mycat分片规则详解+实例演示

Myth丶恋晨 2022-08-28 09:46 127阅读 0赞

### mycat分片规则 ###

*  1、环境准备 :
 *  2、分片规则
 *   *  2.1 取模分片
     *  2.2 范围分片
     *  2.3 枚举分片
     *  2.4 范围求模算法
     *  2.5 固定分片hash算法
     *  2.6 取模范围算法
     *  2.7 字符串hash求模范围算法
     *  2.8 应用指定算法
     *  2.9 字符串hash解析算法
     *  2.10 一致性hash算法
     *  2.11 日期分片算法
     *  2.12 单月小时算法
     *  2.13 自然月分片算法
     *  2.14 日期范围hash算法

MyCat的分片规则配置在conf目录下的rule.xml文件中定义 ;

# 1、环境准备 : #

1). schema.xml中的内容做好备份 , 并配置逻辑库;

<schema name="PARTITION_DB" checkSQLschema="false" sqlMaxLimit="100">
    	<table name="" dataNode="dn1,dn2,dn3" rule=""/>
    </schema>
    
    
    <dataNode name="dn1" dataHost="host1" database="partition_db" />
    <dataNode name="dn2" dataHost="host2" database="partition_db" />
    <dataNode name="dn3" dataHost="host3" database="partition_db" />
    
    
    <dataHost name="host1" maxCon="1000" minCon="10" balance="0" writeType="0" dbType="mysql" dbDriver="native" switchType="1" slaveThreshold="100">
        <heartbeat>select user()</heartbeat>
        <writeHost host="hostM1" url="192.168.192.33:3306" user="root" password="123456"></writeHost>
    </dataHost>	
    
    <dataHost name="host2" maxCon="1000" minCon="10" balance="0" writeType="0" dbType="mysql" dbDriver="native" switchType="1" slaveThreshold="100">
        <heartbeat>select user()</heartbeat>
        <writeHost host="hostM2" url="192.168.192.34:3306" user="root" password="123456"></writeHost>
    </dataHost>	
    
    <dataHost name="host3" maxCon="1000" minCon="10" balance="0" writeType="0" dbType="mysql" dbDriver="native" switchType="1" slaveThreshold="100">
        <heartbeat>select user()</heartbeat>
        <writeHost host="hostM3" url="192.168.192.35:3306" user="root" password="123456"></writeHost>
    </dataHost>

2). 在MySQL的三个节点的数据库中 , 创建数据库partition\_db

create database partition_db DEFAULT CHARACTER SET utf8mb4;

# 2、分片规则 #

## 2.1 取模分片 ##

配置说明 :

> 这个在水平分片那篇文章演示过了。[https://blog.csdn.net/qq\_43753724/article/details/120622931?spm=1001.2014.3001.5501][https_blog.csdn.net_qq_43753724_article_details_120622931_spm_1001.2014.3001.5501]

## 2.2 范围分片 ##

**根据指定的字段及其配置的范围与数据节点的对应情况， 来决定该数据属于哪一个分片** ， 配置如下：

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

autopartition-long.txt 配置如下：

# range start-end ,data node index
    # K=1000,M=10000.
    0-500M=0
    500M-1000M=1
    1000M-1500M=2

含义为 ： 0 - 500 万之间的值 ， 存储在0号数据节点 ； 500万 - 1000万之间的数据存储在1号数据节点 ； 1000万 - 1500 万的数据节点存储在2号节点 ；  
配置说明:

**测试:**

配置

数据

1). 创建表
    CREATE TABLE `tb_log` (
      id bigint(20) NOT NULL COMMENT 'ID',
      operateuser varchar(200) DEFAULT NULL COMMENT '姓名',
      operation int(2) DEFAULT NULL COMMENT '1: insert, 2: delete, 3: update , 4: select',
      PRIMARY KEY (`id`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
    
