免费网络翻外墙软件,大丰seo排名,做外贸出口的网站,网站做sem优化一.安装部署
Mycat2目前还不支持直接获取Docker镜像#xff0c;需要自己通过Dockerfile打包镜像#xff0c;其实这也是为了开发者考虑#xff0c;比如一些个性化功能#xff0c;如自定义分片等
Dockerfile
FROM docker.io/adoptopenjdk/openjdk8:latestENV AUTO_RUN_DIR…一.安装部署
Mycat2目前还不支持直接获取Docker镜像需要自己通过Dockerfile打包镜像其实这也是为了开发者考虑比如一些个性化功能如自定义分片等
Dockerfile
FROM docker.io/adoptopenjdk/openjdk8:latestENV AUTO_RUN_DIR ./mycat2
ENV DEPENDENCE_FILE mycat2-1.20-jar-with-dependencies.jar
ENV TEMPLATE_FILE mycat2-install-template-1.21.zip#设置阿里云源下载快一点
RUN sed -i shttp://.*archive.ubuntu.comhttp://mirrors.aliyun.comg /etc/apt/sources.list
RUN sed -i shttp://.*security.ubuntu.comhttp://mirrors.aliyun.comg /etc/apt/sources.listRUN buildDepsprocps wget unzip \ apt-get update \ apt-get install -y $buildDepsRUN wget -P $AUTO_RUN_DIR/ http://dl.mycat.org.cn/2.0/1.20-release/$DEPENDENCE_FILE \ wget -P $AUTO_RUN_DIR/ http://dl.mycat.org.cn/2.0/install-template/$TEMPLATE_FILERUN cd $AUTO_RUN_DIR/ \ unzip $TEMPLATE_FILE \ ls -al . \ mv $DEPENDENCE_FILE mycat/lib/ \ chmod x mycat/bin/* \ chmod 755 mycat/lib/* \ mv mycat /usr/local#copy mycat /usr/local/mycat/VOLUME /usr/local/mycat/conf
VOLUME /usr/local/mycat/logsEXPOSE 8066 1984CMD [/usr/local/mycat/bin/mycat, console] 二.编译镜像
#如果执行目录不是Dockerfile所在目录需要-f指定
docker build -t mycat2:1.20 .三.创建容器
docker run -d --namemycat2 -p 8066:8066 -p 1984:1984 -v /usr/local/mycat/conf:/usr/local/mycat/conf -v /usr/local/mycat/logs:/usr/local/mycat/logs mycat2:1.20
#会启动失败,因为数据库配置不对,要改数据库链接才行vi /usr/local/mycat/conf/datasources/prototypeDs.datasource.json#jdbc:mysql://192.168.88.192:3306# 复制容器内配置
mkdir /usr/local/mycat
cd /usr/local/mycat
docker cp mycat2:/usr/local/mycat/conf .
docker cp mycat2:/usr/local/mycat/logs .四.docker-compose.yml
version: 3.3
services:mycat2:build:context: ./dockerfile: Dockerfileimage: mycat2:1.20container_name: mycat2ports:- 8066:8066links:- mysql1- mysql2volumes:- /usr/local/mycat/conf:/usr/local/mycat/conf- /usr/local/mycat/logs:/usr/local/mycat/logs配置文件修改
我们将要使用mycat2实现读写分离所以前提是需要将数据库设置为主从复制模式不然读的永远为空3306端口为master3307端口为slave
数据源配置
cd /usr/local/mycat/conf/datasources#从原生配置复制两个json文件
[rootlocalhost datasources]# cp prototypeDs.datasource.json master01.datasource.json
[rootlocalhost datasources]# cp prototypeDs.datasource.json slave01.datasource.json
[rootlocalhost datasources]# ls
master01.datasource.json prototypeDs.datasource.json slave01.datasource.json#master01.datasource.json
{dbType:mysql,idleTimeout:60000,initSqls:[],initSqlsGetConnection:true,instanceType:READ_WRITE,maxCon:1000,maxConnectTimeout:3000,maxRetryCount:5,minCon:1,name:master01,password:root,type:JDBC,url:jdbc:mysql://192.168.88.192:3306?useUnicodetrueserverTimezoneAsia/ShanghaicharacterEncodingUTF-8,user:root,weight:0
