MyCat分片規則(全域性表，ER分片表，多對多關聯，主鍵分片VS非主鍵分片)，MyCat常用的分片規則（15中分片規則），自定義MyCat分片規則

阿新 • • 發佈：2018-12-12

1 MyCat分片規則

資料切分中重要的幾條原則，其中有幾條資料冗餘，表分組（Table Group）。

1.1全域性表

如果你的業務中有些資料類似於資料字典，比如配置檔案的配置，常用業務的配置或資料量不是很大，很少變動的表，這些表往往不是特別大，而且大部分的業務場景都會用到，那麼這種表適合於MyCat全域性表，無須對資料進行切分。只要在所有的分片上儲存一份資料即可，MyCat在Join操作中，業務表與全域性表進行Join聚合會優先選擇相同分片內的全域性表join，避免跨庫Join，在進行資料插入操作時，mycat 將把資料分發到全域性表對應的所有分片執行，在進行資料讀取時候將會隨機獲取一個節點讀取資料。

全域性表的配置如下：

<table name=”t_area” primaryKey=”id” type=”gloab” dataNode=”dn1,dn2”/>

1.2.ER分片表

有一類業務，例如訂單（order）跟訂單明細（order_detail）,明細表會依賴於訂單，也就是說會存在表的主從關係，這類似業務的切分可以抽象出合適的切分規則，比如根據使用者ID切分，其它相關的表都依賴於使用者ID，再或者根據訂單ID切分，總之部分業務總會可以抽象出父子關係的表。這類表適用於ER分片表，子表的記錄與所有關聯的父表記錄存放在同一個資料分片上，避免資料Join跨庫操作。以order與order_detail例子為例，schema.xml中定義如下的分片配置，order,order_detail根據order_id進行資料切分，保證相同order_id的資料分到同一分片上，在進行資料插入操作時，MyCat會獲取order所在的分片，然後將order_detail也插入到order所在的分片。

<table name=”order” dataNode=”dn$1-32” rule=”mod-long”>
    <childTable name="order_detail" primaryKey="id" joinKey=”order_id” parentKey=”order_id”/>
</table>

1.3.多對多關聯（Mycat弱項）

有一類業務場景是”主表A + 關係表 + 主表B”，舉例來說就是商戶會員 + 訂單 + 商戶，對應這類業務，如果切分：從會員的角度，如果需要查詢會員購買的訂單，那按照會員進行切分即可，但是如果查詢商戶當天售出的訂單，那又需要按照商戶做切分，可以是如果按照會員又要按照商戶切分，幾乎是無法實現，這類業務如何選擇切分規則非常難。目前還暫時無法很好支援這種模式下的3個表之間的關聯。目前總的原則是需要從業務角度來看，關係表更偏向哪個表，即”A的關係”還是”B的關係”，來決定關係表跟從那個方向來儲存，未來MyCat版本中將考慮將中間表進行雙向複製，以實現從A-關係表以及B-關係表的雙向關聯查詢如下圖所示：這裡寫圖片描述

1.4.主鍵分片vs非主鍵分片

當你沒有任何欄位可以作為分片欄位的時候，主鍵分片就是唯一選擇，其優點是按照主鍵的查詢最快，當採用自動增長的序號作為主鍵時，還能比較均勻的將資料分片在不同的節點上。若有某個合適的業務欄位比較適合作為分片欄位，則建議採用此業務欄位分片，選擇分片欄位的條件如下： 1、儘可能的比較均勻分佈資料到各個節點上。 2、該業務欄位是最頻繁的或者最重要的查詢條件。常見的除了主鍵之外的其他可能分片欄位有”訂單建立時間”、”店鋪類別”或”所在省”等。當你找到某個合適的業務欄位作為分片欄位以後，不必糾結於”犧牲了按主鍵查詢記錄的效能”，因為在這種情況下，Mycat提供了”主鍵到分片”的記憶體快取機制，熱點資料按照主鍵查詢，絲毫不損失效能。

<table name=”t_user” primaryKey=”user_id” dataNode=”dn$1-32” rule=”mod-long”>
    <childTable name= "t_user_detail" primaryKey=”id” joinKey=”user_id” parentKey=”user_id”/>
</table>

