，从而影响查询效率。

绑定表配置如下：

spring.shardingsphere.rules.sharding.binding-tables[0]=test_order,test_order_item

绑定表后，通过分片规则列去查询，会减少很多不必要的查询请添加图片描述

广播表

比如一些字典表，需要经常和其他分片表进行关联，那么就需要所有的分片数据源中都存在这个表，表结构及其数据在每个数据库中均完全一致。 适用于数据量不大且需要与海量数据的表进行关联查询的场景

广播具有以下特性：

（1）插入、更新操作会实时在所有节点上执行，保持各个分片的数据一致性

（2）查询操作，只从一个节点获取，因为每个节点的数据都是一致的

（3）可以跟任何一个表进行 JOIN 操作

在db0、db01 数据库中分别创建t_dict表

CREATE TABLE t_dict(
    id BIGINT,
    dict_type VARCHAR(200),
    PRIMARY KEY(id)
);

配置广播表

#数据节点可不配置，默认情况下，向所有数据源广播
spring.shardingsphere.rules.sharding.tables.t_dict.actual-data-nodes=db0.t_dict,db1.t_dict

# 广播表
spring.shardingsphere.rules.sharding.broadcast-tables[0]=t_dic

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/680749.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

java.sql.SQLException: No value specified for parameter 6

java.sql.SQLException: No value specified for parameter 6

异常 java.sql.SQLException: No value specified for parameter 6 原因 sql中定义了6个参数&#xff0c;只传了5个参数
阅读更多...
设计模式—“领域规则”

设计模式—“领域规则”

在特定领域中，某些变化虽然频繁，但可以抽象为某种规则。这时候，结合特定领域，将问题抽象为语法规则，从而给出在该领域下的一般性解决方案。 典型模式有：Interpreter Interpreter 动机 在软件构建过程中，如果某一个特定领域的问题比较复杂，类似的结构不断重复出现，…
阅读更多...
.NET Microsoft.Extensions.Logging + NLog 记录日志到文件

.NET Microsoft.Extensions.Logging + NLog 记录日志到文件

最近想了解下面向对象开发&#xff0c;选择C# 语言 以及NET6.0 日志是开发中最常用的功能&#xff0c;本文记录下其中日志使用方法&#xff0c;理解不全的地方后续再学习补充 环境 Ubuntu 22.04.2 LTSdotnet 6.0.411 准备工作 # https://learn.microsoft.com/zh-cn/dotnet/c…
阅读更多...
2023.6.21AgentGPT部署

2023.6.21AgentGPT部署

在云服务器上使用Docker部署AgentGPT 需要自行提供OpenAI的API Key https://platform.openai.com/account/api-keys 需要自行提供云服务器或者虚拟机 需要自行解决网络的问题&#xff0c;本文中使用的是小喵咪解决网络的问题【需要订阅地址】 文章目录 在云服务器上使用Docker…
阅读更多...
数据在内存中的存储-浮点型

数据在内存中的存储-浮点型

常见的浮点型数据&#xff1a;单精度浮点型float、双精度浮点型double,还有long double类型。 浮点数表示的范围&#xff1a;float.h中定义 目录 一、浮点数存储的例子 二、浮点数存储规则 三、例题解释 一、浮点数存储的例子 #include<stdio.h> int main() {int …
阅读更多...
王道操作系统学习笔记(1)——操作系统基本概念

王道操作系统学习笔记(1)——操作系统基本概念

前言 本文介绍了操作系统的基本概念&#xff0c;文章中的内容来自B站王道考研操作系统课程&#xff0c;想要完整学习的可以到B站官方看完整版。 一&#xff1a;操作系统基本概念 1.1.1&#xff1a;基本概念和功能 操作系统&#xff1a;系统资源的管理者&#xff08;处理机管…
阅读更多...
QGIS 插件获取哨兵数据

QGIS 插件获取哨兵数据

基于 Sentinel Hub QGIS 插件&#xff0c;该插件允许您直接在 QGIS中配置和利用Sentinel Hub 服务的强大功能。该插件可视化 Sentinel 数据&#xff0c;可用于正在处理的任何其他项目中。 来自&#xff1a;GIS数据栈整理&#xff1a;GIS数据栈 一起来看看如何在QGIS中使用吧&am…
阅读更多...
6张图表 + 1个案例 带你入门tcpdump的使用和原理

6张图表 + 1个案例 带你入门tcpdump的使用和原理

一、tcpdump简介 tcpdump是什么&#xff1f; 来看看 tcpdump官网怎么说&#xff1a;This is the home web site of tcpdump, a powerful command-line packet analyzer; and libpcap, a portable C/C library for network traffic capture. 不妨来看看chatGPT插件怎么说&…
阅读更多...
【自我提升】openCV基本操作

【自我提升】openCV基本操作

写在前面&#xff1a;本篇博客主要是记录opnecv的基本操作&#xff0c;不记录安装等步骤。方便回顾和查找方法。 一、图像的IO操作&#xff0c;读取和保存方法 读取图像 在OpenCV中&#xff0c;读取图像的函数是imread()。该函数可以从指定的文件中加载图像&#xff0c;返回值…
阅读更多...
Qt6.2教程——5.QT常用控件QLabel