    
    2). 插入数据
    insert into tb_log (id,operateuser ,operation) values(1,'Tom',1);
    insert into tb_log (id,operateuser ,operation) values(2,'Cat',2);
    insert into tb_log (id,operateuser ,operation) values(3,'Rose',3);
    insert into tb_log (id,operateuser ,operation) values(4,'Coco',2);
    insert into tb_log (id,operateuser ,operation) values(5,'Lily',1);

mycat:  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_20_color_FFFFFF_t_70_g_se_x_16]  
各个节点分配情况：  
192.168.159.33  
![在这里插入图片描述][f36789494ae1466b86d3b1f38f5573e1.png]  
192.168.159.34  
![在这里插入图片描述][b847d20124684d9c8d5373a92e375f53.png]  
192.168.159.35  
![在这里插入图片描述][e884d974c5b5436e8c83de087f625c1a.png]

## 2.3 枚举分片 ##

**通过在配置文件中配置可能的枚举值, 指定数据分布到不同数据节点上, 本规则适用于按照省份或状态拆分数据等业务** , 配置如下:

<tableRule name="sharding-by-intfile">
        <rule>
            <columns>status</columns>
            <algorithm>hash-int</algorithm>
        </rule>
    </tableRule>
    
    <function name="hash-int" class="io.mycat.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 ，内容如下 :

1=0
    2=1
    3=2

配置说明:

测试:

配置

数据

1). 创建表
    CREATE TABLE `tb_user` (
      id bigint(20) NOT NULL COMMENT 'ID',
      username varchar(200) DEFAULT NULL COMMENT '姓名',
      status int(2) DEFAULT '1' COMMENT '1: 未启用, 2: 已启用, 3: 已关闭',
      PRIMARY KEY (`id`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
    
    
    2). 插入数据
    insert into tb_user (id,username ,status) values(1,'Tom',1);
    insert into tb_user (id,username ,status) values(2,'Cat',2);
    insert into tb_user (id,username ,status) values(3,'Rose',3);
    insert into tb_user (id,username ,status) values(4,'Coco',2);
    insert into tb_user (id,username ,status) values(5,'Lily',1);

mycat:  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_17_color_FFFFFF_t_70_g_se_x_16]  
查看各个节点的分配情况：(这里是根据status的值枚举分片的)  
192.168.159.33  
![在这里插入图片描述][73e1b42230ed488397f74c30e82c5d96.png]  
192.168.159.34  
![在这里插入图片描述][670711caefc0416eaa399bb1288f32af.png]  
192.168.159.35  
![在这里插入图片描述][8867405cf8af4d5dbcdbbbce5338d9a2.png]

## 2.4 范围求模算法 ##

**该算法为先进行范围分片, 计算出分片组 , 再进行组内求模。**

**优点**： 综合了范围分片和求模分片的优点。 分片组内使用求模可以保证组内的数据分布比较均匀， 分片组之间采用范围分片可以兼顾范围分片的特点。

**缺点**： 在数据范围时固定值（非递增值）时，存在不方便扩展的情况，例如将 dataNode Group size 从 2 扩展为 4 时，需要进行数据迁移才能完成 ； 如图所示：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_20_color_FFFFFF_t_70_g_se_x_16 1]  
配置如下：

<tableRule name="auto-sharding-rang-mod">
    	<rule>
    		<columns>id</columns>
    		<algorithm>rang-mod</algorithm>
    	</rule>
    </tableRule>
    
    <function name="rang-mod" class="io.mycat.route.function.PartitionByRangeMod">
    	<property name="mapFile">autopartition-range-mod.txt</property>
        <property name="defaultNode">0</property>
    </function>

autopartition-range-mod.txt 配置格式 :

#range  start-end , data node group size
    0-500M=1
    500M1-2000M=2

在上述配置文件中, 等号前面的范围代表一个分片组 , 等号后面的数字代表该分片组所拥有的分片数量;

配置说明:

<table> 
 <thead> 
  <tr> 
   <th>属性</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>columns</td> 
   <td>标识将要分片的表字段名</td> 
  </tr> 
  <tr> 
   <td>algorithm</td> 
   <td>指定分片函数与function的对应关系</td> 
  </tr> 
  <tr> 
   <td>class</td> 
   <td>指定该分片算法对应的类</td> 
  </tr> 
  <tr> 
   <td>mapFile</td> 
   <td>对应的外部配置文件</td> 
  </tr> 
  <tr> 
   <td>defaultNode</td> 
   <td>默认节点 ; 未包含以上规则的数据存储在defaultNode节点中, 节点从0开始</td> 
  </tr> 
 </tbody> 
</table>

