聊聊 Sharding-JDBC 分库分表（五）

数据库中的数据如下：

 product_db1

 product_db2

“源码已经上传GitHub，关注公众号：码猿技术专栏，回复关键词：9532 获取！”

4. 水平分表
经过水平分库后，性能得到了提升，但是经过一段时间后，商品的单表数据量急剧增长，查询非常慢，那么此时就需要对单表进行水平拆分了，如下图：

 水平分表

同样需要在Sharding-JDBC中配置分表的规则，如下：

#分表策略，如何将一个逻辑表映射为多个实际表 
spring.shardingsphere.sharding.tables.<逻辑表名称>.table‐strategy.<分片策略>.<分片策略属性名>=

实际的配置如下：

spring:
  # Sharding-JDBC的配置
  shardingsphere:
    # 分片的配置
    sharding:
      # 表的分片策略
      tables:
        product_base:
          # 数据节点配置，采用Groovy表达式，分库分表策略，这样是4个节点，ds1.product_base_$_1/ds1.product_base_$_2/ds2.product_base_$_1/ds2.product_base_$_2
          actual-data-nodes: ds$->{1..2}.product_base_$->{1..2}
          # 分表策略
          table‐strategy:
            inline:
              # 分片键为店铺ID
              sharding‐column: shop_id
              # 分片策略取模
              algorithm‐expression: product_base_$->{shop_id%2+1}
        product_description:
          # 数据节点配置，采用Groovy表达式
          actual-data-nodes: ds$->{1..2}.product_description_$->{1..2}
          table‐strategy:
            inline:
              sharding‐column: shop_id
              algorithm‐expression: product_description_$->{shop_id%2+1}

这里需要注意的是：由于这里用了分库分表，那么数据节点一定要配置对，比如 ds$->{1..2}.product_base_$->{1..2} 这里的表达式分别对应的是4个数据节点，如下：

• ds1.product_base_1
• ds1.product_base_2
• ds2.product_base_1
• ds2.product_base_2
  “由于篇幅有限，完整的配置看源码”

单元测试如下：

@Test
public void test4(){
 for (int i = 0; i < 10; i++) {
  Product product = Product.builder()
   .name("Spring Cloud Alibaba实战课程")
   .price(159L)
   .originAddress("码猿技术专栏")
   .shopId((long)(new Random().nextInt(100)+1))
   .build();
   productMapper.insertProductBase(product);
   productMapper.insertProductDescribe(product.getProductId(),"内容",product.getShopId());
        }
    }

“源码已经上传GitHub，关注公众号：码猿技术专栏，回复关键词：9532 获取！”

总结
本篇文章主要介绍了Sharding-JDBC 分库分表实战基础内容，通过详细的案例和代码演示希望能帮助大家更好的理解。

文章转自公众号：码猿技术专栏