一款优秀数据库中间件的不完全解析

Coder的技术之路

修改于 2021-06-25 13:42:18

5080

修改于 2021-06-25 13:42:18

文章被收录于专栏：Coder的技术之路

数据库中间件有啥用
架构剖析之高屋建瓴 2.1. 整体概述 2.2. 组件图看架构
细节剖析之一叶知秋 3.1. 配置加载和bean初始化 3.2. 细说读写分离
总结

Part1数据库中间件有啥用

有一天，你去三亚玩耍，就想玩个冲浪，即时你不差钱，难道还要自己采买快艇、滑板等等装备来满足这为数不多的心血来潮么。租一个就行了嘛。这其实就是连接池的作用。

数据库中间件可以理解为是一种具有连接池功能，但比连接池更高级的、带很多附加功能的辅助组件，不仅可以租冲浪板，还可以提供地点推荐、上保险等等各类服务。

从网上的资料看，zdal应该算是半开源的，好像是之前开源过，但后续没有准备维护，然后就删除了，不过github被fork下来好多，随便一搜就是一片，当前，只是老的版本。目前蚂蚁内部的zdal好像已经更新到zdal5了吧，那咱可就看不到了。

越复杂的系统，数据库中间件的作用越大。就拿zdal来说，它提供分库分表，结果集合并，sql解析，数据库failover动态切换等数据访问层统一解决方案。下面就一起来看下，其内部实现是怎么样的。

Part2架构剖析之高屋建瓴

2.1整体概述

如上图所示，zdal有四个重要的组成部分：

价值体现--客户端Client包。对外暴露基本操作接口，用于业务层简单黑盒的操作数据源；业务只和client交互，动态切换/路由等逻辑只需要进行规则配置，相关逻辑由zdal实现。
核心功能--连接管理datasource包。最核心的能力，提供多种类型数据库的连接管理；不管功能多花哨，最终目的还是为了解决数据库连接的问题。
关键能力--SQL解析parser包。基础SQL解析能力；解析sql类型、字段名称、数据库等等，配合规则进行路由
扩展能力--库表路由rule包。根据parser解析出的字段确定逻辑库表和物理库表。

2.2组件图看架构

组件图对整体架构和各组件及相互联系的理解可以起到很好的帮助。一个简版的组件图画了好久，还有不少错，不过大概是这么个意思，哎，基本功要丢~

对照上图可以比较清晰的看到：

Client包对应用层暴露的数据源、负责监听配置动态变更的监听组件、负责加载组织各部分的配置组件、负责加载spring bean 和库表规则的配置组件；
Client中加载了规则组件，实现逻辑表和数据库的路由规则。
Client中的库表配置调用datasource中的数据源管理服务并构建连接池的连接池；
Client中的SqlDispatcher服务调用SQL解析组件实现SQL解析。

Part3细节剖析之一叶知秋

3.1配置加载和bean初始化

大部分情况下，我们使用如mybatis这样的ORM框架来进行数据库操作，其实不管是ORM还是其他方式，应用层都需要对数据源进行配置。

所以，client对外暴露了一个符合JDBC标准的datasource数据源，用来满足应用层ORM等框架配置数据源的要求--ZdalDataSource

如图片被压缩看不清，后台回复<zdal类图>获取

//只提供了一个init方法，这也是spring启动时时，必须要调用的初始化方法，所有功能，都从这里开始
public class ZdalDataSource extends AbstractZdalDataSource implements DataSource{
    public void init() {
        try {
            super.initZdalDataSource();
        } catch (Exception e) {
            CONFIG_LOGGER.error("...");
            throw new ZdalClientException(e);
        }
    }

ZdalDataSource#init() 方法即为配置加载的核心入口，init中负责加载spring配置，根据配置初始化数据源，并创建连接池，同时，将逻辑表和物理库的对应关系都维护起来供后续路由调用。

    /*父类的init方法*/
protected void initZdalDataSource() {
    /*用FileSystemXmlApplicationContext方式加载配置文件中的数据源和规则，转化成zdalConfig对象*/
    this.zdalConfig = ZdalConfigurationLoader.getInstance().getZdalConfiguration(appName,dbmode, appDsName, configPath);
    this.dbConfigType = zdalConfig.getDataSourceConfigType();
   this.dbType = zdalConfig.getDbType();
   //初始化数据源
   this.initDataSources(zdalConfig);
   this.inited.set(true);
    }
}

从上面的类图和这里的两个入口方法大概了解到zdal配置加载的启动流程。下面我们就来详细看一下，读写分离和分库分表的规则是怎么被加载，怎么起作用的。

3.2细说读写分离

读写分离配置的加载

首先，我们需要有数据源的相关配置，如下图：

此XML配置会在init方法被调用时，被初始化，解析成ZdalConfig类的属性，ZdalConfig类的主要成员见下面代码：

public class ZdalConfig {
    /** key=dsName;value=DataSourceParameter 所有物理数据源的配置项,比如用户名，密码，库名等 */
    private Map<String, DataSourceParameter> dataSourceParameters = new ConcurrentHashMap<String, DataSourceParameter>();
    /** 逻辑数据源和物理数据源的对应关系:key=logicDsName,value=physicDsName */
    private Map<String, String>              logicPhysicsDsNames  = new ConcurrentHashMap<String, String>();
    /** 数据源的读写规则，比如只读，或读写等配置*/
    private Map<String, String>              groupRules           = new ConcurrentHashMap<String, String>();
    /** 异常转移的数据源规则*/
    private Map<String, String>              failoverRules        = new ConcurrentHashMap<String, String>();
    //一份完整的读写分离和分库分表规则配置
    private AppRule                          appRootRule;

