🚀Spring Boot + ShardingSphere 實戰：分庫分表，性能暴增的終極指南！

? 適用場景：千萬級大表、高并發、讀寫分離場景
? 核心框架：Spring Boot 3.x + ShardingSphere-JDBC 5.4.1
? 數據庫：MySQL 8.x（主從結構）
? 特色亮點：覆蓋垂直/水平分庫、分表、自定義分片、公共表、廣播表、Hint 強制路由

分庫分表 vs 讀寫分離 vs 主從配置與數據庫高可用架構區別

---

📚 目錄

1. 🌟 為什么選擇 ShardingSphere？
2. 📐 系統整體架構圖
3. 🧰 技術選型與版本說明
4. ?? 核心配置詳解
5. 🚦 常用查詢效果演示
6. 🚧 常見問題與優化建議
7. 📎 參考資料與源碼下載

---

🌟 為什么選擇 ShardingSphere？

ShardingSphere 是 Apache 開源的數據庫中間件生態系統，支持 JDBC 層嵌入和獨立代理部署，擁有強大的分庫分表、讀寫分離、數據加密、彈性擴容、分布式事務等能力。相比傳統中間件，它更靈活、社區更活躍，適合大多數 Spring Boot 應用快速集成。

🔍 什么是 ShardingSphere？

ShardingSphere 是一個開源的分布式數據庫中間件生態，最早由當當網開源（Sharding-JDBC），目前由 Apache 基金會孵化。

它包含 3 大組件：

組件	作用說明
ShardingSphere-JDBC	輕量級 Java JDBC 層分庫分表工具（無需 Proxy）
ShardingSphere-Proxy	基于 MySQL/PostgreSQL 協議的中間件代理層
ShardingSphere-Sidecar	面向 Kubernetes 的數據庫 Mesh Sidecar

本項目使用 ShardingSphere-JDBC，適合嵌入 Spring Boot 項目，無需額外服務。

---

🌟 ShardingSphere 的核心能力

能力項	說明
? 分庫分表	支持標準、綁定表、廣播表、Hint 路由等
? 讀寫分離	支持一主多從，負載均衡策略可配置
? 彈性擴容	數據遷移過程中支持雙寫、多活等策略
? 分布式事務	支持 Seata/XA/BASE 模式
? 數據加密	支持字段級加密與脫敏
? 容器/K8s 支持	Proxy 和 Sidecar 支持云原生部署
? SQL 顯示/日志跟蹤	方便調試分片路由結果

---

🧠 為什么選它而不是其他？

對比項	ShardingSphere	MyCat	Vitess/Federation
📦 部署方式	代碼嵌入（JDBC層）或獨立服務	獨立服務（代理層）	代理層（復雜度較高）
💡 配置方式	YAML/Java/Registry/動態	XML 配置復雜	支持 SQL 路由
🧩 特性完整度	高：分片+讀寫+事務+加密	分片較強，其他較弱	分布式強，學習成本高
🌐 社區活躍度	高（Apache孵化+大廠支持）	較低（更新慢）	中（主要在國外）
💼 實際落地場景	電商、支付、運營平臺等	早期用得多，現在轉向替代	海外云廠商多
🧪 分布式事務支持	? Seata / BASE / XA	?	?

📌 結論：ShardingSphere 在 兼容性、靈活性、社區支持 等方面都具備絕對優勢，適合中大型項目長期維護。

---

🧪 哪種場景適合使用 ShardingSphere？

場景類型	是否推薦使用	說明
訂單系統	?	支持訂單分庫分表，按用戶、時間分片都很靈活
用戶系統	?（廣播表）	用戶表一般較小，可廣播全庫保持一致
內容系統	?	文章/評論按ID、日期分表效果好
實時大數據	?（不推薦）	建議用 Flink + Hive/Spark
跨庫強事務需求	?（結合 Seata）	ShardingSphere + Seata 實現分布式事務
多租戶 SaaS	?	可按 tenant_id 分庫分表 + 廣播共享配置類

