一.概念
sharding-jdbc是当当网开源的一款客户端代理中间价。sharding-jdbc包含分库分片和读写分离功能。
对应用的代码没有侵入型，几乎没有任何改动，兼容主流orm框架，主流数据库连接池。目前属于apache的孵化项目shardingSphere，发展迅猛。sharding-jdbc实现读写分离不能实现主从库数据同步。
Sharding-JDBC 采用在 JDBC 层扩展分库分表，支持读写分离，是一个以 jar 形式提供服务的轻量级组件，其核心思路是小而美地完成最核心的事情，
基于 JDBC 层进行分片的好处是轻量、简单、兼容性好以及无需额外的运维工作。缺点是无法跨语言，目前仅支持 Java。
二.sharding-jdbc架构图
sharding-jdbc都有哪些包?
sharding-jdbc-config-parent 配置相关源码 sharding-jdbc-core 核心源码 sharding-jdbc-doc 文档 sharding-jdbc-example：针对各个模块的测试用例代码； sharding-jdbc-plugin：目前只有KeyGenerator的三种实现； sharding-jdbc-transaction-parent：事务相关源码；
三.sharding-jdbc与mycat 相似性以及区别
从设计理念上看确实有一定的相似性。主要流程都是SQL 解析 -> SQL 路由 -> SQL 改写 -> SQL 执行 -> 结果归并。
但架构设计上是不同的。Mycat 是基于 Proxy，它复写了 MySQL 协议，将 Mycat Server 伪装成一个 MySQL 数据库，
而 Sharding-JDBC 是基于 JDBC 的扩展，是以 jar 包的形式提供轻量级服务的。
四.sharding-jdbc支持读写分离
Sharding-JDBC 从 1.3.0 开始支持读写分离。其功能包括：
（1）根据配置区分写库和多个读库，目前暂时只有轮训策略选取读库，可以配合分库分表使用。
（2）通过 Hint 强制指定某次查询走写库。
（3）如果在同一线程且同一数据库连接中有发现 DML 语句，则该 DML 之后的查询都从写库查询，DML 之前的 DQL 语句不受影响，仍然查询读库。其目的是保持同一用户线程的数据一致性。
但限于 Sharding-JDBC 本身设计的考虑，数据库层面的主从切换以及主从数据同步，Sharding-JDBC并不负责。
Sharding-JDBC 定位仍然是轻量级的增强版数据库驱动。因此由于主库和从库同步延迟导致的数据不一致，并不是Sharding-JDBC 的处理范畴。
sharding-jdbc 3.0版本：更名为sharding-sphere
Sharding-Sphere是一套开源的分布式数据库中间件解决方案组成的生态圈，它由Sharding-JDBC、Sharding-Proxy和Sharding-Sidecar这3款相互独立的产品组成。
（1）Sharding-JDBC
Sharding-JDBC是Sharding-Sphere的第一个产品，也是Sharding-Sphere的前身。
它定位为轻量级Java框架，在Java的JDBC层提供分库分表、读写分离、数据库治理、柔性事务等服务。
它使用客户端直连数据库，以jar包形式提供服务，无需额外部署和依赖，可理解为增强版的JDBC驱动，完全兼容JDBC和各种ORM框架。
（2）Sharding-Proxy
Sharding-Proxy是Sharding-Sphere的第二个产品。
它定位为透明化的数据库代理端，提供封装了数据库二进制协议的服务端版本，用于完成对异构语言的支持。
Sharding-Proxy屏蔽了底层的分库分表，您可以像使用一个简单的数据库一样来操作分库分表的数据。
目前提供MySQL版本，它可以使用任何兼容MySQL协议的访问客户端(如：MySQL Command Client, MySQLWorkbench等)来访问Sharding-Proxy，进而进行DDL/DML等操作来变更数据，对DBA更加友好。
目前分库分表的中间件有两种思想，分别是：
（1）类似 Sharding-JDBC 及 TDDL 的增强版 JDBC 驱动思想；