對於非主鍵分片的table,填寫屬性primaryKey,此時MyCat會將你根據主鍵查詢的SQL語句的第一次執行結果進行分析，確定該Table的某個主鍵在什麼分片上，並進行主鍵到分片ID的快取。第二次或後續查詢mycat會優先從快取中查詢是否有idnode即主鍵到分片的對映，如果有直接查詢，通過此種方法提高了非主鍵分片的查詢效能。

2 MyCat常用的分片規則

2.1.分片列舉

通過在配置檔案中配置可能的列舉id，自己的配置分片，本規則適用於特定的場景，比如有些業務需要按照省份或區縣來做儲存，而全國省份區縣固定的，這類業務使用本條規則，配置如下：

<tableRule name=”sharding-by-intfile”>
<rule>
    <columns>user_id</columns>
    <algorithm>hash-int</algorithm>
</rule>
</tableRule>
<function name=”hash-int” class=”org.opencloudb.route.function.PartitionByFileMap”>
<property name=”mapFile”>partition-hash-int.txt</property>
<property name=”type”>0</property>
<property name=”defaultNode”>0</property>
</function>

partition-hash-int.txt 配置：
10000=0
10010=1
DEFAULT_NODE=1

上面columns標識將要分片的表字段，algorithm分片函式。其中分片函式配置中，mapFile標識配置檔名稱，type預設值為0,0表示Integer，非零表示String,所有的節點配置都是從0開始，以及0代表節點1。

/**
 *defaultNode預設節點：小於0表示不設定預設節點，大於等於0表示設定預設節點
 *預設節點的作用：列舉分片時，如果碰到不識別的列舉值，就讓它路由到預設節點。
 *如果不配置預設節點（defaultNode值小於0表示不配置預設節點），碰到不識別的枚*舉值就會報錯。
*like this:can’t find datanode for sharding column:column_name val:fffffff
 */

2.2.固定分片hash演算法

本條規則類似於十進位制的求模運算，在連續插入1-10時候，1-10會被分到1-10個分片，增大了插入的事務控制難度，而此演算法根據二進位制則可能會分到連續的分片，減少插入事務控制難度。

<tableRule name=”rule1”>
<rule>
    <columns>user_id</columns>
    <algorithm>func1</algorithm>
</rule>
</tableRule>
<function name=”func1” class="org.opencloudb.route.function.PartitionByLong">
<property name=”partitionCount”>2,1</property>
<property name=”partitionLength”>256,512</property>
</function>

配置說明：上面 columns 標識將要分片的表字段，algorithm 分片函式，partitionCount 分片個數列表，partitionLength分片範圍列表分割槽長度：預設為最大2^n=1024,即最大支援1024分割槽。約束： count,length兩個陣列的長度必須是一致的。 1024 = sum((count[i] * length[i])).count和length兩個向量的點積恆等於1024

用法例子：本例的分割槽策略：希望將資料水平分成3份，前兩份各佔25%，第三份佔50%。（故本利非均勻分割槽）

// |<--------------------------1024----------------------------------->|
// |<------256----->|<------256----->|<--------------512-------------->|
// |     partition0 |     partition1 |            partition2          |

// | 共 2 份,故 count[0]=2 | 共 1 份，故 count[1]=1 | int[] count = new int[] { 2, 1 }; int[] length = new int[] { 256, 512 }; PartitionUtil pu = new PartitionUtil(count, length); //下面程式碼演示分別以offerId欄位或memberId欄位根據上述分割槽策略拆分的分配結果 int DEFAULT_STR_HEAD_LEN = 8; // cobar預設會配置為此值 long offerId = 12345; String memberId = “qiushuo”; //若根據offerId分配，partNo1將等於0，即按照上述分割槽策略，offerId為12345時將會被分配到partition0中 int partNo1 = pu.partition(offerId); //若根據memberId分配，partNo2將等於2，即按照上述分割槽策略，memberId為qiushuo時將會被分到partition2中 int partNo2 = pu.partition(memberId, 0, DEFAULT_STR_HEAD_LEN);

如果需要平均分配設定：平均分為 4 分片，partitionCount*partitionLength=1024

<function name="func1" class="org.opencloudb.route.function.PartitionByLong">
<property name="partitionCount">4</property>
<property name="partitionLength">256</property>
</function>

2.3.範圍約定

此分片適用於提前規劃好分片欄位某個範圍屬於哪個分片，

start <= range <= end.
    range start-end ,data node index
K=1000,M=10000.

