分库分表实战：ShardingSphere落地指南
ShardingSphere核心组件选择
ShardingSphere提供ShardingSphere-JDBC（轻量级Java驱动）和ShardingSphere-Proxy（透明化数据库代理）两种模式。JDBC适合Java应用直接集成，性能更高；Proxy支持多语言，适合异构系统。根据业务场景选择：高频交易系统推荐JDBC，跨语言环境使用Proxy。
数据分片策略设计
水平分片需明确分片键（如用户ID、订单时间）和分片算法（取模、范围、哈希）。例如订单表按用户ID取模分8库，每个库再按月份分12表。配置示例：
yaml
spring.shardingsphere.rules.sharding.tables.t_order.actual-data-nodes=ds_$->{0..7}.t_order_$->{202301..202312}
spring.shardingsphere.rules.sharding.tables.t_order.table-strategy.standard.sharding-column=user_id
spring.shardingsphere.rules.sharding.tables.t_order.table-strategy.standard.precise-algorithm-class-name=com.example.HashModAlgorithm分布式主键生成
内置Snowflake和UUID生成器，建议自定义扩展避免跨机房时钟问题。配置示例：
yaml
spring.shardingsphere.rules.sharding.tables.t_order.key-generate-strategy.column=order_id
spring.shardingsphere.rules.sharding.tables.t_order.key-generate-strategy.key-generator-name=snowflake分布式事务管理
BASE模式使用Seata集成，强一致性场景启用XA事务。配置Seata代理数据源：
java
@Bean
public DataSource dataSource() throws SQLException {
return ShardingSphereDataSourceFactory.createDataSource(
dataSourceMap,
Collections.singleton(shardingRuleConfig),
new Properties(),
new SeataATShardingSphereTransactionManager()
);
}弹性伸缩与数据迁移
使用ShardingSphere-Scaling进行在线扩容。通过增量同步+全量校验实现不停机迁移，执行流程：
- 创建迁移任务配置源库和目标库
- 启动全量数据同步
- 启动增量日志同步
- 校验数据一致性后切换流量
监控与治理
集成Prometheus暴露指标，关键监控项包括：
- 分片SQL执行延迟分布
- 连接池活跃线程数
- 分布式事务成功率
配置示例：
yaml
spring.shardingsphere.metrics.enabled=true
spring.shardingsphere.metrics.prometheus.enabled=true常见问题解决方案
跨库JOIN ：使用绑定表避免笛卡尔积，配置关联表相同分片规则。分页排序 ：通过归并引擎内存计算，需控制offset大小。分布式ID冲突：调整Snowflake的workerId分配策略，推荐使用ZK协调。