伸缩"/>
ShardingSphere实践（6）——弹性伸缩
目录
一、功能详解
1. 背景
2. 核心概念
3. 使用规范
二、实现细节
1. 原理说明
2. 执行阶段说明
（1）准备阶段
（2）存量数据迁移阶段
（3）增量数据同步阶段
（4）规则切换阶段
3. 限流与熔断
三、用例测试
1. 数据迁移
（1）准备测试用例环境
（2）创建数据迁移作业
（3）割接
2. 数据库节点扩容
（1）准备测试用例环境
（2）创建数据迁移作业
（3）割接
参考：
一、功能详解
1. 背景
对于使用单数据库运行的系统来说，如何安全简单地将数据迁移至水平分片的数据库上，一直以来都是一个迫切的需求。对于已经使用了ShardingSphere的用户来说，随着业务规模的快速变化，也可能需要对现有的分片集群进行弹性扩容或缩容。
ShardingSphere在分片算法上提供给用户极大的自由度，但却给弹性伸缩造成了极大的挑战。找寻既能支持自定义的分片算法，又能高效地将数据节点进行扩缩容的方式，是弹性伸缩面临的第一个挑战。
同时，在伸缩过程中，不应该对正在运行的业务造成影响。尽可能减少伸缩时数据不可用的时间窗口，甚至做到用户完全无感知，是弹性伸缩的另一个挑战。
最后，弹性伸缩不应该对现有的数据造成影响。如何保证数据的正确性，是弹性伸缩的第三个挑战。
弹性伸缩过程示意如下图。
支持自定义分片算法，减少数据伸缩及迁移时的业务影响，提供一站式的通用弹性伸缩解决方案，是ShardingSphere弹性伸缩的主要设计目标。ShardingSphere-Scaling是一个提供给用户的通用数据接入迁移及弹性伸缩的解决方案。ShardingSphere-Scaling从 4.1.0 版本开始向用户提供，当前处于 alpha 开发阶段。
2. 核心概念
- 弹性伸缩作业：指一次将数据由旧规则迁移至新规则的完整流程。
- 存量数据：在弹性伸缩作业开始前，数据节点中已有的数据。
- 增量数据：在弹性伸缩作业执行过程中，业务系统所产生的新数据。
3. 使用规范
支持项：
- 将外围数据迁移至ShardingSphere所管理的数据库。
- 将ShardingSphere的数据节点进行扩容或缩容。
不支持项：
- 无主键表扩缩容。
- 复合主键表扩缩容。
- 不支持在当前存储节点之上做迁移，需要准备一个全新的数据库集群作为迁移目标库。
二、实现细节
1. 原理说明
考虑到ShardingSphere的弹性伸缩模块的几个挑战，目前的弹性伸缩解决方案为：临时地使用两个数据库集群，伸缩完成后切换的方式实现，如下图所示。
这种实现方式有以下优点：
- 伸缩过程中，原始数据没有任何影响。
- 伸缩失败无风险。
- 不受分片策略限制。
同时也存在一定的缺点：
- 在一定时间内存在冗余服务器。
- 所有数据都需要移动。
弹性伸缩模块会通过解析旧分片规则，提取配置中的数据源、数据节点等信息，之后创建伸缩作业工作流，将一次弹性伸缩拆解为 4 个主要阶段：
- 准备阶段。
- 存量数据迁移阶段。
- 增量数据同步阶段。
- 规则切换阶段。
弹性伸缩工作流如下图所示。
2. 执行阶段说明
（1）准备阶段
在准备阶段，弹性伸缩模块会进行数据源连通性及权限的校验，同时进行存量数据的统计、日志位点的记录，最后根据数据量和用户设置的并行度，对任务进行分片。
（2）存量数据迁移阶段
执行在准备阶段拆分好的存量数据迁移作业，存量迁移阶段采用 JDBC 查询的方式，直接从数据节点中读取数据，并使用新规则写入到新集群中。
（3）增量数据同步阶段
由于存量数据迁移耗费的时间受到数据量和并行度等因素影响，此时需要对这段时间内业务新增的数据进行同步。不同的数据库使用的技术细节不同，但总体上均为基于复制协议或 WAL 日志实现的变更数据捕获功能。
- MySQL：订阅并解析 binlog；
- PostgreSQL：采用官方逻辑复制 test_decoding。
这些捕获的增量数据，同样会由弹性伸缩模块根据新规则写入到新数据节点中。当增量数据基本同步完成时（由于业务系统未停止，增量数据是不断的），则进入规则切换阶段。
（4）规则切换阶段
在此阶段，可能存在一定时间的业务只读窗口期，通过设置数据库只读或ShardingSphere的熔断机制，让旧数据节点中的数据短暂静态，确保增量同步已完全完成。
这个窗口期时间短则数秒，长则数分钟，取决于数据量和用户是否需要对数据进行强校验。确认完成后，ShardingSphere可通过配置中心修改配置，将业务导向新规则的集群，弹性伸缩完成。
3. 限流与熔断
面对超负荷的流量下，针对某一节点进行熔断和限流，以保证整个数据库集群得以继续运行，是分布式系统下对单一节点控制能力的挑战。熔断指的是阻断 ShardingSphere 和数据库的连接。当某个 ShardingSphere 节点超过负载后，停止该节点对数据库的访问，使数据库能够保证足够的资源为其他节点提供服务。限流是指面对超负荷的请求开启流量限制，以保护部分请求可以得以高质量的响应。
目前实现的限流是在数据迁移或扩缩容过程中，限制源端或目标端的流量。下表为目前提供的熔断语句。
| 语句 | 说明 | 示例 |
| [ENABLE / DISABLE] READWRITE_SPLITTING (READ)? resourceName [FROM databaseName] | 启用/禁用读库 | ENABLE READWRITE_SPLITTING READ resource_0 |
| [ENABLE / DISABLE] INSTANCE instanceId | 启用/禁用 Proxy 实例 | DISABLE INSTANCE instance_1 |
| SHOW INSTANCE LIST | 查询 Proxy 实例信息 | SHOW INSTANCE LIST |
| SHOW READWRITE_SPLITTING (READ)? resourceName [FROM databaseName] | 查询所有读库的状态 | SHOW READWRITE_SPLITTING READ RESOURCES |
实例级熔断用于多Proxy实例场景下，启用/禁用某个Porxy实例。库级熔断主要用于读写分离场景下启用/禁用读库。
三、用例测试
本节演示两个例子，例1是从MySQL实例迁移到ShardingSphere-Proxy，例2是对现有数据库节点进行扩容。两个例子都用ShardingSphere-Scaling实现，过成类似。
ShardingSphere-Scaling目前不是一个独立的产品，而是以ShardingSphere-Proxy中的一个配置项提供相应功能。如果后端连接以下数据库，需要下载相应 JDBC 驱动 jar 包，并将其放入 ${shardingsphere-proxy}/lib 目录中。
| 数据库 | JDBC驱动 | 参考 |
| MySQL | mysql-connector-java-5.1.47.jar | Connector/J Versions |
| PostgreSQL | opengauss-jdbc-2.0.1-compatibility.jar |
# 引入 JDBC 驱动
cp ~/mysql-connector-java-5.1.47/mysql-connector-java-5.1.47.jar ~/apache-shardingsphere-5.1.1-shardingsphere-proxy-bin/lib/# 重启Proxy
/root/apache-shardingsphere-5.1.1-shardingsphere-proxy-bin/bin/stop.sh
/root/apache-shardingsphere-5.1.1-shardingsphere-proxy-bin/bin/start.sh1. 数据迁移
需求：现有一个正在使用的MySQL数据库，需要将其中的两个表迁移到Proxy下的数据节点。两个表的数据实时变化，要求尽量缩短业务影响时间。
源：172.18.26.198:3306/migrating_db
目标：172.18.10.66:3306/db1、172.18.10.66:3306/db2、172.18.18.102:3306\db1、172.18.18.102:3306\db2
Proxy：172.18.10.66:3307、172.18.18.102:3307，Cluster运行模式
（1）准备测试用例环境
目标66、102执行：
drop database if exists db1;
drop database if exists db2;
create database db1;
create database db2;源198执行：
-- 建库
drop database if exists migrating_db;
create database migrating_db;
use migrating_db;-- 建表
