【源码解析】Sharding-Jdbc中的算法

Sharding-jdbc中的很多地方涉及到算法，比如主从配置这块、分库分表这块。本文主要从源码角度介绍下，目前主要包含哪些算法，以及这些算法的内容。

一、读写分离（主从配置）

这块的代码主要在core模块中的api/algorithm/masterslave下面，这块的算法的主要目的，其实是在读的时候，如何选择从数据库。按照常规的理解，可以有以下几种（参考dubbo）：

• 随机算法
• 轮询
• 最小活跃
• 一致性hash

目前在sharding-jdbc中，实现了前两种，我们看下是如何实现的。

首先是一个接口，定义了获取slave的方法，即：

public interface MasterSlaveLoadBalanceAlgorithm {

    /**
     * Get data source.
     *
     * @param name master-slave logic data source name
     * @param masterDataSourceName name of master data sources
     * @param slaveDataSourceNames names of slave data sources
     * @return name of selected data source
     */
    String getDataSource(String name, String masterDataSourceName, List<String> slaveDataSourceNames);
}

最终需要返回的是slave的名称，后续根据这个名称可以获取到连接池。

下面我们看下两种实现：

• RandomMasterSlaveLoadBalanceAlgorithm

public String getDataSource(final String name, final String masterDataSourceName, final List<String> slaveDataSourceNames) {
    return slaveDataSourceNames.get(new Random().nextInt(slaveDataSourceNames.size()));
}

可以看到，随机了一个slave集群大小的随机数，然后从slave list中获取对应的slave name。

• RoundRobinMasterSlaveLoadBalanceAlgorithm

private static final ConcurrentHashMap<String, AtomicInteger> COUNT_MAP = new ConcurrentHashMap<>();

@Override
public String getDataSource(final String name, final String masterDataSourceName, final List<String> slaveDataSourceNames) {
    AtomicInteger count = COUNT_MAP.containsKey(name) ? COUNT_MAP.get(name) : new AtomicInteger(0);
    COUNT_MAP.putIfAbsent(name, count);
    count.compareAndSet(slaveDataSourceNames.size(), 0);
    return slaveDataSourceNames.get(count.getAndIncrement() % slaveDataSourceNames.size());
}

这块用了一个缓存，COUNT_MAP，缓存的内容是name-count的键值对，而count是一个原子类，它的值一直是0，1，...,slaves.size()-1,0，1..这样循环，所以每个slave都会被轮询到。

二、分库分表

分库分表的算法目前支持的内容包括：

• 精确分库分表PreciseShardingValue
• 按照范围分库分表RangeShardingValue
• 按照列表分库分表ListShardingValue

这块主要是定义了一些接口，具体的实现还是要看自己来实现。我们来看下example中的一些已经实现的算法。

public final class PreciseModuloDatabaseShardingAlgorithm implements PreciseShardingAlgorithm<Integer> {

    @Override
    public String doSharding(final Collection<String> availableTargetNames, final PreciseShardingValue<Integer> shardingValue) {
        for (String each : availableTargetNames) {
            if (each.endsWith(shardingValue.getValue() % 2 + "")) {
                return each;
            }
        }
        throw new UnsupportedOperationException();
    }
}

这块就是实现了一个精准分片的算法，我们主要看下doSharding这个方法，里面包含两个参数availableTargetNames和shardingValue。那么这两个是什么呢？我们debug一下，跟踪一下代码，可以看到，shardingValue其实就是分片项，也就是比如order_id、user_id等等字段值，而availableTargetNames就是所谓的实际数据库表节点。这边遍历的也是实际节点，当分片项（或分片字段）满足一定的条件时，返回实际数据库表节点，用于组装sql。

总的来说，分片算法这块其实根据自己的业务需求自己进行扩展的，总的来说还是要根据实际的机器部署情况来。另外读写分离这块是否需要进行扩展，也是看后续的需要。