如果springboot的版本为2.x，会提示org.yaml.snakeyaml.LoaderOptions找不到setCodePointLimit()方法。该类在snakeyaml.jar包，且1.33之后才有这个方法。springboot依赖的snakeyaml为1.30。解决方式如下：

1）方法1：使用springboot 3.x的版本，jdk需要升级到17。idea也要升级为2022之后的版本；

2）方法2：手动引入snakeyaml.jar的1.33版本；

yml配置

从 5.1.2 版本开始，Sharding-JDBC提供了原生JDBC驱动ShardingSphereDriver。在5.3.x之后，配置也做了规范化处理。

4.1 application.yml的配置

server:

port: 8080

spring:

main:

# 处理连接池冲突

allow-bean-definition-overriding: true

datasource:

driver-class-name: org.apache.shardingsphere.driver.ShardingSphereDriver

url: jdbc:shardingsphere:classpath:sharding.yml

在spring.datasource.url中，配置shardingsphere的配置文件路径为sharding.yml

4.2 sharding.yml的配置

dataSources:

order_ds:

dataSourceClassName: com.zaxxer.hikari.HikariDataSource

driverClassName: com.mysql.cj.jdbc.Driver

url: jdbc:mysql://localhost:3306/shardingjdbctest?useUnicode=true&characterEncoding=utf8&serverTimezone=GMT%2B8&useSSL=false

username: root

password: 123456

rules:

- !SHARDING

tables:

tb_order: #逻辑表

actualDataNodes: order_ds.tb_order_$->{1..2} #order1：数据源名称；两个tb_order表，分别为tb_order_1和tb_order_2

keyGenerateStrategy: # 指定主键生成策略

column: order_id

keyGeneratorName: snowflake

tableStrategy:

standard: #没有inline策略

shardingColumn: order_id #分片键。对id进行分表

shardingAlgorithmName: order_inline

shardingAlgorithms: #分片算法

order_inline: #算法名称

type: inline #算法类型

props:

algorithm-expression: tb_order_$->{order_id % 2 + 1} #分片算法

keyGenerators: # 主键生成器

snowflake:

type: SNOWFLAKE

props:

sql-show: true # 是否打印sql

1）独立分片规则的文件，与Spring分离；

2）以驼峰命名取代了下划线命名；

3）在tables规则中，只配置策略及对应算法名称；

4）分片策略中，取消了inline类型的分片策略，只作为标准分片中的inline算法类型；

5）独立分片算法、主键生成器等，当不同的table需要相同的算法时，可以复用；

详细配置查看：YAML 配置 :: ShardingSphere

 实体类

package com.jingai.sharing.jdbc.entity;

import com.baomidou.mybatisplus.annotation.TableName;

import lombok.Data;

import lombok.ToString;

import java.util.Date;

@Data

@ToString

@TableName("tb_order")

public class OrderEntity {

private long orderId;

private long memberId;

private float totalPrice;

private String status;

private Date orderTime;

}

在实体类中，@TableName指定配置中的逻辑表。

Mapper类

package com.jingai.sharing.jdbc.dao;

import com.baomidou.mybatisplus.core.mapper.BaseMapper;

import com.jingai.sharing.jdbc.entity.OrderEntity;

import org.apache.ibatis.annotations.Insert;

import org.apache.ibatis.annotations.Options;

public interface OrderMapper extends BaseMapper<OrderEntity> {

@Insert("insert into tb_order(member_id, total_price, status, order_time) values " +

"(#{memberId}, #{totalPrice}, #{status}, #{orderTime})")

@Options(useGeneratedKeys = true, keyProperty = "orderId")

int insert2(OrderEntity order);

}

在5.2的配置中，通过key-generator设置了逻辑表的主键生成策略为雪花算法。当进行数据插入时，需要编写新的插入接口，不能直接使用Mybatis-plus中的insert()接口。因为在默认的insert()接口中，实体对象的orderId为0，不会走配置的雪花算法。

Service类

package com.jingai.sharing.jdbc.service;

import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;

import com.jingai.sharing.jdbc.dao.OrderMapper;

import com.jingai.sharing.jdbc.entity.OrderEntity;

import org.springframework.stereotype.Service;

import javax.annotation.Resource;

@Service

public class OrderService extends ServiceImpl<OrderMapper, OrderEntity> {

@Resource

private OrderMapper orderMapper;

public long insert2(OrderEntity order) {

int rs = orderMapper.insert2(order);

return rs > 0 ? order.getOrderId() : 0;

}

}

为了便于测试，此处省略了Service的接口类。

Controller类

@RestController

public class OrderController {

@Resource

private OrderService orderService;

@RequestMapping("order")

public String order(OrderEntity order) {

order.setOrderTime(new Date());

long insert = orderService.insert2(order);

return insert > 0 ? "success" : "fail";

}

@RequestMapping("list")

public List<OrderEntity> list() {

return orderService.list();

}

}

8.1 访问order接口

访问order接口，添加记录，打印的日志如下：

id为1018095401464496128，分片到tb_order_1。

8.2 访问list接口

访问list接口，查询全部数据，打印的日志如下：

由于list是查询全部，所以会进行全局扫描查询，需要查询tb_order_1和tb_order_2两个表。此处通过union all，一次性查询了两张表。

对比Sharding-JDBC-4.1.1，对于全局查询，打印的日志如下：

同样是查询tb_order_1和tb_order_2两个表，但是分开两次查询。

小结

以下对比 5.3.0 版本与 4.1.1 的差别：

1）引入的依赖不同，5.3.0 为 shardingsphere-jdbc-core，4.1.1 是sharding-jdbc-spring-boot-starter；

2）配置不同。4.1.1 中的分片策略在application.yml中进行配置，5.3.0 在application.yml中只配置了分片策略的文件路径，分片策略在专门的分片策略文件中配置；

3）5.3.0 相比 4.1.1，提供了许多分片算法。如基于取模的分片算法、基于可变时间范围的分片算法等；

4）5.3.0 相比 4.1.1，某些功能的性能得到了优化；

Shardingsphere文档

YAML 配置 :: ShardingSphere

关于本篇内容你有什么自己的想法或独到见解，欢迎在评论区一起交流探讨下吧。