create table t_order (order_id bigint auto_increment primary key, order_datetime datetime not null,user_id bigint not null, order_amount decimal(10,2) not null default 0, key idx_order_datetime (order_datetime),key idx_user_id (user_id));create table t_order_item (order_item_id bigint auto_increment primary key, order_id bigint not null, item_id int null,item_quantity int not null default 0,key idx_order_id (order_id));-- 创建负载模拟存储过程
delimiter //
create procedure sp_generate_order_data(p_seconds int)
begin set @start_ts := now(); set @start_date := unix_timestamp('2022-03-01'); set @end_date := unix_timestamp('2022-06-01');while timestampdiff(second,@start_ts,now()) <= p_seconds do start transaction;set @order_datetime := from_unixtime(@start_date + rand() * (@end_date - @start_date));set @user_id := floor(1 + rand() * 100000000); set @order_amount := round((10 + rand() * 2000),2);insert into t_order (order_datetime, user_id, order_amount) values (@order_datetime, @user_id, @order_amount); set @order_id := last_insert_id();set @quantity := floor(1 + rand() * 50);set @i := 1;while @i <= @quantity do set @item_id := floor(1 + rand() * 10000); set @item_quantity := floor(1 + rand() * 20); insert into t_order_item (order_id, item_id, item_quantity) values (@order_id, @item_id, @item_quantity);set @i:=@i+1;end while;commit;end while;
end
//
delimiter ; -- 执行存储过程
call sp_generate_order_data(1800);以下步骤在执行存储过程过程（半小时）进行，模拟线上实际迁移过程。
（2）创建数据迁移作业
创建数据迁移作业包含以下步骤：
- 创建逻辑库。
- 添加源资源。
- 将单表规则改为单片规则。
- 创建sharding scaling规则。
- 添加目标资源。
- 修改分片规则，触发迁移。
- 监控迁移作业
连接Proxy：
mysql -u root -h 172.18.10.66 -P 3307 -p123456创建逻辑库：
drop database if exists migrating_db;
create database migrating_db;
use migrating_db;添加源资源：
add resource
resource_source (host=172.18.26.198, port=3306, db=migrating_db, user=wxy, password=mypass);
show schema resources\G确认自动创建单表规则：
count schema rules;将单表规则改为单片规则：
create sharding table rule
t_order (datanodes("resource_source.t_order")),
t_order_item (datanodes("resource_source.t_order_item"));预览当前分片规则：
preview select count(1) from t_order;
preview select count(1) from t_order_item;执行SQL确认可以正确查询到数据：
select count(1) from t_order;
select count(1) from t_order_item;创建手动模式scaling规则：
create sharding scaling rule scaling_manual (
input(worker_thread=40,batch_size=1000
),
output(worker_thread=40,batch_size=1000
),
stream_channel(type(name=memory, properties("block-queue-size"=10000))),
data_consistency_checker(type(name=data_match, properties("chunk-size"=1000)))
);查看sharding_scaling规则：
show sharding scaling rules\G参数说明：
- worker_thread：从源端摄取 / 写入到目标端全量数据的线程池大小。
- batch_size：一次查询操作返回的最大记录数。
- stream_channel：数据通道，连接生产者和消费者，用于 input 和 output 环节。type 指定算法类型，可选项 MEMORY；block-queue-size 算法属性指定阻塞队列大小。
- data_consistency_checker：数据一致性校验算法。type 指定算法类型，可选项 DATA_MATCH、CRC32_MATCH；chunk-size 算法属性指定一次查询操作返回的最大记录数。
dataconsistencychecker 的 type 可以通过执行 show scaling check algorithms 查询到：
mysql> show scaling check algorithms;
+-------------+----------------------------+--------------------------------------------------------------+----------------+
| type | description | supported_database_types | provider |
+-------------+----------------------------+--------------------------------------------------------------+----------------+
| CRC32_MATCH | Match CRC32 of records. | MySQL | ShardingSphere |
| DATA_MATCH | Match raw data of records. | SQL92,openGauss,PostgreSQL,MySQL,MariaDB,H2,Oracle,SQLServer | ShardingSphere |
+-------------+----------------------------+--------------------------------------------------------------+----------------+
2 rows in set (0.01 sec)data_match 支持所有数据库，但是性能不是最好的；crc32_match 只支持 MySQL，但是性能更好。
这里还有completion_detector、rateLimiter两个遗留配置问题没有解决。
除手动模式外，官方文档中说明还支持自动模式配置：
create sharding scaling rule scaling_auto (
input(worker_thread=40,batch_size=1000
),
output(worker_thread=40,batch_size=1000