}#slave01.datasource.json
{dbType:mysql,idleTimeout:60000,initSqls:[],initSqlsGetConnection:true,instanceType:READ_WRITE,maxCon:1000,maxConnectTimeout:3000,maxRetryCount:5,minCon:1,name:slave01,password:root,type:JDBC,url:jdbc:mysql://192.168.88.192:3307?useUnicodetrueserverTimezoneAsia/ShanghaicharacterEncodingUTF-8,user:root,weight:0
}
数据源集群配置
#clusters/prototype.cluster.json{clusterType:MASTER_SLAVE,heartbeat:{heartbeatTimeout:1000,maxRetry:3,minSwitchTimeInterval:300,slaveThreshold:0},masters:[master01 #写],replicas:[slave01 #读],maxCon:200,name:prototype,readBalanceType:BALANCE_ALL,switchType:SWITCH
}
物理库配置
#schemas/matomo_tj.schema.json{# 物理库schemaName: matomo_tj,# 指向集群或者数据源targetName: prototype
}
Mycat2 登录用户配置
#users/root.user.json
{dialect:mysql,#ip 为 null允许任意 ip 登录ip:null,password:root,transactionType:proxy,username:root
}测试连接
测试1
通过mycat2 执行插入会发现master01slave01都有相同的数据
测试2
手动修改slave01数据通过mycat2进行查询会发现查询的数据为slave01的数据
测试3:
修改/clusters/prototype.cluster.json
{clusterType:GARELA_CLUSTER, //改为集群模式heartbeat:{heartbeatTimeout:1000,maxRetry:3,minSwitchTimeInterval:300,slaveThreshold:0},masters:[ //多主模式master01,slave01],//replicas:[// slave01//],maxCon:200,name:prototype,readBalanceType:BALANCE_ALL,switchType:SWITCH
} 关闭masters中任意服务器然后通过mycat 8066进行数据插入操作会发现剩下的那台服务器承接了write操作HA Zookeeper统一管理 Zookeeper是个好东西基本上涉及元数据的服务都可以使用它来实现或者辅助实现高可用集群Mycat2也盯上了它
其实在这里我们使用Zookeeper作为配置中心,存储Mycat2的配置,以及提供元数据锁和znode监听的功能简单可以称其为统一配置中心
zookeeper docker安装配置: version: 3.3
services:zookeeper:container_name: zookeeperimage: debezium/zookeeperports:- 2181:2181我们 zookeeper客户端来可视化操作比较方便工具下载https://issues.apache.org/jira/secure/attachment/12436620/ZooInspector.zip
解压后进入build通过java -jar zookeeper-dev-ZooInspector.jar 启动窗口
点击运行按钮输入zookeeper地址即可看到zookeeper的数据结构信息了
下面开始在mycat2的server.json文件配置zookeeper地址信息进行注册
#1、server.json改这两个信息就够了
mode:cluster,
properties:{zk_address:192.168.88.192:2181
}#2、docker restart mycat2#3、使用ZooInspector登录该zk,编辑里面的mycat配置即可,除了server级别配置,其他配置schema,user,cache,sequence,datasource,cluster.都可以实现热更新在ZK里编辑相当于直接更改配置文件,暂时无法自动创建物理库,物理表.分库分表 概念 分库分表就是为了解决由于数据量过大而导致数据库性能降低的问题将原来独立的数据库拆分成若干数据库组成将数据大表分成若干数据表组成使得单一数据库、单一数据表的数据量变小从而达到提升数据库性能的目的。而且随着微服务这种架构的兴起我们应用从一个完整的大的应用切分为很多可以独立提供服务的小应用每个应用都有独立的数据库。数据的切分分为两种
l **垂直切分**按照业务模块进行切分将不同模块的表切分到不同的数据库中。
l 水平切分将一张大表按照一定的切分规则按照行切分到不同的表或者不同的库中
mycat2分库分表包括两种方式
SQL脚本命令分库分表同时会在schemas下生成对应的json文件 schemas下通过配置的方式进行分库分表 广播表(全局表) 这个其实不属于分库分表的范畴只是对于分库分表来说有些数据是公共的比如数据字典在每个库中都需要相同的数据
顾名思义大喇叭声音谁都听得见所有库表都会收到相同数据我们这里使用单一节点就两个数据源master01master02(注意这两个库不要存在主从复制设置或者在之前的slave库执行stop slave;)
数据源master01.datasource.json
