Shading-JDBC、ShadingSphere、ShardingProxy 使用详解

ShadingSphere ​ShardingSphere是一款起源于当当网内部的应用框架，2015年在当当网内部诞生，2016年由主要开发人员张亮带入京东数科，在国内经历了当当网、电信翼支付、京东数科等多家大型互联网企业的考验，在2017年开源。 并逐渐由原本只关注于关系型数据库增强工具的Shar ...

推荐整理分享Shading-JDBC、ShadingSphere、ShardingProxy 使用详解，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:,内容如对您有帮助，希望把文章链接给更多的朋友！

ShadingSphere

​ShardingSphere是一款起源于当当网内部的应用框架，2015年在当当网内部诞生，2016年由主要开发人员张亮带入京东数科，在国内经历了当当网、电信翼支付、京东数科等多家大型互联网企业的考验，在2017年开源。

并逐渐由原本只关注于关系型数据库增强工具的ShardingJDBC升级成为一整套以数据分片为基础的数据生态圈，更名为ShardingSphere；在2020年4月，成为Apache软件基金会顶级项目

Apache ShardingSphere 产品定位为 Database Plus，旨在构建多模数据库上层的标准和生态。 它关注如何充分合理地利用数据库的计算和存储能力，而并非实现一个全新的数据库。ShardingSphere 站在数据库的上层视角，关注他们之间的协作多于数据库自身。

连接、增量 和 可插拔 是 Apache ShardingSphere` 的核心概念。

连接：通过对数据库协议、SQL 方言以及数据库存储的灵活适配，快速的连接应用与多模式的异构数据库；

增量：获取数据库的访问流量，并提供流量重定向（数据分片、读写分离、影子库）、流量变形（数据加密、数据脱敏）、流量鉴权（安全、审计、权限）、流量治理（熔断、限流）以及流量分析（服务质量分析、可观察性）等透明化增量功能；

可插拔：项目采用微内核 + 三层可插拔模型，使内核、功能组件以及生态对接完全能够灵活的方式进行插拔式扩展，开发者能够像使用积木一样定制属于自己的独特系统。

Apache ShardingSphere 由 JDBC、Proxy 和 Sidecar（规划中）这 3 款既能够独立部署，又支持混合部署配合使用的产品组成。 它们均提供标准化的基于数据库作为存储节点的增量功能，可适用于如 Java 同构、异构语言、云原生等各种多样化的应用场景。

关系型数据库当今依然占有巨大市场份额，是企业核心系统的基石，未来也难于撼动，我们更加注重在原有基础上提供增量，而非颠覆。

ShardingSphere-JDBC

定位为轻量级 Java 框架，在 Java 的 JDBC 层提供的额外服务。 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。

适用于任何基于 JDBC 的 ORM 框架，如：JPA, Hibernate, Mybatis, Spring JDBC Template 或直接使用 JDBC；

支持任何第三方的数据库连接池，如：DBCP, C3P0, BoneCP, HikariCP 等；

支持任意实现 JDBC 规范的数据库，目前支持 MySQL，PostgreSQL，Oracle，SQLServer 以及任何可使用 JDBC 访问的数据库。

ShardingSphere-Proxy

ShardingSphere-Proxy 是 Apache ShardingSphere 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。 目前提供 MySQL 和 PostgreSQL（兼容 openGauss 等基于 PostgreSQL 的数据库）版本，它可以使用任何兼容 MySQL/PostgreSQL 协议的访问客户端（如：MySQL Command Client, MySQL Workbench, Navicat 等）操作数据，对 DBA 更加友好。

向应用程序完全透明，可直接当做 MySQL/PostgreSQL 使用。

适用于任何兼容 MySQL/PostgreSQL 协议的的客户端。

项目说明ShardingSphere-JDBCShardingSphere-Proxy数据库任意MySQL/PostgreSQL连接消耗数高低异构语言仅Java任意性能损耗低损耗略高无中心化是否静态入口无有

ShardingSphere-Proxy 的优势在于对异构语言的支持，以及为 DBA 提供可操作入口。

ShadingJDBC使用

① 分片

一般我们在提到分库分表的时候，大多是以水平切分模式（水平分库、分表）为基础来说的，数据分片将原本一张数据量较大的表 t_order 拆分生成数个表结构完全一致的小数据量表 t_order_0、t_order_1、···、t_order_n，每张表只存储原大表中的一部分数据，当执行一条SQL时会通过 分库策略、分片策略 将数据分散到不同的数据库、表内。

② 数据节点

数据节点是分库分表中一个不可再分的最小数据单元（表），它由数据源名称和数据表组成，例如上图中 order_db_1.t_order_0、order_db_2.t_order_1 就表示一个数据节点。

③ 逻辑表

逻辑表是指一组具有相同逻辑和数据结构表的总称。比如我们将订单表t_order 拆分成 t_order_0 ··· t_order_9 等 10张表。此时我们会发现分库分表以后数据库中已不在有 t_order 这张表，取而代之的是 t_order_n，但我们在代码中写 SQL 依然按 t_order 来写。此时 t_order 就是这些拆分表的逻辑表。