（2）类似 Mycat 增加中间层，然后在中间层进行分库分表思想；
JDBC 驱动版的优点：
（1）轻量，范围更加容易界定，只是 JDBC 增强，不包括 HA、事务以及数据库元数据管理；
（2）开发的工作量较小，无需关注 nio，各个数据库协议等；
（3）运维无需改动，无需关注中间件本身的 HA；
（4）性能高，JDBC 直连数据库，无需二次转发；
（5）可支持各种基于 JDBC 协议的数据库，如：MySQL，Oralce，SQLServer；
Proxy 版的优点：
（1）可以负责更多的内容，将数据迁移，分布式事务等纳入 Proxy 的范畴；
（2）更有效的管理数据库的连接；
（3）整合大数据思路，将 OLTP 和 OLAP 分离处理；
因此两种方式互相可以互补，建议使用 Java 的团队，且仅 OLTP 的互联网前端操作。有可能会使用多种数据库的情况，可以选择 JDBC层的中间件；
如果需要 OLAP 和 OLTP 混合，加以重量级的操作，如数据迁移，分布式事务等，可以考虑 Proxy 层的中间件。
五.Sharding-JDBC 应用场景
1、适合场景
对于关系型数据库数据量很大的情况，需要进行水平拆库和拆表（即分库和分表），这种场景很适合使用 Sharding-JDBC。
举例说明：
假设有一亿数据的用户库，放在 MySQL 数据库里查询性能会比较低，而采用水平拆库，将其分为 10 个库，根据用户的 ID 模10，
这样数据就能比较平均的分在 10 个库中，每个库只有 1000w 记录，查询性能会大大提升。分片策略类型非常多，大致分为 Hash +Mod、Range、Tag 等。
Sharding-JDBC 还提供了读写分离的能力，用于减轻写库的压力。
此外，Sharding-JDBC 可以用在 JPA 场景中，如 JPA、Hibernate、Mybatis，Spring JDBC Template 等任何 Java 的 ORM 框架。
Java 的 ORM 框架也都是采用 JDBC 与数据库交互。这也是我们选择在 JDBC 层，而非选择一个 ORM 框架进行开发的原因。
我们希望 Sharding-JDBC 可以尽量的兼容所有的 Java 数据库访问层，并且无缝的接入业务应用。
2、不合适的场景主要是两方面：
（1）不适合 OLAP 的场景。虽然 Sharding-JDBC 也能做聚合分组查询，但大量的 OLAP 场景，仍然会比较慢，而且复杂的SQL（如子查询等）目前还没有支持。
这种查询不太适合大数据和高并发的互联网 online 数据库，建议使用合理的 OLTP 查询。
（2）不适合事务强一致的要求。目前 Sharding-JDBC 的事务支持两种，一种是弱 XA，另一种是柔性事务（BASE）。
因为 XA的两阶段或三阶段提交其性能较低，因此互联网公司基本不会采用。而无论是弱 XA还是柔性事务，都无法保证事务在任意时间段完全保证一致，
其中柔性事务能保证数据的最终一致性，但达到最终一致性的时间仍然不可控。因此对于对跨库事务强一致要求很高的场景，需要从设计方面去考虑数据库schema 的合理性。
对于 JTA 事务，目前 Shariding-JDBC 没有实现 JTA 的标准。而且由于在互联网场景下使用 JTA 比较少见，因此暂时不支持 JTA 事务。
3、性能测试报告如下：
（1）使用Sharding-JDBC，性能是大家最关心的问题。在数据量一致的情况下，使用Sharding-JDBC和原生JDBC的性能测试报告如下：
查询操作：Sharding-JDBC的TPS为JDBC的TPS的99.8%。
插入操作：Sharding-JDBC的TPS为JDBC的TPS的90.2%。
更新操作：Sharding-JDBC的TPS为JDBC的TPS的93.1%。
可以看到，Sharding-JDBC在查询中的性能损失非常低，插入和更新略高。
（2）将单表的数据拆分为二，放入两个表中，使用Sharding-JDBC和原生JDBC的性能测试报告如下：
查询操作：TPS双库比单库可以增加大约94%的性能。
插入操作：TPS双库比单库可以增加大约60%的性能。
更新操作：TPS双库比单库可以增加大约89%的性能。
结果表明，Sharding-JDBC可有效利用水平扩展大幅度提升性能。