{dbType:mysql,idleTimeout:60000,initSqls:[],initSqlsGetConnection:true,instanceType:READ_WRITE,maxCon:1000,maxConnectTimeout:3000,maxRetryCount:5,minCon:1,name:master01,password:root,type:JDBC,url:jdbc:mysql://192.168.88.192:3306/matomo_tj?useUnicodetrueserverTimezoneAsia/ShanghaicharacterEncodingUTF-8,user:root,weight:0
}数据源master02.datasource.json
{dbType:mysql,idleTimeout:60000,initSqls:[],initSqlsGetConnection:true,instanceType:READ_WRITE,maxCon:1000,maxConnectTimeout:3000,maxRetryCount:5,minCon:1,name:master02,password:root,type:JDBC,url:jdbc:mysql://192.168.137.128:3307/matomo_tj?useUnicodetrueserverTimezoneAsia/ShanghaicharacterEncodingUTF-8,user:root,weight:0
}集群c0.cluster.json
{clusterType:SINGLE_NODE,heartbeat:{heartbeatTimeout:1000,maxRetry:3,minSwitchTimeInterval:300,slaveThreshold:0},masters:[master01],maxCon:200,name:c0,readBalanceType:BALANCE_ALL,switchType:SWITCH
} 集群c1.cluster.json
{clusterType:SINGLE_NODE,heartbeat:{heartbeatTimeout:1000,maxRetry:3,minSwitchTimeInterval:300,slaveThreshold:0},masters:[master02],maxCon:200,name:c1,readBalanceType:BALANCE_ALL,switchType:SWITCH
} 登录mycat2创建逻辑库广播表并插入数据会发现在master01,master02都会有相同的库表结构及数据
CREATE DATABASE db1;
USE db1;
CREATE TABLE travelrecord (id BIGINT NOT NULL auto_increment,user_id VARCHAR ( 100 ) DEFAULT NULL,traveldate date DEFAULT NULL,fee DECIMAL ( 10, 0 ) DEFAULT NULL,days INT DEFAULT NULL,blob LONGBLOB,PRIMARY KEY ( id ),
KEY id ( id )
) ENGINE INNODB DEFAULT CHARSET utf8 BROADCAST;INSERT INTO db1.travelrecord (id, user_id, traveldate, fee, days, blob) VALUES (1, 1, 2022-08-12, 1, 1, NULL);
INSERT INTO db1.travelrecord (id, user_id, traveldate, fee, days, blob) VALUES (2, 2, 2022-08-12, 2, 2, NULL); 分片表
mycat2分片可以使用SQL脚本和schema配置,内置Hash分片策略targetIndexdbIndextableIndex总是从0开始计算,支持groovy运算生成目标名,库名,表名
Hash分片SQL
官网截图可惜有个错误YYYYDD应该是按年日哈希 需求进行站点访问统计按访问年份分库按访问站点分表
分析这个地方需要用到取模哈MOD_HASH希和按年月哈希YYYYMM
登录mycat2创建逻辑库分片表并插入数据即将采用的最终策略按如下“斜体”计算
MOD_HASH
分库键和分表键是同键
分表下标分片值%(分库数量*分表数量)
分库下标分表下标/分表数量
分库键和分表键是不同键
分表下标分片值%分表数量
分库下标分表下标%分库数量
YYYYMM
仅用于分库
(YYYY*12MM)%分库数
DROP DATABASE db2;
CREATE DATABASE db2;
USE db2;
DROP TABLE IF EXISTS matomo_log_visit_material;
CREATE TABLE matomo_log_visit_material (idvisit BIGINT(100) NOT NULL AUTO_INCREMENT COMMENT 访问记录主键,idsite bigint(20) NULL DEFAULT NULL COMMENT 站点id,user_id tinytext CHARACTER SET utf8 COLLATE utf8_bin NULL COMMENT 用户id,visit_first_action_time datetime NULL DEFAULT NULL COMMENT 访问的第一个动作的日期时间,visit_total_time int(11) NULL DEFAULT NULL COMMENT 停留总时间,visit_goal_buyer tinyint(1) NULL DEFAULT NULL COMMENT 是否购买,referer_type tinyint(1) NULL DEFAULT NULL COMMENT 用户来源,location_ip varbinary(16) NULL DEFAULT NULL COMMENT 访问者ip,PRIMARY KEY (idvisit) USING BTREE
) ENGINE InnoDB CHARACTER SET utf8 COLLATE utf8_bin COMMENT 用户访问数据素材表 ROW_FORMAT COMPACT dbpartition by YYYYMM (visit_first_action_time) dbpartitions 8
