springboot整合sharding-jdbc

前言

生产环境中，当单表数据达到一定的量级的时候，查询性能的瓶颈迟早会暴露出来，这个时候，解决思路可以考虑两种，一是从架构上对当前应用进行优化，比如使用es或mongodb等非关系型数据库进行配合使用，当然这种方式需要考虑一定的改造成本和团队开发人员的学习成本，另一种就是分库分表

我们常说分库分表，但是具体怎么分？为什么要分？以及使用什么样的技术进行分？这些都是需要提前考虑的问题，下面介绍一个行业中应用比较成熟的分库分表的中间件sharding-jdbc，由当当网开源的一款用于实现分库分表、读写分离等功能的中间件

基本概念

数据表切分方式

• 水平切分
• 垂直切分

考虑在应用中有一张这样的表，t_order表，即用于保存订单数据的表，当数据量比较小，可以直观的认为数据量在100万以下的时候，查询的时候，对于5.7以上的mysql引擎来说问题不是很大，但是当量级达到1000万甚至更大的时候，单表的读写性能会因为数据量过大带来的IO性能瓶颈越来越严重

java jdbc。这时候单纯从优化查询的性能考虑，可以有2种思路

第一，降低查询表的数据量，比如单表1000万数据和单表100万数据，这样的查询性能谁更快一目了然，因此方案一可以考虑进行分表，将单表拆分成多表，这种方式可以认为是水平拆分；