ngSphere 提供在单机数据库之上的分布式事务能力，可实现跨底层数据源的数据安全。 读 写 分离 读写分离，是应对高压力业务访问的手段之一。ShardingSphere 基于对 SQL 语义理解及底层 数据库拓扑感知能力，提供灵活、安全的读写分离能力，且可实现读访问的负载均衡。 高 可 用 高可用，是对数据存储计算平台的基本要求。ShardingSphere 基于无状态服务，提供高可用 常运行。 3.3. 读写分离 30 Apache ShardingSphere document, v5.2.0 与将数据根据分片键打散至各个数据节点的水平分片不同，读写分离则是根据 SQL 语义的分析，将读操 作和写操作分别路由至主库与从库。 读写分离的数据节点中的数据内容是一致的，而水平分片的每个数据节点的数据内容却并不相同。将水 平分片和读写分离联合使用，能够更加有效的提升系统性能。 的配置。 影子算法 影子算法和业务实现紧密相关，目前提供 2 种类型影子算法。 • 基于列的影子算法通过识别 SQL 中的数据，匹配路由至影子库的场景。适用于由压测数据名单驱动 的压测场景。 • 基于 Hint 的影子算法通过识别 SQL 中的注释，匹配路由至影子库的场景。适用于由上游系统透传 标识驱动的压测场景。 3.9. 影子库 43 Apache ShardingSphere

吞吐量，还能够提升系统的可用性，可以达到在任何 一个数据库宕机，甚至磁盘物理损坏的情况下仍然不影响系统的正常运行。 与将数据根据分片键打散至各个数据节点的水平分片不同，读写分离则是根据 SQL 语义的分析，将读操 作和写操作分别路由至主库与从库。 4.4. 读写分离 41 Apache ShardingSphere document, v5.0.0 读写分离的数据节点中的数据内容是一致 种类型影子算法。由于影子算法和业务实现紧密相关，因此并未提供默认的影子算法。 • 列影子算法 对应 ColumnShadowAlgorithm，适用于用户压测过程中，对压测执行链路上执行的 SQL 涉及的某个字 段的值满足一定匹配条件的场景。 优点：用户只需要控制流量数据不需要修改代码和 SQL 就可以完成测试。 不足：仅支持 DML 语句 • 注解影子算法 对应 NoteShadowAlgorithm，适用于用户压测过程中，对压测执行链路上执行的 的值的场景。 优点：用户可以不确定链路上执行 SQL 细节，只要知道那个 SQL 执行即可。 不足：用户需要改代码或者 SQL 默认影子算法 默认影子算法，选配项。对于没有配置影子算法表的默认匹配算法。 注意：默认影子算法仅支持注解影子算法。 4.8.5 使用规范 影子数据库 支持项 • 后端数据库为 MySQL、Oracle、PostgreSQL、SQLServer； 4.8.

吞吐量，还能够提升系统的可用性，可以达到在任何 一个数据库宕机，甚至磁盘物理损坏的情况下仍然不影响系统的正常运行。 与将数据根据分片键打散至各个数据节点的水平分片不同，读写分离则是根据 SQL 语义的分析，将读操 作和写操作分别路由至主库与从库。 读写分离的数据节点中的数据内容是一致的，而水平分片的每个数据节点的数据内容却并不相同。将水 平分片和读写分离联合使用，能够更加有效的提升系统性能。 置。 影子算法 影子算法和业务实现紧密相关，目前提供 2 种类型影子算法。 • 基于列的影子算法 通过识别 SQL 中的数据，匹配路由至影子库的场景。适用于由压测数据名单驱动的压测场景。 • 基于 Hint 的影子算法 通过识别 SQL 中的注释，匹配路由至影子库的场景。适用于由上游系统透传标识驱动的压测场景。 4.9.5 使用规范 支持项 • 基于 Hint 的影子算法支持全部 PKCS7Padding，暂不支持 NoPadding） 影子算法 列影子算法 列值匹配影子算法 类型：VALUE_MATCH 可配置属性： 属性名称 数据类型 说明 column String 影子列 operation String SQL 操作类型（INSERT, UPDATE, DELETE, SELECT） value String 影子列匹配的值 5.1. ShardingSphere-JDBC 121