**测试:**

配置

数据

1). 创建表
        CREATE TABLE `tb_stu` (
          id bigint(20) NOT NULL COMMENT 'ID',
          username varchar(200) DEFAULT NULL COMMENT '姓名',
          status int(2) DEFAULT '1' COMMENT '1: 未启用, 2: 已启用, 3: 已关闭',
          PRIMARY KEY (`id`)
        ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
    
    
    2). 插入数据
        insert into tb_stu (id,username ,status) values(1,'Tom',1);
        insert into tb_stu (id,username ,status) values(2,'Cat',2);
        insert into tb_stu (id,username ,status) values(3,'Rose',3);
        insert into tb_stu (id,username ,status) values(4,'Coco',2);
        insert into tb_stu (id,username ,status) values(5,'Lily',1);
        
        insert into tb_stu (id,username ,status) values(5000001,'Roce',1);
        insert into tb_stu (id,username ,status) values(5000002,'Jexi',2);
        insert into tb_stu (id,username ,status) values(5000003,'Mini',1);

mycat:  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_17_color_FFFFFF_t_70_g_se_x_16 1]  
各个节点的数据分配情况：  
0到500万是第一个分组(192.168.159.33),500万到2000万是第二个分组(192.168.159.34和192.168.159.35)，最后再组内求模  
192.168.159.33  
![在这里插入图片描述][203da0cb8d0f4305ae9096cfcfc7863a.png]  
192.168.159.34  
![在这里插入图片描述][76dc4f5392ab4129a8b073a23bc0f3ad.png]  
192.168.159.35  
![在这里插入图片描述][f5be668bc2104c8b90897701b54e9380.png]

## 2.5 固定分片hash算法 ##

**该算法类似于十进制的求模运算，但是为二进制的操作，例如，取 id 的二进制低 10 位 与 1111111111 进行位 & 运算。**

最小值：  
![在这里插入图片描述][5d623358bb59437585d6e6474425aee7.png]  
最大值：  
![在这里插入图片描述][38a2d96116014f82a48fe059c6a229c5.png]  
**优点**： 这种策略比较灵活，可以均匀分配也可以非均匀分配，各节点的分配比例和容量大小由partitionCount和partitionLength两个参数决定

**缺点**：和取模分片类似。

配置如下 ：

在示例中配置的分片策略，希望将数据水平分成3份，前两份各占 25%，第三份占 50%。

配置说明:

<table> 
 <thead> 
  <tr> 
   <th>属性</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>columns</td> 
   <td>标识将要分片的表字段名</td> 
  </tr> 
  <tr> 
   <td>algorithm</td> 
   <td>指定分片函数与function的对应关系</td> 
  </tr> 
  <tr> 
   <td>class</td> 
   <td>指定该分片算法对应的类</td> 
  </tr> 
  <tr> 
   <td>partitionCount</td> 
   <td>分片个数列表</td> 
  </tr> 
  <tr> 
   <td>partitionLength</td> 
   <td>分片范围列表</td> 
  </tr> 
 </tbody> 
</table>

约束 :

1). 分片长度 : 默认最大2^10 , 为 1024 ;

2). count, length的数组长度必须是一致的 ;

3). 两组数据的对应情况: (partitionCount\[0\]partitionLength\[0\])=(partitionCount\[1\]partitionLength\[1\])

以上分为三个分区:0-255,256-511,512-1023  
**测试:**

配置

数据

1). 创建表
        CREATE TABLE `tb_brand` (
          id int(11) NOT NULL COMMENT 'ID',
          name varchar(200) DEFAULT NULL COMMENT '名称',
          firstChar char(1)  COMMENT '首字母',
          PRIMARY KEY (`id`)
        ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
    
    
    2). 插入数据
        insert into tb_brand (id,name ,firstChar) values(1,'七匹狼','Q');
        insert into tb_brand (id,name ,firstChar) values(529,'八匹狼','B');
        insert into tb_brand (id,name ,firstChar) values(1203,'九匹狼','J');
        insert into tb_brand (id,name ,firstChar) values(1205,'十匹狼','S');
        insert into tb_brand (id,name ,firstChar) values(1719,'六匹狼','L');

mycat:  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_17_color_FFFFFF_t_70_g_se_x_16 2]  
各个节点存储情况：  
192.168.159.33  
![在这里插入图片描述][2be89a8091864335a003f80970387bac.png]  
192.168.159.34  
![在这里插入图片描述][1bbf323346c2436eb97ffebb0c98d8af.png]  
192.168.159.35  
![在这里插入图片描述][b13a4f590aa04e419bfb53ed7e834f52.png]