tbpartition by MOD_HASH (idsite) tbpartitions 3;DELETE FROM db2.matomo_log_visit_material;
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (1, 1, 2022-01-12 16:32:13, 1, 1, 1, NULL);
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (2, 2, 2021-02-12 16:32:32, 2, 2, 2, NULL);
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (3, 1, 2020-03-12 16:32:13, 1, 1, 1, NULL);
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (1, 2, 2019-04-12 16:32:32, 2, 2, 2, NULL);
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (2, 1, 2018-05-12 16:32:13, 1, 1, 1, NULL);
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (3, 2, 2017-06-12 16:32:32, 2, 2, 2, NULL);
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (1, 1, 2016-07-12 16:32:13, 1, 1, 1, NULL);
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (2, 2, 2015-08-12 16:32:32, 2, 2, 2, NULL);
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (3, 1, 2014-09-12 16:32:13, 1, 1, 1, NULL);
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (1, 2, 2013-10-12 16:32:32, 2, 2, 2, NULL);
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (2, 2, 2012-11-12 16:32:32, 2, 2, 2, NULL);
INSERT INTO db2.matomo_log_visit_material (idsite, user_id, visit_first_action_time, visit_total_time, visit_goal_buyer, referer_type, location_ip) VALUES (3, 2, 2011-12-12 16:32:32, 2, 2, 2, NULL);
我们拿第一条数据来看
分库按2022*121% 8 1数据库下标为1
分表按1%3 1数据表下标为1 Hash分片Schema)
其实我们通过SQL脚本执行的分片策略会在schemas下生成对应的json配置文件如上面两节我们就可以看到对应的文件 打开可以看到其实就是SQL脚本解析生成的
{customTables:{},globalTables:{},normalTables:{},schemaName:db2,shardingTables:{matomo_log_visit_material:{createTableSQL:CREATE TABLE db2.matomo_log_visit_material (\n\tidvisit BIGINT(100) NOT NULL AUTO_INCREMENT COMMENT 访问记录主键,\n\tidsite bigint(20) NULL DEFAULT NULL COMMENT 站点id,\n\tuser_id tinytext CHARACTER SET utf8 COLLATE utf8_bin NULL COMMENT 用户id,\n\tvisit_first_action_time datetime NULL DEFAULT NULL COMMENT 访问的第一个动作的日期时间,\n\tvisit_total_time int(11) NULL DEFAULT NULL COMMENT 停留总时间,\n\tvisit_goal_buyer tinyint(1) NULL DEFAULT NULL COMMENT 是否购买,\n\treferer_type tinyint(1) NULL DEFAULT NULL COMMENT 用户来源,\n\tlocation_ip varbinary(16) NULL DEFAULT NULL COMMENT 访问者ip,\n\tPRIMARY KEY USING BTREE (idvisit)\n) ENGINE InnoDB CHARACTER SET utf8 COLLATE utf8_bin ROW_FORMAT COMPACT COMMENT 用户访问数据素材表\nDBPARTITION BY YYYYMM(visit_first_action_time) DBPARTITIONS 8\nTBPARTITION BY MOD_HASH(idsite) TBPARTITIONS 3,function:{properties:{dbNum:8,mappingFormat:c${targetIndex}/db2_${dbIndex}/matomo_log_visit_material_${tableIndex},tableNum:3,tableMethod:MOD_HASH(idsite),storeNum:2,dbMethod:YYYYMM(visit_first_action_time)},ranges:{}},partition:{},shardingIndexTables:{}}},views:{}
}