---

📌 總結一句話：

ShardingSphere 是 Java 世界中最成熟、最活躍的分庫分表中間件，適合絕大多數業務場景，尤其適合 Spring Boot 用戶接入。

---

📐 系統整體架構圖

🧩 用戶模塊使用廣播表，訂單模塊按 user_id 水平分庫，order 表按年月分表，日志表歸檔存儲。讀寫分離策略基于 SQL 類型自動路由到主庫或從庫。

下面是一個標準的 ShardingSphere 架構圖，展示其核心組件、功能模塊和部署方式。架構可以分為三種模式：ShardingSphere-JDBC、ShardingSphere-Proxy、ShardingSphere-Sidecar（計劃中）。這里我們重點展示 ShardingSphere-JDBC 和 ShardingSphere-Proxy 的部署結構：

---

? 一、ShardingSphere 總體架構圖（邏輯圖）

---

? 二、ShardingSphere 三種部署模式對比圖

模式	架構位置	特點說明
ShardingSphere-JDBC	Java 應用內部	嵌入式、輕量級，支持事務、本地運行、性能高。適合 Java 項目
ShardingSphere-Proxy	數據庫代理層	類似 MySQL 中間件，跨語言支持（Python、Go等），統一訪問
ShardingSphere-Sidecar（未來）	Service Mesh（Istio）邊車模式	云原生、K8s友好，服務間透明代理

---

? 三、ShardingSphere-JDBC 架構圖

---

? 四、ShardingSphere-Proxy 架構圖

---

? 五、組件模塊圖（ShardingSphere 功能生態）

---

🧰 技術選型與版本說明

技術棧	說明
Spring Boot	3.1.5
ShardingSphere-JDBC	5.2.1
MyBatis-Plus	3.5.11
MySQL	8.0.x，一主兩從
dynamic-datasource	與 ShardingSphere 不兼容，已棄用
Lombok / HikariCP	簡化開發 / 高性能連接池

---

?? 核心配置詳解（application.yml）

📌 一、項目整體結構預覽

sharding-demo/
├── src/
│   ├── main/
│   │   ├── java/com/example/shardingdemo/
│   │   │   ├── controller/
│   │   │   ├── entity/
│   │   │   ├── mapper/
│   │   │   ├── ShardingDemoApplication.java
│   └── resources/
│       ├── application.yml
├── pom.xml

🧱 二、核心依賴配置（pom.xml）

<dependencies><!-- Spring Boot Starter --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>cn.hutool</groupId><artifactId>hutool-all</artifactId><version>5.8.16</version> <!-- 使用最新版本 --></dependency><!-- MyBatis Plus --><dependency><groupId>com.baomidou</groupId><artifactId>mybatis-plus-spring-boot3-starter</artifactId><version>3.5.11</version></dependency><!-- ShardingSphere-JDBC --><dependency><groupId>org.apache.shardingsphere</groupId><artifactId>shardingsphere-jdbc-core-spring-boot-starter</artifactId><version>5.2.1</version></dependency><!-- MySQL Connector --><dependency><groupId>com.mysql</groupId><artifactId>mysql-connector-j</artifactId></dependency><!-- Lombok & Fastjson 可選 --><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId></dependency></dependencies>

🧬 三、數據結構設計（核心表）

1?? 用戶表（廣播表）

CREATE TABLE t_user (id BIGINT PRIMARY KEY,username VARCHAR(50),phone VARCHAR(20)
);

2?? 訂單主表（分庫 + 分表）

CREATE TABLE t_order_0 (id BIGINT PRIMARY KEY,user_id BIGINT,order_no VARCHAR(64),amount DECIMAL(10,2),create_time DATETIME
);

CREATE TABLE t_order_1 (id BIGINT PRIMARY KEY,user_id BIGINT,order_no VARCHAR(64),amount DECIMAL(10,2),create_time DATETIME
);

CREATE TABLE t_order_2 (id BIGINT PRIMARY KEY,user_id BIGINT,order_no VARCHAR(64),amount DECIMAL(10,2),create_time DATETIME
);

