HibernateShards-数据库水平分区解决方案

HibernateShard 
    多数据库水平分区解决方案。 

1. 简介 
     Hibernate 的一个扩展，用于处理多数据库水平分区架构。 
     由google工程师 2007年 捐献给 Hibernate社区。  
     http://www.hibernate.org/414.html 
     目前版本：   3.0.0 beta2， 未发GA版。 
     条件：Hibernate Core 3.2, JDK 5.0 

2. 水平分区原理 
     一个库表如 Order 存在于多个数据库实例上。按特定的分区逻辑，将该库表的数据存储在这些实例中，一条记录的主键 PK，在所有实例中不得重复。 
    
    水平分区在大型网站，大型企业应用中经常采用。 
    目的出于海量数据分散存储，分散操作，分散查询以便提高数据处理量和整体数据处理性能。 
   
    使用： 
      google工程师的设计还是非常好的，完全兼容 Hibernate本身的主要接口。 

Java代码  

1. org.hibernate.Session  
2. org.hibernate.SessionFactory   
3.  org.hibernate.Criteria   
4.  org.hibernate.Query   

     因此程序员开发变化不大，甚至不需要关心后台使用了分区数据库。程序迁移问题不大。而且配置上比较简明。 

3. 三种策略： 
   1) ShardAccessStrategy, 查询操作时，到那个分区执行。 
      默认提供两个实现： 
      顺序策略：SequentialShardAccessStrategy， 每个query按顺序在所有分区上执行。 
      平行策略：ParallelShardAccessStrategy， 每个query以多线程方式并发平行的在所有分区上执行。 此策略下，需要使用线程池机制满足特定的性能需要，java.util.concurrent.ThreadPoolExecutor。 

   2) ShardSelectionStrategy, 新增对象时，存储到哪个分区。 
         框架默认提供了一个轮询选择策略 RoundRobinShardSelectionStrategy, 但一般不这样使用。 
        通常采用“attribute-based sharding”机制，基于属性分区。一般是用户根据表自己实现一个基于属性分区的策略类ShardSelectionStrategy ，例如，以下WeatherReport基于continent属性选择分区： 

Java代码  

1.   public class WeatherReportShardSelectionStrategy implements ShardSelectionStrategy {  
2. public ShardId selectShardIdForNewObject(Object obj) {  
3.     if(obj instanceof WeatherReport) {  
4.         return ((WeatherReport)obj).getContinent().getShardId();  
5.     }  
6.     throw new IllegalArgumentException();  
7. }  

  

   3) ShardResolutionStrategy, 该策略用于查找单个对象时，判断它在哪个或哪几个分区上。 
      默认使用 AllShardsShardResolutionStrategy ，可以自定义例如： 

Java代码  

1. public class WeatherReportShardResolutionStrategy extends AllShardsShardResolutionStrategy {  
2.     public WeatherReportShardResolutionStrategy(List<ShardId> shardIds) {  
3.         super(shardIds);  
4.     }  
5.   
6.     public List<ShardId> selectShardIdsFromShardResolutionStrategyData(  
7.             ShardResolutionStrategyData srsd) {  
8.         if(srsd.getEntityName().equals(WeatherReport.class.getName())) {  
9.             return Continent.getContinentByReportId(srsd.getId()).getShardId();  
10.         }  
11.         return super.selectShardIdsFromShardResolutionStrategyData(srsd);  
12.     }  
13. }  

4. 水平分区下的查询 

   对于简单查询 HibernateShard 可以满足。 

   水平分区下多库查询是一个挑战。主要存在于以下三种操作： 
   1) distinct 
         因为需要遍历所有shard分区，并进行合并判断重复记录。 
   2) order by 
         类似 1) 
   3) aggregation 
         count，sim，avg等聚合操作先分散到分区执行，再进行汇总。 
         是不是有点类似于 MapReduce ？ 呵呵。 
   
   目前 HibernateShard 不支持 1), 2), 对 3) 部分支持 

    HibernateShard 目前通过 Criteria 接口的实现对 聚合提供了较好的支持， 因为 Criteria 以API接口指定了 Projection 操作，逻辑相对简单。 

    而HQL，原生 SQL 还不支持此类操作。 

     
5. 再分区和虚拟分区 
      当数据库规模增大，需要调整分区逻辑和数据存储时， 需要再分区。 
      两种方式： 1）数据库数据迁移其他分区； 2） 改变记录和分区映射关系。这两种方式都比较麻烦。尤其“改变记录和分区映射关系”，需要调整 ShardResolutionStrategy。 

     HibernateShard 提供了一种虚拟分区层。当需要调整分区策略时，只需要调整虚拟分区和物理分区映射关系即可。以下是使用虚拟分区时的配置创建过程： 

Java代码  

1.    
2.   Map<Integer, Integer> virtualShardMap = new HashMap<Integer, Integer>();  
3. virtualShardMap.put(0, 0);  
4. virtualShardMap.put(1, 0);  
5. virtualShardMap.put(2, 1);  
6. virtualShardMap.put(3, 1);  
7. ShardedConfiguration shardedConfig =  
8.     new ShardedConfiguration(  
9.         prototypeConfiguration,  
10.         configurations,  
11.         strategyFactory,  
12.         virtualShardMap);  
13. return shardedConfig.buildShardedSessionFactory();  

6.  局限： 
    1）HibernateShard 不支持垂直分区， 垂直+水平混合分区。 

    2） 水平分区下 查询功能受到一定限制，有些功能不支持。实践中，需要在应用层面对水平分区算法进行更多的考虑。 
    3） 不支持跨分区的 关系 操作。例如：删除A分区上的 s 表，B分区上的关联子表 t的记录无法进行参照完整性约束检查。 （其实这个相对 跨分区查询的挑战应该说小的多，也许google工程师下个版本会支持，呵呵） 

    4) 解析策略接口似乎和对象ID全局唯一性有些自相矛盾， 
AllShardsShardResolutionStrategy 的接口返回的是给定对象ID所在的 shard ID集合，按理应该是明确的一个 shard ID. 

参考资料：HibernateShard 参考指南。