当前位置：首页 > news >正文

ShardingSphere系列04：MybatisPlus动态数据源与ShardingJdbc分表策略的深度整合实践

news 2026/4/25 6:11:55

1. 为什么需要整合动态数据源与分表策略

在实际业务开发中，我们经常会遇到两个典型场景：一是需要根据业务模块访问不同的数据库（多数据源），二是单个数据表数据量过大需要分表存储（分库分表）。MybatisPlus的动态数据源和ShardingJdbc分别擅长解决这两个问题，但将它们整合在一起使用时却会遇到不少坑。

我最近在一个电商项目中就遇到了这样的需求：订单数据需要按用户ID分表存储，同时又要能灵活切换到日志库、商品库等其他数据源。刚开始尝试时，发现直接用MybatisPlus的@DS注解切换数据源会导致ShardingJdbc的分表规则失效，反之亦然。经过多次调试才找到正确的整合方式。

这种整合的核心价值在于：

业务代码无需关心底层是单表还是分表
可以透明地使用@DS注解切换不同业务数据源
分表策略对上层完全透明，就像操作单表一样简单

2. 环境准备与依赖配置

2.1 基础环境搭建

首先确保你的Spring Boot项目版本在2.3.x以上，我这里用的是2.7.12版本。数据库准备两个实例：

主库：table_sharding（用于订单分表）
从库：product_db（模拟商品数据）

创建订单表结构（分4个表）：

CREATE TABLE `order_info_0` ( `id` bigint NOT NULL, `user_id` bigint NOT NULL, `product_id` bigint DEFAULT NULL, `amount` decimal(10,2) DEFAULT NULL, `create_time` datetime DEFAULT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

记得同时创建order_info_1到order_info_3共4个相同结构的表。

2.2 关键依赖管理

pom.xml中需要特别注意这些依赖的版本兼容性：

<!-- MybatisPlus核心 --> <dependency> <groupId>com.baomidou</groupId> <artifactId>mybatis-plus-boot-starter</artifactId> <version>3.5.3.1</version> </dependency> <!-- 动态数据源 --> <dependency> <groupId>com.baomidou</groupId> <artifactId>dynamic-datasource-spring-boot-starter</artifactId> <version>3.6.1</version> </dependency> <!-- ShardingSphere --> <dependency> <groupId>org.apache.shardingsphere</groupId> <artifactId>shardingsphere-jdbc-core-spring-boot-starter</artifactId> <version>5.3.2</version> </dependency> <!-- 数据源驱动 --> <dependency> <groupId>com.alibaba</groupId> <artifactId>druid-spring-boot-starter</artifactId> <version>1.2.16</version> </dependency>

特别提醒：ShardingSphere 5.x版本与MybatisPlus 3.5+存在一些SPI加载冲突，需要额外添加以下配置类：

@Configuration public class ShardingConfig { @PostConstruct void init() { System.setProperty("org.apache.shardingsphere.sql.parser.sql.cache.enabled", "false"); } }

3. 核心配置实战

3.1 动态数据源桥接配置

这是整个整合最关键的环节，我们需要创建一个DataSourceConfiguration来桥接两者：

@Configuration @AutoConfigureBefore({DynamicDataSourceAutoConfiguration.class}) public class DataSourceConfig { private static final String SHARDING_DS_NAME = "sharding"; @Autowired private DynamicDataSourceProperties properties; @Lazy @Resource private DataSource shardingDataSource; @Bean public DynamicDataSourceProvider dynamicDataSourceProvider() { return new AbstractDataSourceProvider() { @Override public Map<String, DataSource> loadDataSources() { Map<String, DataSource> dataSourceMap = createDataSourceMap(properties.getDatasource()); // 将ShardingSphere管理的数据源纳入动态数据源体系 dataSourceMap.put(SHARDING_DS_NAME, shardingDataSource); return dataSourceMap; } }; } @Primary @Bean public DataSource dataSource() { DynamicRoutingDataSource ds = new DynamicRoutingDataSource(); ds.setPrimary(properties.getPrimary()); ds.setProvider(dynamicDataSourceProvider()); return ds; } }

这个配置类做了三件重要的事情：

加载MybatisPlus动态数据源的常规配置
获取ShardingSphere创建的分片数据源
将分片数据源注册为动态数据源的一个特殊数据源

3.2 YAML配置详解

application.yml需要分层配置：

spring: shardingsphere: datasource: names: sharding sharding: type: com.alibaba.druid.pool.DruidDataSource url: jdbc:mysql://localhost:3306/table_sharding username: root password: 123456 rules: sharding: tables: order_info: actual-data-nodes: sharding.order_info_$->{0..3} table-strategy: standard: sharding-column: user_id precise-algorithm-class-name: com.example.config.OrderShardingAlgorithm key-generators: snowflake: type: SNOWFLAKE datasource: dynamic: primary: master datasource: master: url: jdbc:mysql://localhost:3306/product_db username: root password: 123456 log: url: jdbc:mysql://192.168.1.100:3306/log_db username: log_user password: log@123

注意几个关键点：

ShardingSphere的数据源名称必须与桥接配置中的SHARDING_DS_NAME一致
动态数据源的primary设置会影响@DS注解的默认行为
分片算法建议使用自定义类实现更灵活的分片逻辑

4. 业务层实现技巧

4.1 实体与Mapper设计

对于分表实体，需要特别注意两点：

@Data @TableName("order_info") // 逻辑表名 public class OrderInfo { @TableId(type = IdType.ASSIGN_ID) private Long id; private Long userId; // 分片键 private Long productId; private BigDecimal amount; private Date createTime; }

Mapper接口保持常规写法即可：

@Mapper public interface OrderMapper extends BaseMapper<OrderInfo> { @DS("sharding") List<OrderInfo> selectByUser(@Param("userId") Long userId); }

4.2 服务层的最佳实践

在Service层使用时，推荐这种写法：

@Service public class OrderServiceImpl extends ServiceImpl<OrderMapper, OrderInfo> { // 分表操作统一使用sharding数据源 @DS("sharding") public void processOrder(OrderInfo order) { save(order); // 会自动根据userId分片 // 切换到商品库查询 Product product = productService.getById(order.getProductId()); } // 多数据源混合操作 public void fullProcess(OrderInfo order) { // 默认使用master数据源 logService.record(order); // 切换到分片数据源 processOrder(order); } }

4.3 自定义分片算法示例

对于复杂分片逻辑，建议实现标准分片算法：

public class OrderShardingAlgorithm implements StandardShardingAlgorithm<Long> { @Override public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Long> shardingValue) { // 按userId的哈希值取模分片 int size = availableTargetNames.size(); long mod = shardingValue.getValue() % size; return "order_info_" + Math.abs(mod); } }