?? 四、application.yml 配置（核心）

spring:shardingsphere:datasource:names: ds0, ds1, ds2ds0:type: com.zaxxer.hikari.HikariDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverjdbc-url: jdbc:mysql://mysql-master:3307/testdb?useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=trueusername: rootpassword: rootds1:type: com.zaxxer.hikari.HikariDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverjdbc-url: jdbc:mysql://mysql-slave1:3308/testdb?useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=trueusername: rootpassword: rootds2:type: com.zaxxer.hikari.HikariDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverjdbc-url: jdbc:mysql://mysql-slave2:3309/testdb?useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=trueusername: rootpassword: rootrules:sharding:tables:t_order:actual-data-nodes: ds$->{0..2}.t_order_$->{0..2}table-strategy:standard:sharding-column: user_idsharding-algorithm-name: order-table-inline  # 使用 sharding-algorithm-namedatabase-strategy:standard:sharding-column: user_idsharding-algorithm-name: order-db-inlinebroadcast-tables:- t_userdefault-database-strategy:none:default-table-strategy:none:sharding-algorithms:order-db-inline:type: INLINEprops:algorithm-expression: ds${user_id % 3}order-table-inline:type: INLINEprops:algorithm-expression: t_order_${user_id % 3}props:sql-show: true

ShardingSphere-JDBC 配置詳解

1. 數據源配置 (datasource)

定義了 3 個 MySQL 數據源（ds0、ds1、ds2），分別指向主庫和從庫。

配置項	說明
spring.shardingsphere.datasource.names	數據源名稱列表（ds0, ds1, ds2）
ds0.type	數據源類型（HikariCP 連接池）
ds0.driver-class-name	JDBC 驅動類（MySQL 8.0+）
ds0.jdbc-url	主庫連接 URL（mysql-master:3307）
ds0.username / ds0.password	數據庫登錄憑據（root/root）
ds1.jdbc-url	從庫 1 連接 URL（mysql-slave1:3308）
ds2.jdbc-url	從庫 2 連接 URL（mysql-slave2:3309）

---

2. 分片規則 (rules.sharding)

(1) 表分片配置 (tables)

配置 t_order 表的分庫分表策略。

配置項	說明
t_order.actual-data-nodes	實際數據節點格式： - ds$->{0..2}.t_order_$->{0..2} 表示： - 數據源：ds0、ds1、ds2 - 表：t_order_0、t_order_1、t_order_2
t_order.table-strategy	表分片策略（按 user_id 分片）
t_order.database-strategy	庫分片策略（按 user_id 分庫）

(2) 分片算法 (sharding-algorithms)

定義庫和表的分片算法。

算法名稱	類型	算法表達式	說明
order-db-inline	INLINE	ds${user_id % 3}	根據 user_id % 3 路由到 ds0/ds1/ds2
order-table-inline	INLINE	t_order_${user_id % 3}	根據 user_id % 3 路由到 t_order_0/t_order_1/t_order_2

(3) 廣播表 (broadcast-tables)

配置 t_user 表為廣播表（所有庫全量同步）。

配置項	說明
broadcast-tables	廣播表列表（t_user）

(4) 默認策略 (default-*)

顯式禁用默認分庫分表策略（僅對未配置的表生效）。

配置項	說明
default-database-strategy.none	默認不分庫
default-table-strategy.none	默認不分表

---

3. 屬性配置 (props)

配置項	說明
sql-show: true	打印 SQL 日志（調試用）

---

完整配置總結

層級	關鍵配置項	作用
數據源	datasource.names	定義 3 個數據源（ds0, ds1, ds2）
分片規則	tables.t_order.actual-data-nodes	邏輯表 t_order 映射到 3 個庫的 3 張分表（共 9 張表）
分片策略	database-strategy / table-strategy	按 user_id 分庫分表
分片算法	order-db-inline / order-table-inline	通過取模運算路由數據
廣播表	broadcast-tables: t_user	t_user 表在所有庫中全量同步
調試	sql-show: true	打印實際執行的 SQL

---

潛在問題檢查

1. 表名沖突
   • 確保數據庫中不存在名為 order 的表（你的配置已使用 t_order，無沖突）。
2. 分表是否創建
   • 需手動創建所有分表（如 ds0.t_order_0, ds1.t_order_1 等）。
3. 分片鍵類型
   • user_id 應為數值類型（否則 % 運算可能失敗）。
4. SQL 日志驗證
   • 啟用 sql-show: true 后，觀察日志確認路由是否正確。

---

示例 SQL 路由結果

假設 user_id = 5：

• 分庫路由：5 % 3 = 2 → ds2

• 分表路由：5 % 3 = 2 → t_order_2

• 最終 SQL：

  INSERT INTO t_order_2 (id, user_id, ...) VALUES (?, 5, ...)
  