),
stream_channel(type(name=memory, properties("block-queue-size"=10000))),
completion_detector(type(name=idle, properties("incremental-task-idle-seconds-threshold"=1800))),
data_consistency_checker(type(name=data_match, properties("chunk-size"=1000)))
);completion_detector 指定作业是否接近完成检测算法。如果不配置则无法自动进行后续步骤，可以通过 DistSQL 手动操作。type 指定算法类型，可选项 IDLE；incremental-task-idle-seconds-threshold 算法属性指定如果增量同步任务不再活动超过一定时间（秒数），那么可以认为增量同步任务接近完成，适用算法类型 IDLE。
但是，我在配置自动模式触发迁移时报错：
[ERROR] 2022-06-06 06:35:21.727 [0130317c30317c3054317c7363616c696e675f6462_Worker-1] o.a.s.e.e.h.g.LogJobErrorHandler - Job '0130317c30317c3054317c7363616c696e675f6462' exception occur in job processing
java.lang.IllegalArgumentException: incremental task idle threshold can not be null.第二个遗留问题是限流配置。Proxy 5.1.1 文档中关于 scaling 配置项中有如下说明：
rateLimiter: # 限流算法。如果不配置则不限流。type: # 算法类型。可选项：props: # 算法属性可以看到文档中没有给出可选的算法类型和相关算法属性。DistSQL 实例中也没有 rateLimiter 限流配置项。
添加目标资源：
add resource
resource_1 (host=172.18.10.66, port=3306, db=db1, user=wxy, password=mypass),
resource_2 (host=172.18.10.66, port=3306, db=db2, user=wxy, password=mypass),
resource_3 (host=172.18.18.102, port=3306, db=db1, user=wxy, password=mypass),
resource_4 (host=172.18.18.102, port=3306, db=db2, user=wxy, password=mypass);
show schema resources\G修改分片规则，触发迁移：
alter sharding table rule
t_order (
resources(resource_1,resource_2,resource_3,resource_4),
sharding_column=order_id,type(name=hash_mod,properties("sharding-count"=8)),
key_generate_strategy(column=order_id,type(name=snowflake))),
t_order_item (
resources(resource_1,resource_2,resource_3,resource_4),
sharding_column=order_id,type(name=hash_mod,properties("sharding-count"=8)),
key_generate_strategy(column=order_item_id,type(name=snowflake)));目前只有通过执行 ALTER SHARDING TABLE RULE DistSQL 来触发迁移。本例中两个迁移表的分片规则从单片datanodes改为四个数据源的8个分片，会触发迁移。
监控迁移作业：
mysql> show scaling list;
+------------------------------------------------+----------------------+----------------------+--------+---------------------+-----------+
| id | tables | sharding_total_count | active | create_time | stop_time |
+------------------------------------------------+----------------------+----------------------+--------+---------------------+-----------+
| 0130317c30317c3054317c6d6967726174696e675f6462 | t_order,t_order_item | 1 | true | 2022-06-06 18:19:47 | NULL |
+------------------------------------------------+----------------------+----------------------+--------+---------------------+-----------+
1 row in set (0.01 sec)mysql> show scaling status 0130317c30317c3054317c6d6967726174696e675f6462;
+------+-----------------+------------------------+--------+-------------------------------+--------------------------+
| item | data_source | status | active | inventory_finished_percentage | incremental_idle_seconds |
+------+-----------------+------------------------+--------+-------------------------------+--------------------------+
| 0 | resource_source | EXECUTE_INVENTORY_TASK | true | 80 | 0 |
+------+-----------------+------------------------+--------+-------------------------------+--------------------------+
1 row in set (0.00 sec)SHOW SCALING LIST 查询所有迁移作业。这是个全局 DistSQL 命令，返回所有状态的Scaling作业，而不是只针对回当前逻辑数据库的。SHOW SCALING STATUS 命令查询某个迁移作业的进度。
（3）割接
割接步骤包括：
- 源数据库应用停写，以免丢失数据。
- 查看迁移作业进度。
- Proxy停写，即熔断。
- 数据一致性校验。
- 切换元数据。
- 确认目标分片规则生效。
- 创建绑定表规则（可选）。
- 确认迁移作业已完成。
- 应用连接到Proxy访问数据库。
应用停写：Ctrl + c 或kill 掉正在运行的存储过程。
查询迁移作业进度：
mysql> show scaling status 0130317c30317c3054317c6d6967726174696e675f6462;
+------+-----------------+--------------------------+--------+-------------------------------+--------------------------+
| item | data_source | status | active | inventory_finished_percentage | incremental_idle_seconds |
+------+-----------------+--------------------------+--------+-------------------------------+--------------------------+