## 2.6 取模范围算法 ##

**该算法先进行取模，然后根据取模值所属范围进行分片。**

**优点**：可以自主决定取模后数据的节点分布

**缺点**：dataNode 划分节点是事先建好的，需要扩展时比较麻烦。

配置如下:

<tableRule name="sharding-by-pattern">
    	<rule>
    		<columns>id</columns>
    		<algorithm>sharding-by-pattern</algorithm>
    	</rule>
    </tableRule>
    
    <function name="sharding-by-pattern" class="io.mycat.route.function.PartitionByPattern">
    	<property name="mapFile">partition-pattern.txt</property>
        <property name="defaultNode">0</property>
        <property name="patternValue">96</property>
    </function>

partition-pattern.txt 配置如下:

0-32=0
    33-64=1
    65-96=2

在mapFile配置文件中, 1-32即代表id%96后的分布情况。如果在1-32, 则在分片0上 ; 如果在33-64, 则在分片1上 ; 如果在65-96, 则在分片2上。

配置说明:

**测试:**

配置

数据

1). 创建表
        CREATE TABLE `tb_mod_range` (
          id int(11) NOT NULL COMMENT 'ID',
          name varchar(200) DEFAULT NULL COMMENT '名称',
          PRIMARY KEY (`id`)
        ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
    
    
    2). 插入数据
        insert into tb_mod_range (id,name) values(1,'Test1');
        insert into tb_mod_range (id,name) values(2,'Test2');
        insert into tb_mod_range (id,name) values(3,'Test3');
        insert into tb_mod_range (id,name) values(4,'Test4');
        insert into tb_mod_range (id,name) values(5,'Test5');

注意 : 取模范围算法只能针对于数字类型进行取模运算 ; 如果是字符串则无法进行取模分片 ;  
mycat:  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_16_color_FFFFFF_t_70_g_se_x_16]  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_14_color_FFFFFF_t_70_g_se_x_16]  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_8_color_FFFFFF_t_70_g_se_x_16]

查看各个节点存储情况  
192.168.159.33  
![在这里插入图片描述][915cdc293f6844d7b9dd1c085c7367b8.png]  
192.168.159.34  
![在这里插入图片描述][7699fa9a3418490d881095446aa43c24.png]  
192.168.159.35  
![在这里插入图片描述][bbbbb78c861c43f9acfb056aa0039f65.png]

## 2.7 字符串hash求模范围算法 ##

**与取模范围算法类似, 该算法支持数值、符号、字母取模，首先截取长度为 prefixLength 的子串，在对子串中每一个字符的 ASCII 码求和，然后对求和值进行取模运算（sum%patternValue），就可以计算出子串的分片数。**

**优点**：可以自主决定取模后数据的节点分布

**缺点**：dataNode 划分节点是事先建好的，需要扩展时比较麻烦。

配置如下：

<tableRule name="sharding-by-prefixpattern">
    	<rule>
    		<columns>id</columns>
    		<algorithm>sharding-by-prefixpattern</algorithm>
    	</rule>
    </tableRule>
    
    <function name="sharding-by-prefixpattern" class="io.mycat.route.function.PartitionByPrefixPattern">
    	<property name="mapFile">partition-prefixpattern.txt</property>
        <property name="prefixLength">5</property>
        <property name="patternValue">96</property>
    </function>

partition-prefixpattern.txt 配置如下:

# range start-end ,data node index
    # ASCII
    # 48-57=0-9
    # 64、65-90=@、A-Z
    # 97-122=a-z
    ###### first host configuration
    0-32=0
    33-64=1
    65-96=2

配置说明:

如 :

字符串 :
    	gf89f9a
    	
    截取字符串的前5位进行ASCII的累加运算 : 
    	g - 103
    	f - 102
    	8 - 56
    	9 - 57
    	f - 102
    	
        sum求和 : 103 + 102 + + 56 + 57 + 102 = 420
        求模 : 420 % 96 = 36

附录 ASCII码表 :  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_20_color_FFFFFF_t_70_g_se_x_16 2]  
**测试:**