④ 真实表

真实表也就是上边提到的 t_order_n 数据库中真实存在的物理表。

⑤ 分片键

用于分片的数据库字段。我们将 t_order 表分片以后，当执行一条SQL时，通过对字段 order_id 取模的方式来决定，这条数据该在哪个数据库中的哪个表中执行，此时 order_id 字段就是 t_order 表的分片健。

⑥ 分片算法

上边我们提到可以用分片健取模的规则分片，但这只是比较简单的一种，在实际开发中我们还希望用 >=、<=、>、<、BETWEEN 和 IN 等条件作为分片规则，自定义分片逻辑，这时就需要用到分片策略与分片算法。

从执行 SQL 的角度来看，分库分表可以看作是一种路由机制，把 SQL 语句路由到我们期望的数据库或数据表中并获取数据，分片算法可以理解成一种路由规则。

咱们先捋一下它们之间的关系，分片策略只是抽象出的概念，它是由分片算法和分片健组合而成，分片算法做具体的数据分片逻辑。

分库、分表的分片策略配置是相对独立的，可以各自使用不同的策略与算法，每种策略中可以是多个分片算法的组合，每个分片算法可以对多个分片健做逻辑判断。

分片算法和分片策略的关系

sharding-jdbc 提供了4种分片算法：

1:精确分片算法精确分片算法（PreciseShardingAlgorithm）用于单个字段作为分片键，SQL中有 = 与 IN 等条件的分片，需要在标准分片策略（StandardShardingStrategy ）下使用。2:范围分片算法范围分片算法（RangeShardingAlgorithm）用于单个字段作为分片键，SQL中有 BETWEEN AND、>、<、>=、<= 等条件的分片，需要在标准分片策略（StandardShardingStrategy ）下使用。3:复合分片算法复合分片算法（ComplexKeysShardingAlgorithm）用于多个字段作为分片键的分片操作，同时获取到多个分片健的值，根据多个字段处理业务逻辑。需要在复合分片策略（ComplexShardingStrategy ）下使用。4:Hint分片算法Hint分片算法（HintShardingAlgorithm）稍有不同，上边的算法中我们都是解析SQL 语句提取分片键，并设置分片策略进行分片。但有些时候我们并没有使用任何的分片键和分片策略，可还想将 SQL 路由到目标数据库和表，就需要通过手动干预指定SQL的目标数据库和表信息，这也叫强制路由。

注意：sharding-jdbc 并没有直接提供分片算法的实现，需要开发者根据业务自行实现。

⑦ 分片策略

上边讲分片算法的时候已经说过，分片策略是一种抽象的概念，实际分片操作的是由分片算法和分片健来完成的。

1:标准分片策略标准分片策略适用于单分片键，此策略支持 PreciseShardingAlgorithm 和 RangeShardingAlgorithm 两个分片算法。其中 PreciseShardingAlgorithm 是必选的，用于处理 = 和 IN 的分片。RangeShardingAlgorithm 是可选的，用于处理BETWEEN AND， >， <，>=，<= 条件分片，如果不配置RangeShardingAlgorithm，SQL中的条件等将按照全库路由处理。2:复合分片策略复合分片策略，同样支持对 SQL语句中的 =，>， <， >=， <=，IN和 BETWEEN AND 的分片操作。不同的是它支持多分片键，具体分配片细节完全由应用开发者实现。3:行表达式分片策略 inline行表达式分片策略，支持对 SQL语句中的 = 和 IN 的分片操作，但只支持单分片键。这种策略通常用于简单的分片，不需要自定义分片算法，可以直接在配置文件中接着写规则。t_order_$->{t_order_id % 4} 代表 t_order 对其字段 t_order_id取模，拆分成4张表，而表名分别是t_order_0 到 t_order_3。4:Hint分片策略Hint分片策略，对应上边的Hint分片算法，通过指定分片健而非从 SQL中提取分片健的方式进行分片的策略。

⑧ 分布式主键

数据分⽚后，不同数据节点⽣成全局唯⼀主键是⾮常棘⼿的问题，同⼀个逻辑表（t_order）内的不同真实表（t_order_n）之间的⾃增键由于⽆法互相感知而产⽣重复主键。

尽管可通过设置⾃增主键 初始值 和 步⻓ 的⽅式避免ID碰撞，但这样会使维护成本加大，乏完整性和可扩展性。如果后去需要增加分片表的数量，要逐一修改分片表的步长，运维成本非常高，所以不建议这种方式。

实现分布式主键⽣成器的方式很多，可以参考我之前写的9种分布式ID生成方式。

为了让上手更加简单，ApacheShardingSphere 内置了UUID、SNOWFLAKE 两种分布式主键⽣成器，默认使⽤雪花算法（snowflake）⽣成64bit的⻓整型数据。不仅如此它还抽离出分布式主键⽣成器的接口，⽅便我们实现⾃定义的⾃增主键⽣成算法。

⑨ 广播表

广播表：存在于所有的分片数据源中的表，表结构和表中的数据在每个数据库中均完全一致。一般是为字典表或者配置表 t_config，某个表一旦被配置为广播表，只要修改某个数据库的广播表，所有数据源中广播表的数据都会跟着同步。