| 0 | resource_source | EXECUTE_INCREMENTAL_TASK | true | 100 | 5 |
+------+-----------------+--------------------------+--------+-------------------------------+--------------------------+
1 row in set (0.00 sec)当 status 达到 EXECUTE_INCREMENTAL_TASK，全量迁移已完成，在增量迁移阶段。inventory_finished_percentage表示存量数据完成百分比，incremental_idle_seconds表示增量空闲秒数，指示增量是否接近完成。
Proxy停写，选择一个业务低峰期，对源端库或数据操作入口做停写：
stop scaling source writing 0130317c30317c3054317c6d6967726174696e675f6462;数据一致性校验，根据数据量，这步可能执行较长时间：
mysql> check scaling 0130317c30317c3054317c6d6967726174696e675f6462 by type (name=crc32_match);
+--------------+----------------------+----------------------+-----------------------+-------------------------+
| table_name | source_records_count | target_records_count | records_count_matched | records_content_matched |
+--------------+----------------------+----------------------+-----------------------+-------------------------+
| t_order | 57599 | 57599 | true | true |
| t_order_item | 1468140 | 1468140 | true | true |
+--------------+----------------------+----------------------+-----------------------+-------------------------+
2 rows in set (2.17 sec)切换元数据：
apply scaling 0130317c30317c3054317c6d6967726174696e675f6462;预览目标分片是否已生效：
mysql> preview select count(1) from t_order;
+------------------+-------------------------------------------------------------------------+
| data_source_name | actual_sql |
+------------------+-------------------------------------------------------------------------+
| resource_1 | select count(1) from t_order_0 UNION ALL select count(1) from t_order_4 |
| resource_2 | select count(1) from t_order_1 UNION ALL select count(1) from t_order_5 |
| resource_3 | select count(1) from t_order_2 UNION ALL select count(1) from t_order_6 |
| resource_4 | select count(1) from t_order_3 UNION ALL select count(1) from t_order_7 |
+------------------+-------------------------------------------------------------------------+
4 rows in set (0.01 sec)mysql> preview select count(1) from t_order_item;
+------------------+-----------------------------------------------------------------------------------+
| data_source_name | actual_sql |
+------------------+-----------------------------------------------------------------------------------+
| resource_1 | select count(1) from t_order_item_0 UNION ALL select count(1) from t_order_item_4 |
| resource_2 | select count(1) from t_order_item_1 UNION ALL select count(1) from t_order_item_5 |
| resource_3 | select count(1) from t_order_item_2 UNION ALL select count(1) from t_order_item_6 |
| resource_4 | select count(1) from t_order_item_3 UNION ALL select count(1) from t_order_item_7 |
+------------------+-----------------------------------------------------------------------------------+
4 rows in set (0.00 sec)可以看到数据已经分片到新的数据库资源。
创建绑定表：
create sharding binding table rules (t_order,t_order_item);确认绑定表规则生效：
mysql> preview select i.* from t_order o join t_order_item i on o.order_id=i.order_id where o.order_id in (10, 11);
+------------------+---------------------------------------------------------------------------------------------------------+
| data_source_name | actual_sql |
+------------------+---------------------------------------------------------------------------------------------------------+
| resource_3 | select i.* from t_order_2 o join t_order_item_2 i on o.order_id=i.order_id where o.order_id in (10, 11) |
| resource_4 | select i.* from t_order_3 o join t_order_item_3 i on o.order_id=i.order_id where o.order_id in (10, 11) |
+------------------+---------------------------------------------------------------------------------------------------------+
2 rows in set (0.06 sec)确认迁移作业已完成：
mysql> show scaling status 0130317c30317c3054317c7363616c696e675f6462;
+------+-----------------+----------+--------+-------------------------------+--------------------------+
