一、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> <!-- zero-based --> <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
<table name="tb_app" dataNode="dn1,dn2,dn3" rule="sharding-by-substring"/>
数据
二、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> <!-- zero-based --> <property name="partitionCount">2</property> <property name="hashSlice">0:2</property> </function>
配置说明:
测试:
配置
<table name="tb_strhash" dataNode="dn1,dn2,dn3" rule="sharding-by-stringhash"/>
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:
三、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> <!-- <property name="weightMapFile">weightMapFile</property> --> <!-- <property name="bucketMapPath">/etc/mycat/bucketMapPath</property> --> </function>
配置说明:
测试：
配置
<table name="tb_order" dataNode="dn1,dn2,dn3" rule="sharding-by-murmur"/>
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());
四、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。
五、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:
六、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:
七、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:
