Mycat搭建分库分表

  • 分库分表解决的问题
    • 单表数据量过大带来的性能和存储容量的限制的问题:
      • 索引效率下降
      • 读写瓶颈
      • 存储容量限制
      • 事务性能问题
  • 分库分表架构
  • 再搭建一对主从复制节点,3307主节点,3309从节点
  • 配置数据源 dw1 , dr1,
  • 创建集群c1
  • 创建逻辑库 CREATE DATABASE clusterdb;
  • 创建广播表 BROADCAST代表广播表,意味着所有的数据源都会创建这张表

CREATE TABLE clusterdb.`dict_type` (

`id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '主键',

`type_id` int(11) NOT NULL COMMENT '业务类型id',

`name` varchar(255) DEFAULT NULL COMMENT '名称',

PRIMARY KEY (`id`) USING BTREE

)ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='类型字典' BROADCAST;

  • 添加数据

INSERT INTO clusterdb.`dict_type` VALUES (1,1,'发货单');

INSERT INTO clusterdb.`dict_type` VALUES (2,2,'收货单');

INSERT INTO clusterdb.`dict_type` VALUES (3,3,'出库单');

INSERT INTO clusterdb.`dict_type` VALUES (4,4,'入库单');

INSERT INTO clusterdb.`dict_type` VALUES (5,5,'出室单');

INSERT INTO clusterdb.`dict_type` VALUES (6,6,'入室单');

  • 验证一下是否每个数据节点都有数据
  • 创建分片库表
    • 分库分片表就是把数据按照特定的算法,分配到不同的数据库表中,达到降低单表数据量过大导致的效率问题。

CREATE TABLE clusterdb.orders(

`id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '主键',

`order_type` int(11) NOT NULL COMMENT '业务类型id',

`order_name` varchar(255) DEFAULT NULL COMMENT '名称',

PRIMARY KEY (`id`) USING BTREE

)ENGINE=INNODB DEFAULT CHARSET=utf8

dbpartition BY mod_hash(id) tbpartition BY mod_hash(id)

tbpartitions 1 dbpartitions 2;

INSERT into clusterdb.orders values(1,1,'test1');

INSERT into clusterdb.orders values(2,1,'test2');

INSERT into clusterdb.orders values(3,2,'test3');

INSERT into clusterdb.orders values(4,3,'test4');

INSERT into clusterdb.orders values(5,3,'test5');

INSERT into clusterdb.orders values(6,4,'test6');

INSERT into clusterdb.orders values(7,5,'test7');

INSERT into clusterdb.orders values(8,5,'test8');

INSERT into clusterdb.orders values(9,5,'test9');

INSERT into clusterdb.orders values(10,5,'test10');

  • 验证结果
    • 在mycat进行查询 select * from clusterdb.orders; 能得到全部的结果
  • 主节点1,自动创建clusterdb_0 orders_0 并且存放的是id偶数的数据
  • 主节点2,自动创建clusterdb_1 orders_1 并且存放的id是基数的数据
  • 到这里分库分表就成功啦~~
相关推荐
一只小bit26 分钟前
MySQL 索引:从聚簇到普通索引,如何加快查询效率?
数据库·mysql·oracle
洛克大航海3 小时前
解锁 PySpark SQL 的强大功能:有关 App Store 数据的端到端教程
linux·数据库·sql·pyspark sql
XueminXu4 小时前
ClickHouse数据库的表引擎
数据库·clickhouse·log·表引擎·mergetree·special·integrations
冒泡的肥皂4 小时前
MVCC初学demo(二
数据库·后端·mysql
代码程序猿RIP4 小时前
【Redis 】Redis 详解以及安装教程
数据库·etcd
小生凡一5 小时前
redis 大key、热key优化技巧|空间存储优化|调优技巧(一)
数据库·redis·缓存
oe10195 小时前
好文与笔记分享 A Survey of Context Engineering for Large Language Models(上)
数据库·笔记·语言模型·agent·上下文工程
小马哥编程5 小时前
【软考架构】案例分析-对比MySQL查询缓存与Memcached
java·数据库·mysql·缓存·架构·memcached
一 乐5 小时前
高校后勤报修系统|物业管理|基于SprinBoot+vue的高校后勤报修系统(源码+数据库+文档)
java·前端·javascript·数据库·vue.js·毕设
折翼的恶魔5 小时前
SQL190 0级用户高难度试卷的平均用时和平均得分
java·数据库