| item | data_source | status | active | inventory_finished_percentage | incremental_idle_seconds |
+------+-----------------+----------+--------+-------------------------------+--------------------------+
| 0 | resource_source | FINISHED | false | 100 | 251 |
+------+-----------------+----------+--------+-------------------------------+--------------------------+
1 rows in set (0.00 sec)2. 数据库节点扩容
需求：现有两个正在使用的8分片表，需要将它们的数据节点扩容到16分片。两个表的数据实时变化，要求尽量缩短业务影响时间。
源：172.18.26.198:3306/db1、172.18.26.198:3306/db2
目标：172.18.10.66:3306/db1、172.18.10.66:3306/db2、172.18.18.102:3306\db1、172.18.18.102:3306\db2
Proxy：172.18.10.66:3307、172.18.18.102:3307，Cluster运行模式
（1）准备测试用例环境
源198，目标66、102执行：
drop database if exists db1;
drop database if exists db2;
create database db1;
create database db2;连接Proxy：
mysql -u root -h 172.18.10.66 -P 3307 -p123456创建逻辑库：
drop database if exists scaling_db;
create database scaling_db;
use scaling_db;添加源资源：
add resource
resource_source1 (host=172.18.26.198, port=3306, db=db1, user=wxy, password=mypass),
resource_source2 (host=172.18.26.198, port=3306, db=db2, user=wxy, password=mypass);
show schema resources\G创建规则：
-- 分片表
create sharding table rule
t_order (
resources(resource_source1,resource_source2),
sharding_column=order_id,type(name=hash_mod,properties("sharding-count"=8)),
key_generate_strategy(column=order_id,type(name=snowflake))),
t_order_item (
resources(resource_source1,resource_source2),
sharding_column=order_id,type(name=hash_mod,properties("sharding-count"=8)),
key_generate_strategy(column=order_item_id,type(name=snowflake)));-- 绑定表
create sharding binding table rules (t_order,t_order_item);建表：
create table t_order (order_id bigint auto_increment primary key, order_datetime datetime not null,user_id bigint not null, order_amount decimal(10,2) not null default 0, key idx_order_datetime (order_datetime),key idx_user_id (user_id));create table t_order_item (order_item_id bigint auto_increment primary key, order_id bigint not null, item_id int null,item_quantity int not null default 0,key idx_order_id (order_id));预览规则是否已生效：
mysql> preview select count(1) from t_order;
+------------------+-----------------------------------------------------------------------------------------------------------------------------------------------------------+
| data_source_name | actual_sql |
+------------------+-----------------------------------------------------------------------------------------------------------------------------------------------------------+
| resource_source1 | select count(1) from t_order_0 UNION ALL select count(1) from t_order_2 UNION ALL select count(1) from t_order_4 UNION ALL select count(1) from t_order_6 |
| resource_source2 | select count(1) from t_order_1 UNION ALL select count(1) from t_order_3 UNION ALL select count(1) from t_order_5 UNION ALL select count(1) from t_order_7 |
+------------------+-----------------------------------------------------------------------------------------------------------------------------------------------------------+
2 rows in set (0.00 sec)mysql> preview select count(1) from t_order_item;
+------------------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| data_source_name | actual_sql |
+------------------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| resource_source1 | select count(1) from t_order_item_0 UNION ALL select count(1) from t_order_item_2 UNION ALL select count(1) from t_order_item_4 UNION ALL select count(1) from t_order_item_6 |
| resource_source2 | select count(1) from t_order_item_1 UNION ALL select count(1) from t_order_item_3 UNION ALL select count(1) from t_order_item_5 UNION ALL select count(1) from t_order_item_7 |
+------------------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
