Kernel Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 L2 Feature Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 L3 Ecosystem Layer . . . . . . . . . . . . . . . . . . . . . . . . . 19 Mass data high concurrency in OLTP scenarios . . . . . . . . . . . . . . . . . . . 19 Mass data real‐time analysis in OLAP scenarios . . . . . . . . . 20 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Data Nodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Sharding .

Kernel Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 L2 Feature Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 L3 Ecosystem Layer . . . . . . . . . . . . . . . . . . . . . . . . . 18 Mass data high concurrency in OLTP scenarios . . . . . . . . . . . . . . . . . . . 18 Mass data real‐time analysis in OLAP scenarios . . . . . . . . . 19 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Data Nodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 Sharding .

. . . . . . . . . . . . . . . 5 2.3.1 L1 Kernel Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.3.2 L2 Feature Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.3.3 L3 Ecosystem Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 3 Deployment 7 3.1 Using ShardingSphere‐JDBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Mass data high concurrency in OLTP scenarios . . . . . . . . . . . . . . . . . . . 22 Mass data real‐time analysis in OLAP scenarios . . . . . . . . .

. . . . . . . . . . . . . . . 5 2.3.1 L1 Kernel Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.3.2 L2 Feature Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.3.3 L3 Ecosystem Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 3 Deployment 7 3.1 Using ShardingSphere‐JDBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Mass data high concurrency in OLTP scenarios . . . . . . . . . . . . . . . . . . . 22 Mass data real‐time analysis in OLAP scenarios . . . . . . . . .

Rules Configuration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.1.3 3. Create Data Source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.2 ShardingSphere‐Proxy Kernel Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 L2 Feature Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 L3 Ecosystem Layer . . 24 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 Data Node . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Sharding .

Configuration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.1.3 3. Create Data Source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.2 ShardingSphere‐Proxy Kernel Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 L2 Feature Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 L3 Ecosystem Layer . . 27 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Data Node . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 Sharding .

Kernel Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 L2 Feature Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 L3 Ecosystem Layer . . 27 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Data Node . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 Sharding . . . . . . . . . . . . . . . . . . . 59 Inventory Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 Incremental Data . . . . . . . . . . . . . . . . . . . . . . . . . .

Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2.1 Data Sharding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2.2 Distributed Rules Configuration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.1.3 3. Create Data Source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.2 ShardingSphere‐Proxy . . . . . . . . . . . . . . . . . . . . . 80 Data Node . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 Inventory Data . . . . . . . . . . . . . . . . . . . . . . .

Elastic Distributed Implementation . . . . . . . . . . . . . . . . . . . . . . . . . 10 Registry Data Structure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 config node . . . . scenarios, and provides a diversified job ecosystem through open architecture design. It uses a unified job API for each project. Developers only need code one time and can deploy at will. ElasticJob Unify job api for extension – Support rich job type lib, such as dataflow, script, HTTP, file, big data – Focus business SDK, can work with Spring IOC • Admin Console – Job administration – Job event

List data = // get data from database by sharding item 0 return data; case 1: List data = // get data from database by sharding item 1 return data; case 2: List data = // get data from database by sharding item 2 return data; // case n: ... } } @Override public void processData(ShardingContext shardingContext, List data) { // process data // ... } } 流式处理 可通过属性配置 streaming "shardingItem":0,"shardingParameter":"A"} HTTP 作业（3.0.0-beta 提供） 可通过属性配置 http.url,http.method,http.data 等配置待请求的 http 信息。分片信息以 Header 形式传递，key 为 shardingContext，值为 json 格式。 public class HttpJobMain {