配置

数据

1). 创建表
        CREATE TABLE `tb_u` (
          username varchar(50) NOT NULL COMMENT '用户名',
          age int(11) default 0 COMMENT '年龄',
          PRIMARY KEY (`username`)
        ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
    
    
    2). 插入数据
        insert into tb_u (username,age) values('Test100001',18);
        insert into tb_u (username,age) values('Test200001',20);
        insert into tb_u (username,age) values('Test300001',19);
        insert into tb_u (username,age) values('Test400001',25);
        insert into tb_u (username,age) values('Test500001',22);

mycat中：  
![在这里插入图片描述][e9e0289fac1d411b9ec567e4d0e0bad3.png]  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_14_color_FFFFFF_t_70_g_se_x_16 1]  
查看各个节点的存储情况：  
192.168.159.33  
![在这里插入图片描述][a2a7e08562b74dedb3579adeaf292985.png]  
192.168.159.34  
![在这里插入图片描述][63fa8db3593145d0a03da765462560e5.png]  
192.168.159.35  
![在这里插入图片描述][9b890a27d28b48cca07aa905e59dd07d.png]

## 2.8 应用指定算法 ##

**由运行阶段由应用自主决定路由到那个分片 , 直接根据字符子串（必须是数字）计算分片号** , 配置如下 :

<tableRule name="sharding-by-substring">
    	<rule>
    		<columns>id</columns>
    		<algorithm>sharding-by-substring</algorithm>
    	</rule>
    </tableRule>
    
    <function name="sharding-by-substring" class="io.mycat.route.function.PartitionDirectBySubString">
    	<property name="startIndex">0</property> 
    	<property name="size">2</property>
    	<property name="partitionCount">3</property>
    	<property name="defaultPartition">0</property>
    </function>

配置说明:

示例说明 :

id=05-100000002 , 在此配置中代表根据id中从 startIndex=0，开始，截取siz=2位数字即05，05就是获取的分区，如果没传默认分配到defaultPartition 。

**测试:**

配置

数据

1). 创建表
        CREATE TABLE `tb_app` (
          id varchar(10) NOT NULL COMMENT 'ID',
          name varchar(200) DEFAULT NULL COMMENT '名称',
          PRIMARY KEY (`id`)
        ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
    
    
    2). 插入数据
    	insert into tb_app (id,name) values('00-00001','Testx00001');
        insert into tb_app (id,name) values('01-00001','Test100001');
        insert into tb_app (id,name) values('01-00002','Test200001');
        insert into tb_app (id,name) values('02-00001','Test300001');
        insert into tb_app (id,name) values('02-00002','TesT400001');

mycat中：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_17_color_FFFFFF_t_70_g_se_x_16 3]  
各个节点的存储情况：（00开头的在192.168.159.33，01开头的在192.168.159.34，02开头的在192.168.159.35）  
192.168.159.33  
![在这里插入图片描述][d860677a1ecb49b5bd37e0383a599b0b.png]  
192.168.159.34  
![在这里插入图片描述][953f2c2e09cb40c4a3f10327060e4c00.png]  
192.168.159.35  
![在这里插入图片描述][4c9ebfa2d72f41ef925e88adba8dfa69.png]

## 2.9 字符串hash解析算法 ##

**截取字符串中的指定位置的子字符串, 进行hash算法， 算出分片** ， 配置如下：

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

配置说明:

<table> 
 <thead> 
  <tr> 
   <th>属性</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>columns</td> 
   <td>标识将要分片的表字段</td> 
  </tr> 
  <tr> 
   <td>algorithm</td> 
   <td>指定分片函数与function的对应关系</td> 
  </tr> 
  <tr> 
   <td>class</td> 
   <td>指定该分片算法对应的类</td> 
  </tr> 
  <tr> 
   <td>partitionLength</td> 
   <td>hash求模基数 ; length*count=1024 (出于性能考虑)</td> 
  </tr> 
  <tr> 
   <td>partitionCount</td> 
   <td>分区数</td> 
  </tr> 
  <tr> 
   <td>hashSlice</td> 
   <td>hash运算位 , 根据子字符串的hash运算 ; 0 代表 str.length() , -1 代表 str.length()-1 , 大于0只代表数字自身 ; 可以理解为substring（start，end），start为0则只表示0</td> 
  </tr> 
 </tbody> 
</table>