2 rows in set (0.00 sec)mysql> preview select i.* from t_order o join t_order_item i on o.order_id=i.order_id where o.order_id in (10, 11);
+------------------+---------------------------------------------------------------------------------------------------------+
| data_source_name | actual_sql |
+------------------+---------------------------------------------------------------------------------------------------------+
| resource_source1 | select i.* from t_order_2 o join t_order_item_2 i on o.order_id=i.order_id where o.order_id in (10, 11) |
| resource_source2 | select i.* from t_order_3 o join t_order_item_3 i on o.order_id=i.order_id where o.order_id in (10, 11) |
+------------------+---------------------------------------------------------------------------------------------------------+
2 rows in set (0.00 sec)添加存量数据：
insert into t_order (order_id, order_datetime, user_id, order_amount)
values
(1, now(), 1, 100),(2, now(), 2, 200),(3, now(), 3, 300),(4, now(), 4, 400),
(5, now(), 5, 500),(6, now(), 6, 600),(7, now(), 7, 700),(8, now(), 8, 800);insert into t_order_item (order_item_id, order_id, item_id, item_quantity)
values
(1,1,1,10),(2,1,2,20),(3,2,3,30),(4,2,4,40),(5,3,1,10),(6,3,2,20),(7,4,3,30),(8,4,4,40),
(9,5,1,10),(10,5,2,20),(11,6,3,30),(12,6,4,40),(13,7,1,10),(14,7,2,20),(15,8,3,30),(16,8,4,40);ShardingSphere-Proxy只支持对非分片表使用MySQL存储函数、存储过程操作，因此这里只能使用普通的insert语句。
（2）创建数据迁移作业
创建数据迁移作业包含以下步骤：
- 创建逻辑库。
- 添加源资源。
- 把现有系统中的表配置到规则里。
- 创建sharding scaling规则。
- 添加目标资源。
- 修改分片规则，触发迁移。
- 监控迁移作业
本例中因为我们的源和目标使用同一个Proxy集群，第1-3步已经在上一步“准备测试用例环境”中完成了。
创建手动模式scaling规则：
create sharding scaling rule scaling_manual (
input(worker_thread=40,batch_size=1000
),
output(worker_thread=40,batch_size=1000
),
stream_channel(type(name=memory, properties("block-queue-size"=10000))),
data_consistency_checker(type(name=data_match, properties("chunk-size"=1000)))
);添加目标资源：
add resource
resource_1 (host=172.18.10.66, port=3306, db=db1, user=wxy, password=mypass),
resource_2 (host=172.18.10.66, port=3306, db=db2, user=wxy, password=mypass),
resource_3 (host=172.18.18.102, port=3306, db=db1, user=wxy, password=mypass),
resource_4 (host=172.18.18.102, port=3306, db=db2, user=wxy, password=mypass);
show schema resources\G修改分片规则，触发迁移，注意绑定表只能一块迁移：
alter sharding table rule
t_order (
resources(resource_1,resource_2,resource_3,resource_4),
sharding_column=order_id,type(name=hash_mod,properties("sharding-count"=16)),
key_generate_strategy(column=order_id,type(name=snowflake))),
t_order_item (
resources(resource_1,resource_2,resource_3,resource_4),
sharding_column=order_id,type(name=hash_mod,properties("sharding-count"=16)),
key_generate_strategy(column=order_item_id,type(name=snowflake)));监控迁移作业：
mysql> show scaling list;
+------------------------------------------------+----------------------+----------------------+--------+---------------------+---------------------+
| id | tables | sharding_total_count | active | create_time | stop_time |
+------------------------------------------------+----------------------+----------------------+--------+---------------------+---------------------+
| 0130317c30317c3054317c6d6967726174696e675f6462 | t_order,t_order_item | 1 | false | 2022-06-06 18:19:47 | 2022-06-06 18:22:56 |
| 0130317c30317c3054317c7363616c696e675f6462 | t_order,t_order_item | 2 | true | 2022-06-07 07:13:30 | NULL |
+------------------------------------------------+----------------------+----------------------+--------+---------------------+---------------------+
2 rows in set (0.01 sec)mysql> show scaling status 0130317c30317c3054317c6d6967726174696e675f6462;
+------+-----------------+----------+--------+-------------------------------+--------------------------+
| item | data_source | status | active | inventory_finished_percentage | incremental_idle_seconds |
+------+-----------------+----------+--------+-------------------------------+--------------------------+
| 0 | resource_source | FINISHED | false | 100 | 46550 |
+------+-----------------+----------+--------+-------------------------------+--------------------------+
1 row in set (0.01 sec)mysql> show scaling status 0130317c30317c3054317c7363616c696e675f6462;
+------+------------------+--------------------------+--------+-------------------------------+--------------------------+
| item | data_source | status | active | inventory_finished_percentage | incremental_idle_seconds |
+------+------------------+--------------------------+--------+-------------------------------+--------------------------+
| 0 | resource_source1 | EXECUTE_INCREMENTAL_TASK | true | 100 | 215 |
| 1 | resource_source2 | EXECUTE_INCREMENTAL_TASK | true | 100 | 215 |
+------+------------------+--------------------------+--------+-------------------------------+--------------------------+
2 rows in set (0.01 sec)添加增量数据：
insert into t_order (order_id, order_datetime, user_id, order_amount)
values (9, now(), 1, 100),(10, now(), 2, 200);insert into t_order_item (order_item_id, order_id, item_id, item_quantity)
values
(17,9,1,10),(18,9,2,20),(19,9,3,30),(20,9,4,40),(21,10,1,10),(22,10,2,20),(23,10,3,30),(24,10,4,40);（3）割接
割接步骤包括：
- 源数据库应用停写，以免丢失数据。
- 查看迁移作业进度。
- Proxy停写，即熔断。
- 数据一致性校验。
- 切换元数据。
- 确认目标分片规则生效。
- 确认迁移作业已完成。
- 应用连接到Proxy访问数据库。
查询迁移作业进度：
mysql> show scaling status 0130317c30317c3054317c7363616c696e675f6462;
+------+------------------+--------------------------+--------+-------------------------------+--------------------------+
| item | data_source | status | active | inventory_finished_percentage | incremental_idle_seconds |
+------+------------------+--------------------------+--------+-------------------------------+--------------------------+
| 0 | resource_source1 | EXECUTE_INCREMENTAL_TASK | true | 100 | 51 |
| 1 | resource_source2 | EXECUTE_INCREMENTAL_TASK | true | 100 | 51 |
+------+------------------+--------------------------+--------+-------------------------------+--------------------------+
2 rows in set (0.01 sec)Proxy停写，选择一个业务低峰期，对源端库或数据操作入口做停写：
stop scaling source writing 0130317c30317c3054317c7363616c696e675f6462;数据一致性校验，根据数据量，这步可能执行较长时间：
mysql> check scaling 0130317c30317c3054317c7363616c696e675f6462 by type (name=crc32_match);
+--------------+----------------------+----------------------+-----------------------+-------------------------+
| table_name | source_records_count | target_records_count | records_count_matched | records_content_matched |
+--------------+----------------------+----------------------+-----------------------+-------------------------+
| t_order | 10 | 10 | true | true |
| t_order_item | 24 | 24 | true | true |
+--------------+----------------------+----------------------+-----------------------+-------------------------+
2 rows in set (0.46 sec)切换元数据：
apply scaling 0130317c30317c3054317c7363616c696e675f6462;预览分片规则是否已生效：
mysql> preview select count(1) from t_order;
+------------------+-------------------------------------------------------------------------------------------------------------------------------------------------------------+
| data_source_name | actual_sql |
+------------------+-------------------------------------------------------------------------------------------------------------------------------------------------------------+
| resource_1 | select count(1) from t_order_0 UNION ALL select count(1) from t_order_4 UNION ALL select count(1) from t_order_8 UNION ALL select count(1) from t_order_12 |
| resource_2 | select count(1) from t_order_1 UNION ALL select count(1) from t_order_5 UNION ALL select count(1) from t_order_9 UNION ALL select count(1) from t_order_13 |
| resource_3 | select count(1) from t_order_2 UNION ALL select count(1) from t_order_6 UNION ALL select count(1) from t_order_10 UNION ALL select count(1) from t_order_14 |
