由于时间 位是单调递增的，且各个服务器如果大体做了时间同步，那么生成的主键在分布式环境可以认为是总体 有序的，这就保证了对索引字段的插入的高效性。例如 MySQL 的 Innodb 存储引擎的主键。 使用雪花算法生成的主键，二进制表示形式包含 4 部分，从高位到低位分表为：1bit 符号位、41bit 时间 戳位、10bit 工作进程位以及 12bit 序列号位。 • 符号位（1bit） 符号位（1bit） 预留的符号位，恒为零。 • 时间戳位（41bit） 41 位的时间戳可以容纳的毫秒数是 2 的 41 次幂，一年所使用的毫秒数是：365 * 24 * 60 * 60 * 1000。通过计算可知： Math.pow(2, 41) / (365 * 24 * 60 * 60 * 1000L); 结果约等于 69.73 年。Apache ShardingSphere 的雪花算法的时间纪元从 的雪花算法的时间纪元从 2016 年 11 月 1 日零点开 始，可以使用到 2086 年，相信能满足绝大部分系统的要求。 • 工作进程位（10bit） 该标志在 Java 进程内是唯一的，如果是分布式应用部署应保证每个工作进程的 id 是不同的。该值默认为 0，可通过属性设置。 • 序列号位（12bit） 该序列是用来在同一个毫秒内生成不同的 ID。如果在这个毫秒内生成的数量超过 4096 (2 的 12

由于时间 位是单调递增的，且各个服务器如果大体做了时间同步，那么生成的主键在分布式环境可以认为是总体 有序的，这就保证了对索引字段的插入的高效性。例如 MySQL 的 Innodb 存储引擎的主键。 使用雪花算法生成的主键，二进制表示形式包含 4 部分，从高位到低位分表为：1bit 符号位、41bit 时间 戳位、10bit 工作进程位以及 12bit 序列号位。 • 符号位（1bit） 符号位（1bit） 预留的符号位，恒为零。 • 时间戳位（41bit） 41 位的时间戳可以容纳的毫秒数是 2 的 41 次幂，一年所使用的毫秒数是：365 * 24 * 60 * 60 * 1000。通过计算可知： Math.pow(2, 41) / (365 * 24 * 60 * 60 * 1000L); 结果约等于 69.73 年。Apache ShardingSphere 的雪花算法的时间纪元从 的雪花算法的时间纪元从 2016 年 11 月 1 日零点开 始，可以使用到 2086 年，相信能满足绝大部分系统的要求。 • 工作进程位（10bit） 该标志在 Java 进程内是唯一的，如果是分布式应用部署应保证每个工作进程的 id 是不同的。该值默认为 0，可通过属性设置。 • 序列号位（12bit） 该序列是用来在同一个毫秒内生成不同的 ID。如果在这个毫秒内生成的数量超过 4096 (2 的 12

由于时间 位是单调递增的，且各个服务器如果大体做了时间同步，那么生成的主键在分布式环境可以认为是总体 有序的，这就保证了对索引字段的插入的高效性。例如 MySQL 的 Innodb 存储引擎的主键。 使用雪花算法生成的主键，二进制表示形式包含 4 部分，从高位到低位分表为：1bit 符号位、41bit 时间 戳位、10bit 工作进程位以及 12bit 序列号位。 • 符号位（1bit） 符号位（1bit） 预留的符号位，恒为零。 • 时间戳位（41bit） 41 位的时间戳可以容纳的毫秒数是 2 的 41 次幂，一年所使用的毫秒数是：365 * 24 * 60 * 60 * 1000。通过计算可知： Math.pow(2, 41) / (365 * 24 * 60 * 60 * 1000L); 结果约等于 69.73 年。Apache ShardingSphere 的雪花算法的时间纪元从 的雪花算法的时间纪元从 2016 年 11 月 1 日零点开 始，可以使用到 2086 年，相信能满足绝大部分系统的要求。 • 工作进程位（10bit） 该标志在 Java 进程内是唯一的，如果是分布式应用部署应保证每个工作进程的 id 是不同的。该值默认为 0，可通过属性设置。 • 序列号位（12bit） 该序列是用来在同一个毫秒内生成不同的 ID。如果在这个毫秒内生成的数量超过 4096 (2 的 12