  執行在 ds2 數據源上。

---

通過以上配置，ShardingSphere 會根據 user_id 自動將數據分散到不同的庫和表中。如果仍有問題，建議檢查：

1. 數據庫表是否已創建。
2. 分片鍵 user_id 的值是否符合預期。
3. 日志中輸出的實際 SQL 是否符合分片邏輯。

---

🧩 五、Java 實體與 DAO 層設計

實體類

import com.baomidou.mybatisplus.annotation.TableName;
import lombok.Data;import java.math.BigDecimal;
import java.time.LocalDateTime;@Data
@TableName("t_order")
public class Order {private Long id;private Long userId;private String orderNo;private BigDecimal amount;private LocalDateTime createTime;
}

Mapper接口

import com.baomidou.mybatisplus.core.mapper.BaseMapper;
import com.example.shardingdemo.entity.Order;
import org.apache.ibatis.annotations.Mapper;@Mapper
public interface OrderMapper extends BaseMapper<Order> {
}

Controller接口

import cn.hutool.core.util.IdUtil;
import com.example.shardingdemo.entity.Order;
import com.example.shardingdemo.mapper.OrderMapper;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;import java.math.BigDecimal;
import java.time.LocalDateTime;
import java.util.List;@RestController
@RequestMapping("/order")
public class OrderController {@Autowiredprivate OrderMapper orderMapper;@PostMapping("/create")public String createOrder() {Order order = new Order();order.setId(IdUtil.getSnowflakeNextId());order.setUserId(1001L);order.setOrderNo("ORDER_" + System.currentTimeMillis());order.setAmount(new BigDecimal("99.99"));order.setCreateTime(LocalDateTime.now());orderMapper.insert(order);return "OK";}@GetMapping("/list")public List<Order> listOrders() {return orderMapper.selectList(null);}
}

---

🚦 常用查詢效果演示

? 寫入數據

Logic SQL: INSERT INTO t_order  ( id, user_id, order_no, amount, create_time )  VALUES (  ?, ?, ?, ?, ?  )
Actual SQL: ds2 ::: INSERT INTO t_order_2  ( id, user_id, order_no, amount, create_time )  VALUES (?, ?, ?, ?, ?) ::: [1952250075647401984, 1001, ORDER_1754287663743, 99.99, 2025-08-04T14:07:43.743983]

計算 userId=1001 的路由結果

(1) 分庫計算

1001 % 3 = 2  // 余數為 2

目標庫：ds2（對應 ds${2}）

(2) 分表計算

1001 % 3 = 2  // 余數仍為 2

目標表：t_order_2（對應 t_order_${2}）

? 查詢數據

Actual SQL: ds2 ::: SELECT id,user_id,order_no,amount,create_time FROM t_order_0 WHERE id=? UNION ALL SELECT id,user_id,order_no,amount,create_time FROM t_order_1 WHERE id=? UNION ALL SELECT id,user_id,order_no,amount,create_time FROM t_order_2 WHERE id=? ::: [1952241523566383104, 1952241523566383104, 1952241523566383104]

👉 自動路由，跨表/跨庫查詢時支持 Merge 結果集

---

🚧 常見問題與優化建議

問題/瓶頸	原因分析	優化建議
跨庫查詢慢	無法使用索引	避免跨庫；結合分片鍵做等值過濾
寫入熱點庫慢	分片策略不均勻	使用雪花 ID + hash 分庫分表策略
SQL 不支持	復雜 JOIN / 子查詢等	拆分邏輯到應用層，使用綁定表提升性能
分布式事務處理	多庫事務需要協調	引入 Seata 或采用 BASE 最終一致性方案
分片表擴容麻煩	表名寫死、規則不靈活	使用 Hint / 時間分片表達式 / Inline 表達式

---

📎 參考資料與源碼下載

• 🔗 官方文檔（ShardingSphere）

---

💬 如果你覺得這篇文章對你有幫助，歡迎點贊 + 收藏 + 評論，一起交流分庫分表最佳實踐！