**测试:**

配置

数据

1). 创建表
    create table tb_strhash(
    	name varchar(20) primary key,
    	content varchar(100)
    )engine=InnoDB DEFAULT CHARSET=utf8mb4;
    
    2). 插入数据
    INSERT INTO tb_strhash (name,content) VALUES('T1001', UUID());
    INSERT INTO tb_strhash (name,content) VALUES('ROSE', UUID());
    INSERT INTO tb_strhash (name,content) VALUES('JERRY', UUID());
    INSERT INTO tb_strhash (name,content) VALUES('CRISTINA', UUID());
    INSERT INTO tb_strhash (name,content) VALUES('TOMCAT', UUID());

原理:  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_20_color_FFFFFF_t_70_g_se_x_16 3]  
mycat:  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_14_color_FFFFFF_t_70_g_se_x_16 2]  
各个节点分配情况：  
192.168.159.33  
![在这里插入图片描述][d9de5e2f9b3e446fabb4ed2a45e41cc9.png]  
![在这里插入图片描述][7254795d057049d5b87a2e74fa97ed72.png]  
192.168.159.34是空的，因为我们在scheme.xml只制定了dn1,dn2两台数据节点。

## 2.10 一致性hash算法 ##

**一致性Hash算法有效的解决了分布式数据的拓容问题** , 配置如下:

<tableRule name="sharding-by-murmur">
        <rule>
            <columns>id</columns>
            <algorithm>murmur</algorithm>
        </rule>
    </tableRule>
    
    <function name="murmur" class="io.mycat.route.function.PartitionByMurmurHash">
        <property name="seed">0</property>
        <property name="count">3</property>
        <property name="virtualBucketTimes">160</property>
        
        
    </function>

配置说明:

<table> 
 <thead> 
  <tr> 
   <th>属性</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>columns</td> 
   <td>标识将要分片的表字段</td> 
  </tr> 
  <tr> 
   <td>algorithm</td> 
   <td>指定分片函数与function的对应关系</td> 
  </tr> 
  <tr> 
   <td>class</td> 
   <td>指定该分片算法对应的类</td> 
  </tr> 
  <tr> 
   <td>seed</td> 
   <td>创建murmur_hash对象的种子，默认0</td> 
  </tr> 
  <tr> 
   <td>count</td> 
   <td>要分片的数据库节点数量，必须指定，否则没法分片</td> 
  </tr> 
  <tr> 
   <td>virtualBucketTimes</td> 
   <td>一个实际的数据库节点被映射为这么多虚拟节点，默认是160倍，也就是虚拟节点数是物理节点数的160倍;virtualBucketTimes*count就是虚拟结点数量 ;</td> 
  </tr> 
  <tr> 
   <td>weightMapFile</td> 
   <td>节点的权重，没有指定权重的节点默认是1。以properties文件的格式填写，以从0开始到count-1的整数值也就是节点索引为key，以节点权重值为值。所有权重值必须是正整数，否则以1代替</td> 
  </tr> 
  <tr> 
   <td>bucketMapPath</td> 
   <td>用于测试时观察各物理节点与虚拟节点的分布情况，如果指定了这个属性，会把虚拟节点的murmur hash值与物理节点的映射按行输出到这个文件，没有默认值，如果不指定，就不会输出任何东西</td> 
  </tr> 
 </tbody> 
</table>

**测试：**

配置

数据

1). 创建表
    create table tb_order(
    	id int(11) primary key,
    	money int(11),
    	content varchar(200)
    )engine=InnoDB ;
    
    2). 插入数据
    INSERT INTO tb_order (id,money,content) VALUES(1, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(212, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(312, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(412, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(534, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(621, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(754563, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(8123, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(91213, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(23232, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(112321, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(21221, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(112132, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(12132, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(124321, 100 , UUID());
    INSERT INTO tb_order (id,money,content) VALUES(212132, 100 , UUID());

mycat:  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_14_color_FFFFFF_t_70_g_se_x_16 3]  
192.168.159.33  
![在这里插入图片描述][6f0c96c438184482879c32579b595417.png]  
192.168.159.34  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_13_color_FFFFFF_t_70_g_se_x_16]  
192.168.159.35  
![在这里插入图片描述][ae1cef701f894822b0428ce9cdcd4afd.png]