由于时间 位是单调递增的，且各个服务器如果大体做了时间同步，那么生成的主键在分布式环境可以认为是总体 有序的，这就保证了对索引字段的插入的高效性。例如 MySQL 的 Innodb 存储引擎的主键。 使用雪花算法生成的主键，二进制表示形式包含 4 部分，从高位到低位分表为：1bit 符号位、41bit 时间 戳位、10bit 工作进程位以及 12bit 序列号位。 • 符号位（1bit） 符号位（1bit） 预留的符号位，恒为零。 • 时间戳位（41bit） 41 位的时间戳可以容纳的毫秒数是 2 的 41 次幂，一年所使用的毫秒数是：365 * 24 * 60 * 60 * 1000。通过计算可知： Math.pow(2, 41) / (365 * 24 * 60 * 60 * 1000L); 结果约等于 69.73 年。Apache ShardingSphere 的雪花算法的时间纪元从 始，可以使用到 2086 年，相信能满足绝大部分系统的要求。 • 工作进程位（10bit） 该标志在 Java 进程内是唯一的，如果是分布式应用部署应保证每个工作进程的 id 是不同的。该值默认为 0，可通过属性设置。 4.3. 数据分片 34 Apache ShardingSphere document, v5.1.2 • 序列号位（12bit） 该序列是用来在同一个毫秒内生成不同的 ID。如果在这个毫秒内生成的数量超过

由于时间 位是单调递增的，且各个服务器如果大体做了时间同步，那么生成的主键在分布式环境可以认为是总体 有序的，这就保证了对索引字段的插入的高效性。例如 MySQL 的 Innodb 存储引擎的主键。 使用雪花算法生成的主键，二进制表示形式包含 4 部分，从高位到低位分表为：1bit 符号位、41bit 时间 戳位、10bit 工作进程位以及 12bit 序列号位。 • 符号位（1bit） 符号位（1bit） 预留的符号位，恒为零。 • 时间戳位（41bit） 41 位的时间戳可以容纳的毫秒数是 2 的 41 次幂，一年所使用的毫秒数是：365 * 24 * 60 * 60 * 1000。通过计算可知： Math.pow(2, 41) / (365 * 24 * 60 * 60 * 1000L); 结果约等于 69.73 年。Apache ShardingSphere 的雪花算法的时间纪元从 的雪花算法的时间纪元从 2016 年 11 月 1 日零点开 始，可以使用到 2086 年，相信能满足绝大部分系统的要求。 • 工作进程位（10bit） 该标志在 Java 进程内是唯一的，如果是分布式应用部署应保证每个工作进程的 id 是不同的。该值默认为 0，可通过属性设置。 • 序列号位（12bit） 该序列是用来在同一个毫秒内生成不同的 ID。如果在这个毫秒内生成的数量超过 4096 (2 的 12

和从库。高可用的数据源会动态的修正读 写分离的主从关系，并正确地疏导读写流量。 3.4.7 使用限制 支持项 • MySQL MGR 单主模式。 • MySQL 主从复制模式。 • openGauss 主从复制模式。 不支持项 • MySQL MGR 多主模式。 3.5 数据库网关 3.5.1 背景 随着数据库碎片化趋势的不可逆转，多种类型数据库的共存已渐成常态。使用一种 SQL 理机、虚拟机、容器等。 集群 为了提供特定服务而集合在一起的多个节点。 源端 原始数据所在的存储集群。 目标端 原始数据将要迁移的目标存储集群。 数据迁移作业 把数据从某一个存储集群复制到另一个存储集群的完整流程。 存量数据 在数据迁移作业开始前，数据节点中已有的数据。 增量数据 在数据迁移作业执行过程中，业务系统所产生的新数据。 3.7.7 使用限制 支持项 • 将外围数据迁移至 ZooKeeper Curator 客户端，集群模式使用 ZooKeeper 无须引入其他依 赖。 如果集群模式使用 Etcd，需要将 Etcd 的客户端驱动程序 jetcd‐core 0.5.0 复制至目录 ext-lib。 6. （可选）引入分布式事务所需依赖 与 ShardingSphere‐JDBC 使用方式相同。具体可参考分布式事务。 7. （可选）引入自定义算法 当用户需要使用