<tableRule name="auto-sharding-long">
<rule>
    <columns>user_id</columns>
    <algorithm>rang-long</algorithm>
</rule>
</tableRule>
<function name="rang-long" class="org.opencloudb.route.function.AutoPartitionByLong">
<property name="mapFile">autopartition-long.txt</property>
<property name="defaultNode">0</property>
</function>

配置說明：上面 columns 標識將要分片的表字段，algorithm 分片函式， rang-long 函式中 mapFile 代表配置檔案路徑 defaultNode 超過範圍後的預設節點。所有的節點配置都是從 0 開始，及 0 代表節點 1，此配置非常簡單，即預先制定可能的 id 範圍到某個分片 0-500M=0 500M-1000M=1 1000M-1500M=2 或 0-10000000=0 10000001-20000000=1

2.4.取模

此規則為對分片欄位求模運算

<tableRule name="mod-long">
<rule>
<columns>user_id</columns>
<algorithm>mod-long</algorithm>
</rule>
</tableRule>
<function name="mod-long" class="org.opencloudb.route.function.PartitionByMod">
<!-- how many data nodes  -->
<property name="count">3</property>
</function>

配置說明：上面 columns 標識將要分片的表字段，algorithm 分片函式，此種配置非常明確即根據 id 進行十進位制求模預算，相比固定分片 hash，此種在批量插入時可能存在批量插入單事務插入多資料分片，增大事務一致性難度。

2.5.按日期（天）分片

此規則為按天分片

<tableRule name="sharding-by-date">
<rule>
<columns>create_time</columns>
<algorithm>sharding-by-date</algorithm>
</rule>
</tableRule>
<function name="sharding-by-date"
class="org.opencloudb.route.function.PartitionByDate">
<property name="dateFormat">yyyy-MM-dd</property> 
<property name="sBeginDate">2014-01-01</property>
<property name="sEndDate">2014-01-02</property>
<property name="sPartionDay">10</property>
</function>

配置說明： columns ：標識將要分片的表字段 algorithm ：分片函式 dateFormat ：日期格式 sBeginDate ：開始日期 sEndDate：結束日期 sPartionDay ：分割槽天數，即預設從開始日期算起，分隔 10 天一個分割槽如果配置了 sEndDate 則代表資料達到了這個日期的分片後後迴圈從開始分片插入。

Assert.assertEquals(true, 0 == partition.calculate(“2014-01-01”)); 
Assert.assertEquals(true, 0 == partition.calculate(“2014-01-10”)); 
Assert.assertEquals(true, 1 == partition.calculate(“2014-01-11”)); 
Assert.assertEquals(true, 12 == partition.calculate(“2014-05-01”));

2.6.取模範圍約束

此種規則是取模運算與範圍約束的結合，主要為了後續資料遷移做準備，即可以自主決定取模後資料的節點分佈。

<tableRule name="sharding-by-pattern">
<rule>
<columns>user_id</columns>
<algorithm>sharding-by-pattern</algorithm>
</rule>
</tableRule>
<function name="sharding-by-pattern"
class="org.opencloudb.route.function.PartitionByPattern">
<property name="patternValue">256</property>
<property name="defaultNode">2</property>
<property name="mapFile">partition-pattern.txt</property>
</function>

partition-pattern.txt

# id partition range start-end ,data node index
###### first host configuration
1-32=0
33-64=1
121

65-96=2
97-128=3
######## second host configuration
129-160=4
161-192=5
193-224=6
225-256=7
0-0=7

配置說明：上面 columns 標識將要分片的表字段，algorithm 分片函式，patternValue 即求模基數，defaoultNode 預設節點，如果配置了預設，則不會按照求模運算 mapFile 配置檔案路徑配置檔案中，1-32 即代表 id%256 後分布的範圍，如果在 1-32 則在分割槽 1，其他類推，如果 id 非資料，則會分配在 defaoultNode 預設節點

String idVal = “0”; 
Assert.assertEquals(true, 7 == autoPartition.calculate(idVal)); 
idVal = “45a”; 
Assert.assertEquals(true, 2 == autoPartition.calculate(idVal));

2.7.擷取數字做 hash 求模範圍約束

此種規則類似於取模範圍約束，此規則支援資料符號字母取模。

<tableRule name="sharding-by-prefixpattern">
<rule>
<columns>user_id</columns>
<algorithm>sharding-by-prefixpattern</algorithm>
</rule>
</tableRule>
<function name="sharding-by-pattern"
class="org.opencloudb.route.function.PartitionByPrefixPattern">
<property name="patternValue">256</property>
<property name="prefixLength">5</property>
<property name="mapFile">partition-pattern.txt</property>
</function>

partition-pattern.txt
partition-pattern.txt

# range start-end ,data node index
# ASCII
# 8-57=0-9阿拉伯數字
# 64、[email protected]、A-Z
# 97-122=a-z
###### first host configuration
1-4=0
5-8=1
9-12=2
13-16=3
###### second host configuration
17-20=4
21-24=5
25-28=6
29-32=7
0-0=7

配置說明：上面 columns 標識將要分片的表字段，algorithm 分片函式，patternValue 即求模基數，prefixLength ASCII 擷取的位數 mapFile 配置檔案路徑配置檔案中，1-32 即代表 id%256 後分布的範圍，如果在 1-32 則在分割槽 1，其他類推此種方式類似方式 6 只不過採取的是將列種獲取前 prefixLength 位列所有 ASCII 碼的和進行求模 sum%patternValue ,獲取的值，在範圍內的分片數，

String idVal=“gf89f9a”; 
Assert.assertEquals(true, 0==autoPartition.calculate(idVal)); 
idVal=“8df99a”; 
Assert.assertEquals(true, 4==autoPartition.calculate(idVal)); 
idVal=“8dhdf99a”; 
Assert.assertEquals(true, 3==autoPartition.calculate(idVal));

2.8.應用指定

此規則是在執行階段有應用自主決定路由到那個分片。

<tableRule name="sharding-by-substring">
<rule>
<columns>user_id</columns>
<algorithm>sharding-by-substring</algorithm>
</rule>
</tableRule>
<function name="sharding-by-substring"
class="org.opencloudb.route.function.PartitionDirectBySubString">
<property name="startIndex">0</property><!-- zero-based -->
<property name="size">2</property>
<property name="partitionCount">8</property>
<property name="defaultPartition">0</property>
</function>

配置說明：上面 columns 標識將要分片的表字段，algorithm 分片函式此方法為直接根據字元子串（必須是數字）計算分割槽號（由應用傳遞引數，顯式指定分割槽號）。例如 id=05-100000002 在此配置中代表根據 id 中從 startIndex=0，開始，擷取 siz=2 位數字即 05，05 就是獲取的分割槽，如果沒傳預設分配到 defaultPartition

2.9.擷取數字hash解析

此規則是擷取字串中的int數值hash分片。

<tableRule name="sharding-by-stringhash">
<rule>
    <columns>user_id</columns>
    <algorithm>sharding-by-stringhash</algorithm>
</rule>
</tableRule>
<function name="sharding-by-stringhash"
class="org.opencloudb.route.function.PartitionByString">
<property name="partitionLength">512</property><!-- zero-based -->
<property name="partitionCount">2</property>
<property name="hashSlice">0:2</property>
</function>

配置說明：上面 columns 標識將要分片的表字段，algorithm 分片函式函式中partitionLength 代表字串 hash 求模基數， partitionCount 分割槽數， hashSlice hash 預算位，即根據子字串中 int 值 hash 運算 hashSlice ： 0 means str.length(), -1 means str.length()-1

/** 
* “2” -> (0,2) 
* “1:2” -> (1,2) 
* “1:” -> (1,0) 
* “-1:” -> (-1,0) 
* “:-1” -> (0,-1) 
* “:” -> (0,0) 
*/