可以看到，xml中的规则，被解析到xxxRules里。这里以groupRules为例，failover同理。

下一步则是通过解析得到的zdalConfig 来初始化数据源：

protected final void initDataSources(ZdalConfig zdalConfig) {
    //DataSourceParameter中存的是数据源参数，如用户名密码，最大最小连接数等
    for (Entry<String, DataSourceParameter> entry : zdalConfig.getDataSourceParameters().entrySet()) {
        try {
           //初始化连接池
           ZDataSource zDataSource = new ZDataSource(/*设置最大最小连接数*/createDataSourceDO(entry.getValue(),zdalConfig.getDbType(), appDsName + "." + entry.getKey()));
           this.dataSourcesMap.put(entry.getKey(), zDataSource);
        } catch (Exception e) {
            //...
        }
   }
  //其他分支略，只看最简单的分组模式
  if (dbConfigType.isGroup()) {
       //读写配置赋值
       this.rwDataSourcePoolConfig = zdalConfig.getGroupRules();
       //初始化多份读库下的负载均衡
       this.initForLoadBalance(zdalConfig.getDbType());
  }
  //注册监听：为了满足动态切换
  this.initConfigListener();
}

initForLoadBalance的方法如下：

private void initForLoadBalance(DBType dbType) {
    Map<String, DBSelector> dsSelectors = this.buildRwDbSelectors(this.rwDataSourcePoolConfig);
    this.runtimeConfigHolder.set(new ZdalRuntime(dsSelectors));
    this.setDbTypeForDBSelector(dbType);
}

可以看到，首先构建出了DB选择器，然后赋值给了runtimeConfigHolder供运行时获取。而构建DB选择器的时候，其实是按读写两个维度，把所有数据源都构建了一遍，即group_r和group_w下都包含5个数据源，只不过各自的权重不一样：

//比如按上面的配置写库只有一个，但是也会包含全数据源

group_0_w_0 :< bean:read0DataSource , writeWeight:0>
group_0_w_1 :< bean:writeDataSource , writeWeight:10>
group_0_w_2 :< bean:read1DataSource , writeWeight:0>
group_0_w_3 :< bean:read2DataSource , writeWeight:0>
group_0_w_4 :< bean:read3DataSource , writeWeight:0>

//上述就是写相关的DBSelecter的内容。

读写分离怎么起作用

以delete为例，更新删除是要操作写库的

 public void delete(ZdalDataSource dataSource) {
     String deleteSql = "delete from test";
     Connection conn = null;
     PreparedStatement pst = null;
     try {
        conn = dataSource.getConnection();
        pst = conn.prepareStatement(deleteSql);
        pst.execute();
     } catch (Exception e) {
            //...
     } finally {
           //资源关闭
     }
 }

getConnection会从上文中提到的runtimeConfigHolder中获取DBSelecter，然后执行execute方法

 public boolean execute() throws SQLException {
    SqlType sqlType = getSqlType(sql);
    // SELECT相关的就选择group_r对应的DBSelecter
   if (sqlType == SqlType.SELECT || sqlType == SqlType.SELECT_FOR_UPDATE|| sqlType == SqlType.SELECT_FROM_DUAL) {
     //略
    return true;
    //update/delete相关的就选择group_w对应的DBSelecter
  } else if (sqlType == SqlType.INSERT || sqlType == SqlType.UPDATE|| sqlType == SqlType.DELETE) {
       if (super.dbConfigType == DataSourceConfigType.GROUP) {
           executeUpdate0();
       } else {
           executeUpdate();
      }
      return false;
  } 
}

如果是读取相关的，那就选_r的DBSelecter，如果是写相关的，那就选_W的DBSelecter。那么executeUpdate0中是怎么执行区分读写数据源的呢，其实就是把这一组的数据源根据权重筛选一遍。

// WeightRandom#select(int[], java.lang.String[])
private String select(int[] areaEnds, String[] keys) {
   //这里的areaEnds数组，是一个累加范围值数据
   //比如三个库权重    10   9   8
   //那么areaEnds就是  10  19  27 是对每个权重的累加，最后一个值是总和
   int sum = areaEnds[areaEnds.length - 1];
   //这样随机出来的数，是符合权重分布的
   int rand = random.nextInt(sum);
   for (int i = 0; i < areaEnds.length; i++) {
       if (rand < areaEnds[i]) {
           return keys[i];
   }
   return null;
}

Part4总结

本篇文章，把阿里数据库中间件相关的组件和加载流程进行了总结，就一个最基本的分组读写分离的流程，对内部实现进行了阐述。说是解析，其实是提供给大家一种阅读的思路，毕竟篇幅有限，如果对中间件感兴趣的同学，可以fork下代码，按上述逻辑自己阅读下。

看源码时，比如dubbo这些中间件其实是比较容易入手的，因为他们都依托于Spring进行JavaBean的装载，所有，对Spring容器暴露的那些init、load方法，就是很好的切入点。个人思路，希望对大家有所帮助。

高并发系列历史文章微信链接文档

垂直性能提升 1.1. 架构优化：集群部署，负载均衡 1.2. 万亿流量下负载均衡的实现 1.3. 架构优化：消息中间件的妙用 1.4. 架构优化：用消息队列实现存储降级 1.5. 存储优化：mysql的索引原理和优化 1.6. 索引优化补充篇：explain索引优化实战 1.7. 存储优化：详解分库分表 1.8. 本篇内容：详解数据库中间件

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2021-05-19，如有侵权请联系 cloudcommunity@tencent.com 删除

云数据库 SQL Server

本文分享自 Coder的技术之路微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

云数据库 SQL Server

登录后参与评论

0 条评论

热度