Elastic Distributed Implementation . . . . . . . . . . . . . . . . . . . . . . . . . 10 Registry Data Structure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 config node . . . . 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 such as Spring and Dubbo. Spring DI (Dependency Injection) Beans can be freely used in Job, such as data source connection pool and Dubbo remote service, etc., which is more convenient for business development

. . . . . . . . . . . . 485 /metadata/${databaseName}/data_sources/units/ds_0/versions/0 . . . . . . . . . 485 /metadata/${databaseName}/data_sources/nodes/ds_0/versions/0 . . . . . . . . . 485 /m /nodes/compute_nodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 487 /nodes/qualified_data_sources . . . . . . . . . . . . . . . . . . . . . . . . . . . . 487 12.4 数据分片 . . . . . . . . . SELECT * FROM t_order WHERE to_date(create_time, 'yyyy-mm-dd') = '2019-01-01'; LOAD DATA / LOAD XML 支持 MySQL LOAD DATA 和 LOAD XML 语句加载数据到单表和广播表。 实验性支持 实验性支持特指使用 Federation 执行引擎提供支持。该引擎处于快速开发中，用户虽基本可用，但仍需

. . . . . . . . . . . . . . . . . . . . . . 22 Mass data high concurrency in OLTP scenarios . . . . . . . . . . . . . . . . . . . 22 Mass data real‐time analysis in OLAP scenarios . . . . . . . . . 23 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Data Nodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Sharding . 44 Request Limit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 8.6 Data Migration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 8.6

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 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.process 开启或关闭流式处理。 "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 {

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 . . . . . . . . . . . . . . . . . . . . . . .

Rules Configuration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.1.3 3. Create Data Source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.2 ShardingSphere‐Proxy 24 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 Data Node . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Sharding . . . . . . . . . . . . . . . . . . . 60 Inventory Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 Incremental Data . . . . . . . . . . . . . . . . . . . . . . . . . .

Configuration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.1.3 3. Create Data Source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.2 ShardingSphere‐Proxy 27 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Data Node . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 Sharding . . . . . . . . . . . . . . . . . . . 57 Inventory Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 Incremental Data . . . . . . . . . . . . . . . . . . . . . . . . . .

27 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Data Node . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 Sharding . . . . . . . . . . . . . . . . . . . 59 Inventory Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 Incremental Data . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 Mode Configuration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 Data Source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 Rules . .

. . . . . . . . . . . . . . . . . . . . . . 19 Mass data high concurrency in OLTP scenarios . . . . . . . . . . . . . . . . . . . 19 Mass data real‐time analysis in OLAP scenarios . . . . . . . . . 20 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Data Nodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Sharding . 42 Request Limit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 3.7 Data Migration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 iii

. . . . . . . . . . . . . . . . . . . . . . 18 Mass data high concurrency in OLTP scenarios . . . . . . . . . . . . . . . . . . . 18 Mass data real‐time analysis in OLAP scenarios . . . . . . . . . 19 Table . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Data Nodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 Sharding . 41 Request Limit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 3.7 Data Migration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 3.7