例子：

String idVal=null;
rule.setPartitionLength("512");
rule.setPartitionCount("2");
rule.init();
rule.setHashSlice("0:2");
// idVal = "0";
// Assert.assertEquals(true, 0 == rule.calculate(idVal));
// idVal = "45a";
// Assert.assertEquals(true, 1 == rule.calculate(idVal));
// last 4
rule = new PartitionByString();
rule.setPartitionLength("512");
rule.setPartitionCount("2");
rule.init();
//last 4 characters
rule.setHashSlice("-4:0");
idVal = "aaaabbb0000";
Assert.assertEquals(true, 0 == rule.calculate(idVal));
idVal = "aaaabbb2359";
Assert.assertEquals(true, 0 == rule.calculate(idVal));

2.10.一致性hash

一致性 hash 預算有效解決了分散式資料的擴容問題。

<tableRule name="sharding-by-murmur">
<rule>
<columns>user_id</columns>
<algorithm>murmur</algorithm>
</rule>
</tableRule>
<function name="murmur" class="org.opencloudb.route.function.PartitionByMurmurHash">
<property name="seed">0</property><!--預設是0-->
<property name="count">2</property><!--要分片的資料庫節點數量，必須指定，否則沒法分片-->
<property name="virtualBucketTimes">160</property><!--一個實際的資料庫節點被對映為這麼多虛擬
節點，預設是160倍，也就是虛擬節點數是物理節點數的160倍-->
<!--
<property name="weightMapFile">weightMapFile</property>
節點的權重，沒有指定權重的節點預設是1。以properties檔案的格式填寫，以從0開始到count-1的整數值也就
是節點索引為key，以節點權重值為值。所有權重值必須是正整數，否則以1代替   -->
<!--
<property name="bucketMapPath">/etc/mycat/bucketMapPath</property>
用於測試時觀察各物理節點與虛擬節點的分佈情況，如果指定了這個屬性，會把虛擬節點的murmur hash值與物理節
點的對映按行輸出到這個檔案，沒有預設值，如果不指定，就不會輸出任何東西  -->
</function>

2.11.按單月小時拆分

此規則是單月內按照小時拆分，最小粒度是小時，可以一天最多 24 個分片，最少 1 個分片，一個月完後下月從頭開始迴圈。每個月內按照小時拆分，最小粒度是小時，可以一天最多24個分片，一個月完後下月開始迴圈。每個月月尾，需要手工清理資料。

<tableRule name="sharding-by-hour">
<rule>
<columns>create_time</columns>
<algorithm>sharding-by-hour</algorithm>
</rule>
</tableRule>
<function name="sharding-by-hour"
class="org.opencloudb.route.function.LatestMonthPartion">
<property name="splitOneDay">24</property>
</function>

配置說明：

columns： 拆分欄位，字串型別（yyyymmddHH）
splitOneDay ： 一天切分的分片數
LatestMonthPartion partion = new LatestMonthPartion();
partion.setSplitOneDay(24);
Integer val = partion.calculate("2015020100");
assertTrue(val == 0);
val = partion.calculate("2015020216");
assertTrue(val == 40);
val = partion.calculate("2015022823");
assertTrue(val == 27 * 24 + 23);

Integer[] span = partion.calculateRange("2015020100", "2015022823");
assertTrue(span.length == 27 * 24 + 23 + 1);

assertTrue(span[0] == 0 && span[span.length - 1] == 27 * 24 + 23);
span = partion.calculateRange("2015020100", "2015020123");
assertTrue(span.length == 24);
assertTrue(span[0] == 0 && span[span.length - 1] == 23);

2.12.範圍求模分片

先進行範圍分片計算出分片組，組內再求模優點可以避免擴容時的資料遷移，又可以一定程度上避免範圍分片的熱點問題綜合了範圍分片和求模分片的優點，分片組內使用求模可以保證組內資料比較均勻，分片組之間是範圍分片可以兼顧範圍查詢。最好事先規劃好分片的數量，資料擴容時按分片組擴容，則原有分片組的資料不需要遷移。由於分片組內資料比較均勻，所以分片組內可以避免熱點資料問題。

<tableRule name="auto-sharding-rang-mod">
<rule>
    <columns>id</columns>
    <algorithm>rang-mod</algorithm>
</rule>
</tableRule>
<function name="rang-mod"
class="org.opencloudb.route.function.PartitionByRangeMod">
    <property name="mapFile">partition-range-mod.txt</property>
    <property name="defaultNode">21</property>
</function>