吞吐量，还能够提升系统的可用性，可以达到在任何 一个数据库宕机，甚至磁盘物理损坏的情况下仍然不影响系统的正常运行。 与将数据根据分片键打散至各个数据节点的水平分片不同，读写分离则是根据 SQL 语义的分析，将读操 作和写操作分别路由至主库与从库。 4.5. 读写分离 49 Apache ShardingSphere document, v5.1.0 读写分离的数据节点中的数据内容是一致 置。 影子算法 影子算法和业务实现紧密相关，目前提供 2 种类型影子算法。 • 基于列的影子算法 通过识别 SQL 中的数据，匹配路由至影子库的场景。适用于由压测数据名单驱动的压测场景。 • 基于 Hint 的影子算法 通过识别 SQL 中的注释，匹配路由至影子库的场景。适用于由上游系统透传标识驱动的压测场景。 4.9. 影子库压测 57 Apache ShardingSphere ng，暂不支持 NoPadding） 影子算法 列影子算法 列值匹配影子算法 类型：VALUE_MATCH 可配置属性： 属性名称 数据类型 说明 column String 影子列 operation String SQL 操作类型（INSERT, UPDATE, DELETE, SELECT） value String 影子列匹配的值 5.1. ShardingSphere-JDBC 120

吞吐量，还能够提升系统的可用性，可以达到在任何 一个数据库宕机，甚至磁盘物理损坏的情况下仍然不影响系统的正常运行。 与将数据根据分片键打散至各个数据节点的水平分片不同，读写分离则是根据 SQL 语义的分析，将读操 作和写操作分别路由至主库与从库。 4.5. 读写分离 50 Apache ShardingSphere document, v5.1.2 读写分离的数据节点中的数据内容是一致 置。 影子算法 影子算法和业务实现紧密相关，目前提供 2 种类型影子算法。 • 基于列的影子算法 通过识别 SQL 中的数据，匹配路由至影子库的场景。适用于由压测数据名单驱动的压测场景。 • 基于 Hint 的影子算法 通过识别 SQL 中的注释，匹配路由至影子库的场景。适用于由上游系统透传标识驱动的压测场景。 4.9.5 使用规范 支持项 • 基于 Hint 的影子算法支持全部 v5.1.2 影子算法 列影子算法 列值匹配影子算法 类型：VALUE_MATCH 可配置属性： 属性名称 数据类型 说明 column String 影子列 operation String SQL 操作类型（INSERT, UPDATE, DELETE, SELECT） value String 影子列匹配的值 列正则表达式匹配影子算法 类型：REGEX_MATCH 可配置属性：

吞吐量，还能够提升系统的可用性，可以达到在任何 一个数据库宕机，甚至磁盘物理损坏的情况下仍然不影响系统的正常运行。 与将数据根据分片键打散至各个数据节点的水平分片不同，读写分离则是根据 SQL 语义的分析，将读操 作和写操作分别路由至主库与从库。 读写分离的数据节点中的数据内容是一致的，而水平分片的每个数据节点的数据内容却并不相同。将水 平分片和读写分离联合使用，能够更加有效的提升系统性能。 的配置。 影子算法 影子算法和业务实现紧密相关，目前提供 2 种类型影子算法。 • 基于列的影子算法通过识别 SQL 中的数据，匹配路由至影子库的场景。适用于由压测数据名单驱动 的压测场景。 • 基于 Hint 的影子算法通过识别 SQL 中的注释，匹配路由至影子库的场景。适用于由上游系统透传 标识驱动的压测场景。 8.9.7 使用限制 基于 Hint 的影子算法 • 无。 8 列值匹配算法 类型：VALUE_MATCH 属性名称 数据类型 说明 column String 影子列 operation String SQL 操作类型（INSERT, UPDATE, DELETE, SELECT) value String 影子列匹配的值 列正则表达式匹配算法 类型：REGEX_MATCH 属性名称 数据类型 说明 column String 匹配列 operation

吞吐量，还能够提升系统的可用性，可以达到在任何 一个数据库宕机，甚至磁盘物理损坏的情况下仍然不影响系统的正常运行。 与将数据根据分片键打散至各个数据节点的水平分片不同，读写分离则是根据 SQL 语义的分析，将读操 作和写操作分别路由至主库与从库。 读写分离的数据节点中的数据内容是一致的，而水平分片的每个数据节点的数据内容却并不相同。将水 平分片和读写分离联合使用，能够更加有效的提升系统性能。 的配置。 影子算法 影子算法和业务实现紧密相关，目前提供 2 种类型影子算法。 • 基于列的影子算法通过识别 SQL 中的数据，匹配路由至影子库的场景。适用于由压测数据名单驱动 的压测场景。 • 基于 Hint 的影子算法通过识别 SQL 中的注释，匹配路由至影子库的场景。适用于由上游系统透传 标识驱动的压测场景。 8.9.7 使用限制 基于 Hint 的影子算法 • 无。 8 列值匹配算法 类型：VALUE_MATCH 属性名称 数据类型 说明 column String 影子列 operation String SQL 操作类型（INSERT, UPDATE, DELETE, SELECT) value String 影子列匹配的值 列正则表达式匹配算法 类型：REGEX_MATCH 属性名称 数据类型 说明 column String 匹配列 operation