理机、虚拟机、容器等。 集群 为了提供特定服务而集合在一起的多个节点。 源端 原始数据所在的存储集群。 目标端 原始数据将要迁移的目标存储集群。 数据迁移作业 把数据从某一个存储集群复制到另一个存储集群的完整流程。 存量数据 在数据迁移作业开始前，数据节点中已有的数据。 增量数据 在数据迁移作业执行过程中，业务系统所产生的新数据。 8.6.7 使用限制 支持项 • 将外围数据迁移至 生 成 Conditional 形 态 的 GraalVM Reachability Metadata 的 一 个 举 例。 生 成 的 GraalVM Reachability Metadata 位 于 shardingsphere-infra-reachability-metadata 子模块下。 对 于 测 试 类 和 测 试 文 件 独 立 使 用 的 GraalVM Reachability ZooKeeper Curator 客户端，集群模式使用 ZooKeeper 无须引入其他依 赖。 如果集群模式使用 Etcd，需要将 Etcd 的客户端驱动程序 jetcd‐core 0.7.3 复制至目录 ext-lib。 6. （可选）引入分布式事务所需依赖 与 ShardingSphere‐JDBC 使用方式相同。具体可参考分布式事务。 7. （可选）引入自定义算法 9.2. ShardingSphere-Proxy

理机、虚拟机、容器等。 集群 为了提供特定服务而集合在一起的多个节点。 源端 原始数据所在的存储集群。 目标端 原始数据将要迁移的目标存储集群。 数据迁移作业 把数据从某一个存储集群复制到另一个存储集群的完整流程。 存量数据 在数据迁移作业开始前，数据节点中已有的数据。 增量数据 在数据迁移作业执行过程中，业务系统所产生的新数据。 8.6.7 使用限制 支持项 • 将外围数据迁移至 ZooKeeper Curator 客户端，集群模式使用 ZooKeeper 无须引入其他依 赖。 如果集群模式使用 Etcd，需要将 Etcd 的客户端驱动程序 jetcd‐core 0.7.3 复制至目录 ext-lib。 6. （可选）引入分布式事务所需依赖 与 ShardingSphere‐JDBC 使用方式相同。具体可参考分布式事务。 7. （可选）引入自定义算法 9.2. ShardingSphere-Proxy document 遮盖脱敏算法 保留前 N 后 M 脱敏算法 类型：KEEP_FIRST_N_LAST_M 可配置属性： 名称 数据类型 说明 first‐n int 前 n 位 last‐m int 后 n 位 replace‐char String 替换字符 保留自 X 至 Y 脱敏算法 类型：KEEP_FROM_X_TO_Y 可配置属性： 名称 数据类型 说明 from‐x

理机、虚拟机、容器等。 集群 为了提供特定服务而集合在一起的多个节点。 源端 原始数据所在的存储集群。 目标端 原始数据将要迁移的目标存储集群。 数据迁移作业 把数据从某一个存储集群复制到另一个存储集群的完整流程。 存量数据 在数据迁移作业开始前，数据节点中已有的数据。 增量数据 在数据迁移作业执行过程中，业务系统所产生的新数据。 8.6.7 使用限制 支持项 • 将外围数据迁移至 Agent 的 Fil‐ ter 链。 针 对 shardingsphere-infra-reachability-metadata 子 模 块， 手 动 增 删 改 动 的 JSON 条 目 应 位 于 META-INF/native-image/org.apache.shardingsphere/ shardingsphere-infra-reachability-metadata/ 文件夹下，而 生 成 Conditional 形 态 的 GraalVM Reachability Metadata 的 一 个 举 例。 生 成 的 GraalVM Reachability Metadata 位 于 shardingsphere-infra-reachability-metadata 子模块下。 对 于 测 试 类 和 测 试 文 件 独 立 使 用 的 GraalVM Reachability

ShardingSphere 提供数据库发现的能力，自动感知数据库主从 关系，并修正计算节点对数据库的连接。 目前支持的高可用方案 : • MySQL MGR 单主模式 • MySQL 主从复制模式 • openGauss 主从复制模式。 Apache ShardingSphere 高可用介绍 Apache ShardingSphere 高可用介绍 ShardingSphere 读写分离 Apache