配置說明：上面 columns 標識將要分片的表字段，algorithm 分片函式 rang-mod 函式中 mapFile 代表配置檔案路徑 defaultNode 超過範圍後的預設節點順序號，節點從 0 開始。

partition-range-mod.txt range start-end ,data node group size 以下配置一個範圍代表一個分片組，=號後面的數字代表該分片組所擁有的分片的數量。 0-200M=5 //代表有 5 個分片節點

200M1-400M=1
400M1-600M=4
600M1-800M=4
800M1-1000M=6

2.13.日期範圍hash分片

思想與範圍求模一致，當由於日期在取模會有資料集中問題，所以改成 hash 方法。先根據日期分組，再根據時間 hash 使得短期內資料分佈的更均勻

優點可以避免擴容時的資料遷移，又可以一定程度上避免範圍分片的熱點問題要求日期格式儘量精確些，不然達不到區域性均勻的目的

<tableRule name="rangeDateHash">
<rule>
    <columns>col_date</columns>
    <algorithm>range-date-hash</algorithm>
</rule>
</tableRule>
<function name="range-date-hash"
class="org.opencloudb.route.function.PartitionByRangeDateHash">
    <property name="sBeginDate">2014-01-01 00:00:00</property>
    <property name="sPartionDay">3</property>
    <property name="dateFormat">yyyy-MM-dd HH:mm:ss</property>
    <property name="groupPartionSize">6</property>
</function>

sPartionDay  代表多少天分一個分片
groupPartionSize  代表分片組的大小

2.14.冷熱資料分片

根據日期查詢日誌資料冷熱資料分佈，最近 n 個月的到實時交易庫查詢，超過 n 個月的按照 m 天分片。

<tableRule name="sharding-by-date"> 
      <rule> 
        <columns>create_time</columns> 
        <algorithm>sharding-by-hotdate</algorithm> 
      </rule> 
   </tableRule>   
<function name="sharding-by-hotdate" class="org.opencloudb.route.function.PartitionByHotDate"> 
    <property name="dateFormat">yyyy-MM-dd</property> 
    <property name="sLastDay">10</property> 
    <property name="sPartionDay">30</property> 
</function>

2.15.自然月分片

按月份列分割槽，每個自然月一個分片，格式 between 操作解析的範例。

<tableRule name="sharding-by-month">
<rule>
<columns>create_time</columns>
<algorithm>sharding-by-month</algorithm>
</rule>
</tableRule>
<function name="sharding-by-month"
class="org.opencloudb.route.function.PartitionByMonth">
<property name="dateFormat">yyyy-MM-dd</property>
<property name="sBeginDate">2014-01-01</property>
</function>

配置說明： columns：分片欄位，字串型別 dateFormat ：日期字串格式 sBeginDate ：開始日期

PartitionByMonth partition = new PartitionByMonth();
partition.setDateFormat("yyyy-MM-dd");
partition.setsBeginDate("2014-01-01");
partition.init();
Assert.assertEquals(true, 0 == partition.calculate("2014-01-01"));
Assert.assertEquals(true, 0 == partition.calculate("2014-01-10"));
Assert.assertEquals(true, 0 == partition.calculate("2014-01-31"));
Assert.assertEquals(true, 1 == partition.calculate("2014-02-01"));
Assert.assertEquals(true, 1 == partition.calculate("2014-02-28"));
Assert.assertEquals(true, 2 == partition.calculate("2014-03-1"));
Assert.assertEquals(true, 11 == partition.calculate("2014-12-31"));
Assert.assertEquals(true, 12 == partition.calculate("2015-01-31"));
Assert.assertEquals(true, 23 == partition.calculate("2015-12-31"));

3 自定義MyCat分片規則

3.1.修改rule.xml中檔案規則的定義

進入安裝的MyCat目錄，新增tableRule：

<!--針對專案做自定義配置-->
<tableRule name="mod50-long">
<rule>
<columns>id</columns>
        <algorithm>mod50-long</algorithm>
    </rule>
</tableRule>

新增function內容：

<function name="mod50-long" class="io.mycat.route.function.PartitionByMod">
<!-- how many data nodes -->
    <property name="count">50</property>
</function>