| resource_4 | select count(1) from t_order_3 UNION ALL select count(1) from t_order_7 UNION ALL select count(1) from t_order_11 UNION ALL select count(1) from t_order_15 |
+------------------+-------------------------------------------------------------------------------------------------------------------------------------------------------------+
4 rows in set (0.01 sec)mysql> preview select count(1) from t_order_item;
+------------------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| data_source_name | actual_sql |
+------------------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| resource_1 | select count(1) from t_order_item_0 UNION ALL select count(1) from t_order_item_4 UNION ALL select count(1) from t_order_item_8 UNION ALL select count(1) from t_order_item_12 |
| resource_2 | select count(1) from t_order_item_1 UNION ALL select count(1) from t_order_item_5 UNION ALL select count(1) from t_order_item_9 UNION ALL select count(1) from t_order_item_13 |
| resource_3 | select count(1) from t_order_item_2 UNION ALL select count(1) from t_order_item_6 UNION ALL select count(1) from t_order_item_10 UNION ALL select count(1) from t_order_item_14 |
| resource_4 | select count(1) from t_order_item_3 UNION ALL select count(1) from t_order_item_7 UNION ALL select count(1) from t_order_item_11 UNION ALL select count(1) from t_order_item_15 |
+------------------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
4 rows in set (0.01 sec)mysql> preview select i.* from t_order o join t_order_item i on o.order_id=i.order_id where o.order_id in (10, 11);
+------------------+-----------------------------------------------------------------------------------------------------------+
| data_source_name | actual_sql |
+------------------+-----------------------------------------------------------------------------------------------------------+
| resource_3 | select i.* from t_order_10 o join t_order_item_10 i on o.order_id=i.order_id where o.order_id in (10, 11) |
| resource_4 | select i.* from t_order_11 o join t_order_item_11 i on o.order_id=i.order_id where o.order_id in (10, 11) |
+------------------+-----------------------------------------------------------------------------------------------------------+
2 rows in set (0.00 sec)可以看到数据已经分片到新的数据库资源。 确认迁移作业已完成：
mysql> show scaling status 0130317c30317c3054317c7363616c696e675f6462;
+------+------------------+----------+--------+-------------------------------+--------------------------+
| item | data_source | status | active | inventory_finished_percentage | incremental_idle_seconds |
+------+------------------+----------+--------+-------------------------------+--------------------------+
| 0 | resource_source1 | FINISHED | false | 100 | 276 |
| 1 | resource_source2 | FINISHED | false | 100 | 276 |
+------+------------------+----------+--------+-------------------------------+--------------------------+
2 rows in set (0.01 sec)mysql> preview select i.* from t_order o join t_order_item i on o.order_id=i.order_id where o.order_id in (10, 11);
+------------------+---------------------------------------------------------------------------------------------------------+
| data_source_name | actual_sql |
+------------------+---------------------------------------------------------------------------------------------------------+
| resource_3 | select i.* from t_order_2 o join t_order_item_2 i on o.order_id=i.order_id where o.order_id in (10, 11) |
| resource_4 | select i.* from t_order_3 o join t_order_item_3 i on o.order_id=i.order_id where o.order_id in (10, 11) |
+------------------+---------------------------------------------------------------------------------------------------------+
2 rows in set (0.01 sec)参考：
/
/
/
更多推荐
ShardingSphere实践（6）——弹性伸缩
发布评论