在笔者心中，消息队列，缓存，分库分表是高并发解决方案三剑客。
分库分表之所以被广泛使用，因为工程相对简单，但分库分表并不仅仅是分片，还是需要考虑如何扩缩容（全量同步、增量同步、数据校验等）。
因此笔者做了一个教学型分库分表示例项目 ，计划将分库分表的技术体系都实际演示一遍。
当前项目包含三个模块 :
- shardingjdbc4-spring：使用 shardingsphere-JDBC 4.X 实现分库分表功能
- shardingjdbc5-spring：使用 shardingsphere-JDBC 5.X 实现分库分表功能
- idgenerator: 基于 grpc 实现一个简单的服务端 ID 生成器
本文档重点讲解 shardingsphere JDBC 4.x 如何整合 spring。
笔者曾经为武汉一家 O2O 公司订单服务做过分库分表架构设计 ，当企业用户创建一条采购订单 ， 会生成如下记录：
-
订单基础表 t_ent_order ：单条记录
-
订单详情表 t_ent_order_detail ：单条记录
-
订单明细表 t_ent_order_item：N 条记录
订单每年预估生成记录 1 亿条，数据量不大也不小，笔者参考原来神州专车的分库分表方式，制定了如下的分库分表策略：
- 订单基础表按照 ent_id (企业用户编号) 分库（四个分库），订单详情表保持一致。
- 订单明细表按照 ent_id (企业用户编号) 分库 (四个分库)，同时也要按照 ent_id (企业编号) 分表(八个分表)。
创建 4 个库，分别是：ds_0、ds_1、ds_2、ds_3 。
然后这四个分库分别执行 doc 目录下的 shardingjdbc-spring.sql 文件。
执行结果如下图所示，每个分库都包含订单基础表 ， 订单详情表 ，订单明细表 。但是因为明细表需要分表，所以包含多张表。
打开项目，如下图所示：
这是一个典型的 springboot 项目，包含控制器层、实体层、服务层 。
1、pom 文件配置依赖
<dependency>
<groupId>org.apache.shardingsphere</groupId>
<artifactId>sharding-jdbc-spring-boot-starter</artifactId>
<version>4.1.1</version>
</dependency>2、分片配置 application-test.yml
- 配置数据源，上面配置数据源是： ds0、ds1、ds2、ds3 ；
- 配置打印日志，也就是：sql.show ，在测试环境建议打开 ，便于调试；
- 配置哪些表需要分库分表 ，在 shardingsphere.datasource.sharding.tables 节点下面配置：
上图中我们看到配置分片规则包含如下两点：
1.真实节点
对于我们的应用来讲，我们查询的逻辑表是：t_ent_order_item 。
它们在数据库中的真实形态是：t_ent_order_item_0 到 t_ent_order_item_7。
真实数据节点是指数据分片的最小单元，由数据源名称和数据表组成。
订单明细表的真实节点是：ds$->{0..3}.t_ent_order_item_$->{0..7} 。
2.分库分表算法
分别配置分库策略和分表策略 , 每种策略都需要配置分片字段（ sharding-columns ）和分片算法。
修改配置文件 application-test.yml ，配置好 MySQL 数据库 和 Redis 服务 。
启动 Main 函数：
启动过程中，会打印 shardingsphere jdbc 日志 。
启动成功之后，访问 swagger ui 地址：
http://localhost:9793/shardingsphere-jdbc-server/doc.html#/home
接下来，我们进行两个测试：新增订单和按照订单 ID 查询
1、测试存储订单
点击发送按钮，接口响应成功。
我们插入1 条订单记录、1 条订单详情表进入 ds3 分片，并且 2 条订单条目表进入 ds3 分片的 t_ent_order_item_7 表。
2、测试存储订单
参数名称是 orderId , 参数值：609335823493160961 ，点击发送按钮，接口响应成功 , 返回订单信息。