3.2.修改schema.xml

<!DOCTYPE mycat:schema SYSTEM "schema.dtd">
<mycat:schema xmlns:mycat="http://io.mycat/">

        <schema name="TESTDB" checkSQLschema="false" sqlMaxLimit="100">
              <table name="tb_pos_trade" primaryKey="id" autoIncrement="true" subTables="tb_pos_trade$1-50" dataNode="dn1" rule="mod50-long" />
        </schema>
        <dataNode name="dn1" dataHost="m1" database="db1" />
        <dataNode name="dn2" dataHost="m2" database="db1" />
        <dataHost name="m1" maxCon="1000" minCon="10" balance="0" writeType="0" dbType="mysql" dbDriver="native" switchType="1"  slaveThreshold="100">
                <heartbeat>select user()</heartbeat>
                <!-- can have multi write hosts -->
                <writeHost host="m1" url="bigdata1:3306" user="root" password="123456">
                        <!-- can have multi read hosts -->
                        <readHost host="hostS2" url="bigdata1:3306" user="root" password="123456" />
                </writeHost>
                <!--<writeHost host="hostS1" url="localhost:3316" user="root" password="123456" />-->
        </dataHost>
        <dataHost name="m2" maxCon="1000" minCon="10" balance="0" writeType="0" dbType="mysql" dbDriver="native" switchType="1"  slaveThreshold="100">
                <heartbeat>select user()</heartbeat>
                <!-- can have multi write hosts -->
                <writeHost host="m2" url="bigdata2:3306" user="root" password="123456"></writeHost>
        </dataHost>
</mycat:schema>

4 其它術語

4.1.邏輯表

既然有邏輯庫，那麼就會有邏輯表，分散式資料庫中，對應用來說，讀寫資料的表就是邏輯表。邏輯表，可以是資料切分後，分佈在一個或多個分片庫中，也可以不做資料切分，不分片，只有一個表構成。

4.2.分片表

分片表，是指那些原有的很大資料的表，需要切分到多個數據庫的表，這樣，每個分片都有一部分資料，所有分片構成了完整的資料。例如在 mycat 配置中的 t_node 就屬於分片表，資料按照規則被分到 dn1,dn2 兩個分片節點(dataNode) 上。

<table name=”t_node” primaryKey=”vid” autoIncrement=”true” dataNode=”dn1,dn2” rule1></table>

4.3.非分片表

一個數據庫中並不是所有的表都很大，某些表是可以不用進行切分的，非分片是相對分片表來說的，就是那些不需要進行資料切分的表。如下配置中 t_node，只存在於分片節點（dataNode）dn1 上。

<table name=”t_node” primaryKey=”vid” autoIncrement=”true” dataNode=”dn1”></table>

4.4.ER表

關係型資料庫是基於實體關係模型（Entity-Relationship Model)之上，通過其描述了真實世界中事物與關系，Mycat 中的 ER 表即是來源於此。根據這一思路，提出了基於 E-R 關係的資料分片策略，子表的記錄與所關聯的父表記錄存放在同一個資料分片上，即子表依賴於父表，通過表分組（Table Group）保證資料 Join 不會跨庫操作。表分組（Table Group）是解決跨分片資料 join 的一種很好的思路，也是資料切分規劃的重要一條規則。

4.5.全域性表

一個真實的業務系統中，往往存在大量的類似字典表的表，這些表基本上很少變動，字典表具有以下幾個特性： • 變動不頻繁 • 資料量總體變化不大 • 資料規模不大，很少有超過數十萬條記錄。對於這類的表，在分片的情況下，當業務表因為規模而進行分片以後，業務表與這些附屬的字典表之間的關聯，就成了比較棘手的問題，所以 Mycat 中通過資料冗餘來解決這類表的 join，即所有的分片都有一份資料的拷貝，所有將字典表或者符合字典表特性的一些表定義為全域性表。資料冗餘是解決跨分片資料 join 的一種很好的思路，也是資料切分規劃的另外一條重要規則。

4.6關於分散式事務

參考書籍:《分散式資料庫架構及企業實踐-基於Mycat中介軟體》中的第7章。

--------------------- 本文來自 toto1297488504 的CSDN 部落格，全文地址請點選：https://blog.csdn.net/tototuzuoquan/article/details/80362892?utm_source=copy