## 2.11 日期分片算法 ##

**按照日期来分片**

<tableRule name="sharding-by-date">
        <rule>
            <columns>create_time</columns>
            <algorithm>sharding-by-date</algorithm>
        </rule>
    </tableRule>
    
    <function name="sharding-by-date" class="io.mycat.route.function.PartitionByDate">
    	<property name="dateFormat">yyyy-MM-dd</property>
    	<property name="sBeginDate">2020-01-01</property>
    	<property name="sEndDate">2020-12-31</property>
        <property name="sPartionDay">10</property>
    </function>

配置说明:

注意：配置规则的表的 dataNode 的分片，必须和分片规则数量一致，例如 2020-01-01 到 2020-12-31 ，每10天一个分片，一共需要37个分片。

## 2.12 单月小时算法 ##

**单月内按照小时拆分, 最小粒度是小时 , 一天最多可以有24个分片, 最小1个分片, 下个月从头开始循环, 每个月末需要手动清理数据。**

配置如下 ：

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

配置说明:

<table> 
 <thead> 
  <tr> 
   <th>属性</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>columns</td> 
   <td>标识将要分片的表字段 ； 字符串类型（yyyymmddHH）， 需要符合JAVA标准</td> 
  </tr> 
  <tr> 
   <td>algorithm</td> 
   <td>指定分片函数与function的对应关系</td> 
  </tr> 
  <tr> 
   <td>splitOneDay</td> 
   <td>一天切分的分片数</td> 
  </tr> 
 </tbody> 
</table>

## 2.13 自然月分片算法 ##

**使用场景为按照月份列分区, 每个自然月为一个分片, 配置如下:**

<tableRule name="sharding-by-month">
        <rule>
            <columns>create_time</columns>
            <algorithm>sharding-by-month</algorithm>
        </rule>
    </tableRule>
    
    <function name="sharding-by-month" class="io.mycat.route.function.PartitionByMonth">
    	<property name="dateFormat">yyyy-MM-dd</property>
    	<property name="sBeginDate">2020-01-01</property>
    	<property name="sEndDate">2020-12-31</property>
    </function>

配置说明:

## 2.14 日期范围hash算法 ##

**其思想和范围取模分片一样，先根据日期进行范围分片求出分片组，再根据时间hash使得短期内数据分布的更均匀 ;**

优点 : 可以避免扩容时的数据迁移，又可以一定程度上避免范围分片的热点问题

注意 : 要求日期格式尽量精确些，不然达不到局部均匀的目的

<tableRule name="range-date-hash">
        <rule>
            <columns>create_time</columns>
            <algorithm>range-date-hash</algorithm>
        </rule>
    </tableRule>
    
    <function name="range-date-hash" class="io.mycat.route.function.PartitionByRangeDateHash">
    	<property name="dateFormat">yyyy-MM-dd HH:mm:ss</property>
    	<property name="sBeginDate">2020-01-01 00:00:00</property>
    	<property name="groupPartionSize">6</property>
        <property name="sPartionDay">10</property>
    </function>

配置说明:

[https_blog.csdn.net_qq_43753724_article_details_120622931_spm_1001.2014.3001.5501]: https://blog.csdn.net/qq_43753724/article/details/120622931?spm=1001.2014.3001.5501
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/ce66e43f6e7f4a818e83a2947aaaf01b.png
[f36789494ae1466b86d3b1f38f5573e1.png]: /images/20220828/9bafcf9ec37544d1bbc972b720d0c0b6.png
[b847d20124684d9c8d5373a92e375f53.png]: /images/20220828/72716a1065cc4262ae1ca4d3029c3fc4.png
[e884d974c5b5436e8c83de087f625c1a.png]: /images/20220828/5c8930ed509c4ea091a74556297bc7d1.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_17_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/84da7eabf71746249b8d335ee2a460af.png
[73e1b42230ed488397f74c30e82c5d96.png]: /images/20220828/f4a4b9972568483383518427d33204c7.png
[670711caefc0416eaa399bb1288f32af.png]: /images/20220828/6a3654fe421c4909891461de0b7d8165.png
[8867405cf8af4d5dbcdbbbce5338d9a2.png]: /images/20220828/8af78f498fc84dfd95de9400d1ffd1c2.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/4c8a1782e1344bae8991e61abdb21dcf.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_17_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/5e5acd428f08445e81327da1f13e599e.png
[203da0cb8d0f4305ae9096cfcfc7863a.png]: /images/20220828/38816acce87f41f29569f92577b36c9f.png
[76dc4f5392ab4129a8b073a23bc0f3ad.png]: /images/20220828/bf04d17737d7484a9beea2b40ac05285.png
[f5be668bc2104c8b90897701b54e9380.png]: /images/20220828/d783324b11744340b9ce4c48ff5b3786.png
[5d623358bb59437585d6e6474425aee7.png]: /images/20220828/3179a82c4b3f4433af7c5757f3d84e69.png
[38a2d96116014f82a48fe059c6a229c5.png]: /images/20220828/99b6120f8fd14770b8bc1166f2a448dd.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_17_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/467184dabc4e46eab42ba5447c90a46f.png
[2be89a8091864335a003f80970387bac.png]: /images/20220828/1e5779337b8a4e3e9d83e0262f49f8f8.png
[1bbf323346c2436eb97ffebb0c98d8af.png]: /images/20220828/03c3acb364ba4245870a2e090d2fa1d6.png
[b13a4f590aa04e419bfb53ed7e834f52.png]: /images/20220828/fcedd74144b14aafa094a04b2816025c.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_16_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/aad508e47bf74697b2ad7163fc1c41b8.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_14_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/954f62797fba40d29462667d1248744e.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_8_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/165f3f17cca74acaae423a8a18feae9f.png
[915cdc293f6844d7b9dd1c085c7367b8.png]: /images/20220828/770dc1fdf9214884a6bdf7c7690e7fd8.png
[7699fa9a3418490d881095446aa43c24.png]: /images/20220828/0a3a492280414527bac5106ead78c2a7.png
[bbbbb78c861c43f9acfb056aa0039f65.png]: /images/20220828/1f91b70c43c3485ab50797a1e5212630.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/477afbfa46164aabb7e5e65b8aaaad79.png
[e9e0289fac1d411b9ec567e4d0e0bad3.png]: /images/20220828/9b4ee32441714ba78481651ff6302c69.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_14_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/1756ca584ae64b73a0492c1d3755a1f6.png
[a2a7e08562b74dedb3579adeaf292985.png]: /images/20220828/3ce638ba39f749c6b7d8ebebe0379f6c.png
[63fa8db3593145d0a03da765462560e5.png]: /images/20220828/f8fdba95d5d34a12933b1a52ab9c8b53.png
[9b890a27d28b48cca07aa905e59dd07d.png]: /images/20220828/0010254ab03e4808accfd1d83c1d0885.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_17_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/d34772d819fc4249b86b628170927e4f.png
[d860677a1ecb49b5bd37e0383a599b0b.png]: /images/20220828/d84083faee0346da9f07d5aedce47f28.png
[953f2c2e09cb40c4a3f10327060e4c00.png]: /images/20220828/56991b8a60684bcca97faf30ef7f90b6.png
[4c9ebfa2d72f41ef925e88adba8dfa69.png]: /images/20220828/81e500516a144c4fa7e3ad0be1cf2644.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_20_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/b2f183ce45ae475a89cfc9271a851b66.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_14_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/9f7241c476fd4fd28e2c0cbe8289033c.png
[d9de5e2f9b3e446fabb4ed2a45e41cc9.png]: /images/20220828/723ce059927749e1bb97d68e086ae8f0.png
[7254795d057049d5b87a2e74fa97ed72.png]: /images/20220828/efe1bdb63d2347bd9a73a0526ddeaa1c.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_14_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/e2219090d54f47798ccde4cd8ff2e586.png
[6f0c96c438184482879c32579b595417.png]: /images/20220828/65b40cb9f48d4f3ea6c5f9f52ef13457.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Yir5Zui562Jc2h55ZOl5Y-R6IKy_size_13_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/a140f38566384537933dc7bdc00271ad.png
[ae1cef701f894822b0428ce9cdcd4afd.png]: /images/20220828/cd19172208ae4f239c8638b701f45ddc.png