进行理解，并最终提炼出解析上下文。解析上下文包括表、选择项、排序项、分组项、聚合函数、 分页信息、查询条件以及可能需要修改的占位符的标记。 执行器优化 合并和优化分片条件，如 OR 等。 SQL 路由 根据解析上下文匹配用户配置的分片策略，并生成路由路径。目前支持分片路由和广播路由。 SQL 改写 将 SQL 改写为在真实数据库中可以正确执行的语句。SQL 改写分为正确性改写和优化改写。 SQL 执行 通过多线程执行器异步执行。 t_orderWHERE order_id = 1; 3.1. 数据分片 26 Apache ShardingSphere document, v5.0.0-beta 路由引擎 根据解析上下文匹配数据库和表的分片策略，并生成路由路径。对于携带分片键的 SQL，根据分片键的 不同可以划分为单片路由 (分片键的操作符是等号)、多片路由 (分片键的操作符是 IN) 和范围路由 (分片 键的操作符是 和 DML，以及 DDL 等。例如： SELECT * FROM t_order WHERE good_prority IN (1, 10); 则会遍历所有数据库中的所有表，逐一匹配逻辑表和真实表名，能够匹配得上则执行。路由后成为 SELECT * FROM t_order_0 WHERE good_prority IN (1, 10); SELECT * FROM t_order_1 WHERE

吞吐量，还能够提升系统的可用性，可以达到在任何 一个数据库宕机，甚至磁盘物理损坏的情况下仍然不影响系统的正常运行。 与将数据根据分片键打散至各个数据节点的水平分片不同，读写分离则是根据 SQL 语义的分析，将读操 作和写操作分别路由至主库与从库。 读写分离的数据节点中的数据内容是一致的，而水平分片的每个数据节点的数据内容却并不相同。将水 平分片和读写分离联合使用，能够更加有效的提升系统性能。 的配置。 影子算法 影子算法和业务实现紧密相关，目前提供 2 种类型影子算法。 • 基于列的影子算法通过识别 SQL 中的数据，匹配路由至影子库的场景。适用于由压测数据名单驱动 的压测场景。 • 基于 Hint 的影子算法通过识别 SQL 中的注释，匹配路由至影子库的场景。适用于由上游系统透传 标识驱动的压测场景。 8.9.7 使用限制 基于 Hint 的影子算法 • 无 8.9 列值匹配算法 类型：VALUE_MATCH 属性名称 数据类型 说明 column String 影子列 operation String SQL 操作类型（INSERT, UPDATE, DELETE, SELECT) value String 影子列匹配的值 列正则表达式匹配算法 类型：REGEX_MATCH 属性名称 数据类型 说明 column String 匹配列 operation

你可能注意到这和使用完全限定名调用 Java 对象的方法是相似的，之所以这样做是有原因的。这个命名可以直接映射到在命名空间中 同名的 Mapper 类，并在已映射的 select 语句中的名字、参数和返回类型匹配成方法。这样你就可以向上面那样很容易地调用这个对 应 Mapper 接口的方法。不过让我们再看一遍下面的例子： BlogMapper mapper = session.getMapper(BlogMapper ID（比如:id=”development”）。 事务管理器的配置（比如:type=”JDBC”）。 数据源的配置（比如:type=”POOLED”）。 默认的环境和环境 ID 是一目了然的。随你怎么命名，只要保证默认环境要匹配其中一个环境ID。 事务管理器（ 事务管理器（transactionManager） ） 在 MyBatis 中有两种类型的事务管理器（也就是 type=”[JDBC|MANAGED]”）： Save poolPingQuery 属性（最好是一个非常快 的 SQL），默认值：false。 poolPingConnectionsNotUsedFor – 配置 poolPingQuery 的使用频度。这可以被设置成匹配具体的数据库连接超时时间，来避免 不必要的侦测，默认值：0（即所有连接每一时刻都被侦测 — 当然仅当 poolPingEnabled 为 true 时适用）。 JNDI– 这个数据源的实现是为了能在如