在现代数据库设计中，随着数据量的不断增长，单一数据库往往无法满足高并发、高性能的业务需求。因此，分库分表策略成为数据库架构优化的重要手段。本文将介绍分库分表的基本概念，并重点探讨垂直拆分与水平拆分的区别，以及如何在 MyBatis-Plus 中结合 Sharding-JDBC 实现数据库的分库分表。

数据库分库分表概念

分库分表是数据库优化的一种常见方式，其核心目的是为了减少单库单表的数据压力，提高查询效率，同时提升数据库的可扩展性。

• 分库（Database Sharding）：将数据拆分存储到多个独立的数据库中。
• 分表（Table Sharding）：将一张大表拆分成多张小表，提高查询效率。

分库分表可以缓解单库承载的压力，并能提高数据库的可用性，但同时也会带来数据路由、事务一致性等挑战。

垂直拆分与水平拆分的区别

垂直拆分（Vertical Partitioning）

垂直拆分主要是按照业务功能或者数据表的字段进行拆分，通常有两种方式：

1. 按业务拆分：不同的业务数据存储在不同的数据库中，例如用户数据存储在 user_db，订单数据存储在 order_db。
2. 按字段拆分：将大表按照字段拆分成不同的表，例如 user 表可能包含大量不常用的扩展字段，可以拆分成 user_base（基础信息表）和 user_detail（扩展信息表）。

优点：

• 业务逻辑清晰，适用于不同业务模块的数据隔离。
• 单表字段减少，提高查询效率。

缺点：

• 需要修改业务代码，跨库查询变得复杂。
• 事务处理难度增加。

水平拆分（Horizontal Partitioning）

水平拆分是按照数据的范围进行拆分，将相同结构的数据分散存储到不同的数据库或表中，常见的拆分策略有：

1. 按范围拆分（Range Sharding）：例如按照用户 ID 进行范围分片，id 在 11000000 存储在 db_1，10000012000000 存储在 db_2。
2. 按哈希拆分（Hash Sharding）：通过哈希函数计算数据存储位置，例如 hash(user_id) % 4 来决定数据存储在哪个分库。

优点：

• 解决了单表数据量过大的问题，提高查询性能。
• 单表数据量减少，提高索引查询效率。

缺点：

• 需要数据库代理或者中间件进行数据路由。
• 分片后的数据管理变得复杂。

在 MyBatis-Plus 中实现分库分表

MyBatis-Plus 是基于 MyBatis 的增强框架，提供了更加方便的 CRUD 操作，而 Sharding-JDBC 则是用于分库分表的中间件。二者结合可以实现灵活的分库分表方案。

1. 引入依赖

<dependency><groupId>org.apache.shardingsphere</groupId><artifactId>sharding-jdbc-spring-boot-starter</artifactId><version>4.1.1</version>
</dependency>

2. 配置数据源

spring:shardingsphere:datasource:names: db1,db2db1:type: com.zaxxer.hikari.HikariDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverjdbc-url: jdbc:mysql://localhost:3306/db1username: rootpassword: passworddb2:type: com.zaxxer.hikari.HikariDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverjdbc-url: jdbc:mysql://localhost:3306/db2username: rootpassword: passwordsharding:tables:user:actual-data-nodes: db$->{1..2}.user_$->{0..1}table-strategy:inline:sharding-column: idalgorithm-expression: user_$->{id % 2}key-generator:column: idtype: SNOWFLAKE

3. 配置 MyBatis-Plus

@Configuration
@MapperScan("com.example.mapper")
public class MyBatisPlusConfig {@Beanpublic PaginationInterceptor paginationInterceptor() {return new PaginationInterceptor();}
}

4. 编写 Mapper 接口

@Mapper
public interface UserMapper extends BaseMapper<User> {
}

5. 测试分库分表

public void testInsert()ublic void testInsert() {User user = new User();user.setId(1L);user.setName("Alice");userMapper.insert(user);}
}

范围查询的实现

在实际应用中，范围查询（如按时间或 ID 范围查询）是常见需求，Sharding-JDBC 提供了基于 SQL 解析的查询路由。

public void testRangeQuery() {QueryWrapper<User> queryWrapper = new QueryWrapper<>();queryWrapper.between("id", 1000, 2000);List<User> users = userMapper.selectList(queryWrapper);users.forEach(System.out::println);
}

底层原理：

1. SQL 解析：Sharding-JDBC 解析 BETWEEN 语句，识别分片键。
2. 数据路由：计算查询的范围涉及哪些数据库或表。
3. SQL 重写：将单一查询拆分为多个子查询，在多个分片表上执行。
4. 数据合并：Sharding-JDBC 负责合并多个分片的查询结果，并返回统一的结果集。

总结

本文介绍了数据库分库分表的概念，并对比了垂直拆分与水平拆分的优缺点。在 MyBatis-Plus 中，可以通过 Sharding-JDBC 轻松实现分库分表，提高数据库的可扩展性和查询性能。此外，我们深入分析了 MyBatis-Plus 与 Sharding-JDBC 结合的底层执行逻辑，展示了 SQL 路由、改写及执行的完整过程，并补充了范围查询的实现方式及底层机制。在实际应用中，选择合适的拆分策略需要结合业务需求，确保数据分布均匀，并考虑事务一致性和查询优化等问题。