Qt6.2教程——5.QT常用控件QLabel

1. QLabel简介 QLabel是Qt库中一个非常基础且重要的类。它主要用于在图形用户界面(GUI)中展示文本或图片。最常见的用法就是在窗口上显示一段文字或者标签&#xff0c;比如“用户名”&#xff0c;“密码”等等。QLabel继承自QFrame&#xff0c;因此它也可以具有框架。它能处理…
阅读更多...
0005Java程序设计-jsp企业财务管理系统设计与实现

0005Java程序设计-jsp企业财务管理系统设计与实现

企业财务管理系统 摘要 对于企业集来说,财务管理的地位很重要。随着计算机和网络在企业中的广泛应用&#xff0c;企业发展速度在不断加快&#xff0c;在这种市场竞争冲击下企业财务管理系统必须优先发展&#xff0c;这样才能保证在竞争中处于优势地位。对此企业必须实现财务管…
阅读更多...
java学习第257天，第四部分学习第57天，SpringSecurity第1天，p1-8（06/24）-5h-8集

java学习第257天，第四部分学习第57天，SpringSecurity第1天，p1-8（06/24）-5h-8集

阅读更多...
安卓平板修改和平精英90帧、120帧超广角，2k/4k分辨率（无需root!!!）

安卓平板修改和平精英90帧、120帧超广角，2k/4k分辨率（无需root!!!）

前言&#xff1a;今天我们将探讨如何在安卓平板上修改和平精英超广角以及高帧率画质效果。 1、首先&#xff0c;我们要知道平板改超广角的好处是什么&#xff1f;我们都知道平板相比于手机显示宽度是要更大的&#xff0c;如果平板再改个超广角效果&#xff0c;甚至连脚都可以看…
阅读更多...
避免滥用Qt信号与槽——改进taskBus 平台以吞吐20M IQ采样带宽

避免滥用Qt信号与槽——改进taskBus 平台以吞吐20M IQ采样带宽

taskBus 软件无线电平台是一款依靠 stdin-stdout进行数据吞吐的教学平台。在平台创建之初&#xff0c;主要使用 RTL-SDR进行简单的窄带接收应用&#xff0c;并没有考虑采样率超过1.8M的情况。引入 USRP B210/B205mini后&#xff0c;采样率瞬间提高到2M以上&#xff0c;此时&…
阅读更多...
springboot+vue项目中如何利用七牛云实现头像的上传

springboot+vue项目中如何利用七牛云实现头像的上传

做了个前后端分离的项目&#xff0c;对于用户的头像修改一直不是很满意&#xff0c; 于是用了Vant4的组件库改成了文件点击上传&#xff0c;先是打算存到本地&#xff0c;了解到七牛云的方便后&#xff08;主要是免费&#xff09;&#xff0c;决定改成七牛云存储图片&#xff…
阅读更多...
ElasticSearch的安装和访问

ElasticSearch的安装和访问

ElasticSearch的安装 前言: 本次下载是在Windows系统进行操作,版本为7.6.1,因为下周最新版本的8.1.2有问题 ElasticSearch基于Java开发,JDK最低1.8版本 ElasticSearch的版本要和之后引入的Maven的Jar包版本对应 1 下载ElasticSearch 官网:https://www.elastic.co/cn/ 产品…
阅读更多...
01.2总线驱动设备设计思想

01.2总线驱动设备设计思想

sysfs文件系统 sysfs文件系统是Linux2.6版本引入的虚拟文件系统。sysfs把连接在系统上的设备模型组织_ 成为一个分级的层次视图。并且可以向用户空间导出内核数据结构以及属性。 比如下面的图可以看出来当前支持的总线和相关的数据 在sys文件系统中每一个目录都对应着一个kob…
阅读更多...
GPIO子系统以及中断子系统脑图

GPIO子系统以及中断子系统脑图

阅读更多...
电商项目10：商品管理、仓库管理

电商项目10：商品管理、仓库管理

电商项目10&#xff1a;商品管理、仓库管理 1、商品管理1.1、spu检索1.1.1、后端1.1.2、前端 1.2、sku检索1.2.1、后端 2、库存管理2.1、启动ware后端微服务2.2、仓库维护查询2.3、查询商品库存2.4、查询采购需求 1、商品管理 1.1、spu检索 1.1.1、后端 spu检索接口文档 S…
阅读更多...
用了这么久IDEA其中中的Modules、Libraries、Facets、Artificats他们的作用到底是什么？

用了这么久IDEA其中中的Modules、Libraries、Facets、Artificats他们的作用到底是什么？

Modules Modules通常是说我们该项目当前拥有的模块。拿微服务来说&#xff0c;通常需要将功能分离出来&#xff0c;形成一个个模块&#xff0c;因此每个功能就需要一个模块Modules&#xff0c;即一个小项目。 里面有Sources、Paths、Dependencies。像Sources我们可以将我们想…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023