1、概述
读写分离是一种常见的数据库架构，它将数据库分为主从库，一个主库（Master）用于写数据，多个从库（Slave）进行轮询读取数据的过程。主从库之间通过某种通讯机制进行数据的同步。
所以，数据的读写分离是在数据库的主从复制基础上建立起来的。
数据库的主从复制可以参考之前的文章：Mysql8.0实现主从复制。
读写分离的原理是让主数据库处理事务性增、改、删操作（INSERT、UPDATE、DELETE），而从数据库处理SELECT查询操作。这样可以有效地减轻主数据库的压力，提高数据库的并发性能和稳定性。
2、优缺点
优点：
- 减轻数据库压力：通过将读操作和写操作分开到不同的数据库服务器上，可以有效地减轻主数据库的压力，提高数据库的并发性能和稳定性。
- 提高性能：只读服务器没有写操作，可以大大减轻磁盘IO等性能问题，提高查询效率。同时，读服务器可以采用负载均衡，实现读操作的可伸缩性。
- 易于扩展：读写分离可以很容易地扩展到更多的数据库服务器上，以满足不断增长的业务需求。
缺点：
- 数据实时性差：数据不是实时同步到只读服务器上的，当数据写入主服务器后，要在下次同步后才能查询到。这可能导致数据不一致的问题。
- 数据量大时同步效率差：单表数据量过大时插入和更新因索引、磁盘IO等问题，性能会变的很差。这可能影响到只读服务器的性能和稳定性。
- 连接多个数据库：至少要连接到两个数据库，实际的读写操作是在程序代码中完成的，容易引起混乱。这增加了开发和维护的复杂性。
3、SpringBoot整合实现
使用SpringBoot对ShardingSphere的基本整合可以浏览之前的文章：
ShardingSphere数据分片之分表操作。
因为是SpringBoot整合ShardingSphere，所以我们只需要配置Yaml文件便可以轻松的实现数据库的读写分离。
3.1、引入依赖
CSDN上很多博客都使用的是sharding-jdbc-spring-boot-starter依赖，但是这个依赖是很久以前的了，在需求日益增长的现在，还是要紧跟时代比较好，所以我就用了离现在不是很久的依赖。
<dependency><groupId>org.apache.shardingsphere</groupId><artifactId>shardingsphere-jdbc-core-spring-boot-starter</artifactId><version>5.1.1</version></dependency>
3.2、配置YAML文件
这里结合了读写分离 + 分表的操作，所以YAML文件的配置就比较多。
spring:shardingsphere:props:sql-show: true # 展示shardingSphere对SQL的处理datasource: # 配置真实的数据源master: # 主数据库username: rootpassword: 123456url: jdbc:mysql://wangwu_mysql:3306/mysql_test?serverTimezone=Asia/Shanghai # zhoujn.e3.luyouxia.net:11580type: com.zaxxer.hikari.HikariDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverslave: # 从数据库username: rootpassword: 123456url: jdbc:mysql://zhangsan_mysql:3306/mysql_test?serverTimezone=Asia/Shanghaitype: com.zaxxer.hikari.HikariDataSourcedriver-class-name: com.mysql.cj.jdbc.Drivernames: masterrules: # 配置路由规则readwrite-splitting: # 配置读写分离data-sources: # 读写分离数据库配置read-write-datasource: # 自定义读写分离数据库配置名称type: Static # 静态配置，配置的选项来自同一个YAML文件的datasource参数props:write-data-source-name: master # 写库的配置read-data-source-names: slave # 读库的配置，多个从库之间使用逗号进行隔开load-balancer-name: round-robin # 多个读库之间采用的访问策略load-balancers: # 访问策略的配置round-robin: # 自定义策略名称type: ROUND_ROBIN # 明确的策略sharding: # 数据分片配置sharding-algorithms: # 数据分片算法配置table-inline:type: INLINEprops:algorithm-expression: test_$->{id % 2}tables: # 表的分片配置logic_table_name:actual-data-nodes: read-write-datasource.test_${0..1}table-strategy:standard:sharding-column: idsharding-algorithm-name: table-inlinemode:type: Memoryrepository:type: JDBC
load-balancers.type从库访问策略可以是以下的值：
| 参数名称 | 描述 |
|---|---|
| ROUND_ROBIN | 轮询负载均衡器。按照顺序依次将请求分配给每个分片，当所有分片都处理完后再从头开始分配。 |
| LEAST_ACTIVE | 最少活跃调用负载均衡器。选择当前活跃请求数最少的分片作为目标分片。 |
| LEAST_CONNECTION | 最少连接负载均衡器。选择当前连接数最少的分片作为目标分片。 |
| RANDOM | 随机负载均衡器。随机选择一个分片作为目标分片。 |
| LEAST_RESPONSE_TIME | 最少响应时间负载均衡器。选择当前响应时间最少的分片作为目标分片。 |
注意点：
在使用读写分离时，actual-data-nodes参数所对应的真是表的名称不再是Master或者Slave，而是rules.readwrite-splitting.data-sources下自定义是读写分离数据库的名称。
否则读写分离不会成功。
其他的分库分表参数请浏览：ShardingSphere数据分片之分表操作。
3.3、代码层面
整合了ShardingSphere后代码层面还是和日常的编写方式一样就可以了。
3.3.1、controller
@RestController
@RequiredArgsConstructor
public class shardingController {private final TestServiceImpl testService;@GetMapping(value = "/add")public String addData(){for(int i = 1; i <= 10; i++){// 此处的操作一定是在Master库中执行的testService.save(new Test().setTestName("data_" + i).setId(i));}return "插入完成";}@GetMapping(value = "/list")public List<Test> list(){// 此处的操作一定是在Slave库中执行return testService.list();}}
3.3.2、service
@Service
public class TestServiceImpl extends ServiceImpl<TestMapper, Test> implements IService<Test> {
}
3.3.3、mapper
@Mapper
public interface TestMapper extends BaseMapper<Test> {
}