⑩ 绑定表

绑定表：那些分片规则一致的主表和子表。比如：t_order 订单表和 t_order_item 订单服务项目表，都是按 order_id 字段分片，因此两张表互为绑定表关系。

那绑定表存在的意义是啥呢？

通常在我们的业务中都会使用 t_order 和 t_order_item 等表进行多表联合查询，但由于分库分表以后这些表被拆分成N多个子表。如果不配置绑定表关系，会出现笛卡尔积关联查询，将产生如下四条SQL。

SELECT * FROM t_order_0 o JOIN t_order_item_0 i ON o.order_id=i.order_idSELECT * FROM t_order_0 o JOIN t_order_item_1 i ON o.order_id=i.order_id SELECT * FROM t_order_1 o JOIN t_order_item_0 i ON o.order_id=i.order_id SELECT * FROM t_order_1 o JOIN t_order_item_1 i ON o.order_id=i.order_id

笛卡尔积查询

而配置绑定表关系后再进行关联查询时，只要对应表分片规则一致产生的数据就会落到同一个库中，那么只需 t_order_0 和 t_order_item_0 表关联即可。

SELECT * FROM t_order_0 o JOIN t_order_item_0 i ON o.order_id=i.order_idSELECT * FROM t_order_1 o JOIN t_order_item_1 i ON o.order_id=i.order_id

绑定表关系

注意：在关联查询时 t_order 它作为整个联合查询的主表。所有相关的路由计算都只使用主表的策略，t_order_item 表的分片相关的计算也会使用 t_order 的条件，所以要保证绑定表之间的分片键要完全相同。

案例准备

我们基于MyBatisPlus+ShadingJDBC实现数据库分片、读写分离功能，准备了工程shading-jdbc，该工程是一个SpringBoot+MyBatisPlus实现了MySQL增加和查询的案例，我们要将ShadingJDBC集成进来，将它改造成具备分表分库、读写分离的案例。

准备数据库 sd1、sd2,在每个数据库中创建表，

表结构说明: goods 用于数据库分片。goods_0, goods_1用于表分片

创建脚本如下：

-- 数据库sd1CREATE database `sd1` DEFAULT CHARACTER SET utf8 ;CREATE TABLE sd1.`goods` ( `id` bigint(20) NOT NULL, `goods_name` varchar(100) DEFAULT NULL, `type` bigint(20) DEFAULT NULL, PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;create table sd1.`goods_0` as select * from sd1.`goods` where 1=2;create table sd1.`goods_1` as select * from sd1.`goods` where 1=2;-- 数据库sd2CREATE database `sd2` DEFAULT CHARACTER SET utf8 ;create table sd2.`goods` as select * from sd1.`goods` where 1=2;create table sd2.`goods_0` as select * from sd1.`goods` where 1=2;create table sd2.`goods_1` as select * from sd1.`goods` where 1=2;

案例说明：

上面创建的表，虽然是goods_0和goods_1，但案例中Pojo用到了逻辑表，如下:

@Data@TableName(value = "goods") //这里用的是逻辑表public class Goods { @TableId(value = "id",type = IdType.INPUT) private Long id; @TableField(value = "goods_name") private String goodsName; @TableField(value = "type") private Long type;}

处理上面之外，案例提供了三个方法:

package com.execise.controller;import com.execise.domain.Goods;import com.execise.service.GoodsService;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.stereotype.Controller;import org.springframework.web.bind.annotation.GetMapping;import org.springframework.web.bind.annotation.PathVariable;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;import java.util.List;@RestController@Controller@RequestMapping("/goods")public class GoodsController { @Autowired private GoodsService goodsService; @GetMapping public List<Goods> list(){ return goodsService.list(); } //@GetMapping("/{id}") public Goods getOne(@PathVariable int id){ return goodsService.getById(id); } @GetMapping("/add/{goodsName}/{type}") public String add(@PathVariable String goodsName, @PathVariable int type){ Goods goods = new Goods(); goods.setGoodsName(goodsName); goods.setType(type); goodsService.save(goods); return "添加成功!"; }}

分库案例

我们使用ShadingJDBC实现数据分片，将一部分数据添加到sd1一部分数据添加到sd2中，一部分数据添加到goods_0中，一部分数据添加到goods_1中。

我们先实现将一部分数据添加到sd1中，一部分数据添加到sd2中，这种操作就是分库操作，分库操作可以减少每个数据库中存储的数据，当数据少了，查询的时候，单台数据库查找的数据量就减少了，从而加速了每台数据库查找速度。

分库策略

分库策略如上图:

#求余算法添加数据的时候，我们由于只有2台数据库，我们可以根据某个字段 column%2 求余，来确定数据存入哪个数据库，这种算法是很常规的算法。#案例求余在案例中，我们可以把type作为求余的column，用type%2的余数作为数据库的下标，这种算法是非常简单的。

分库配置

修改application.yml，配置分库策略，配置如下：

spring: shardingsphere: # 数据源配置 datasource: # 名称随意，但必须唯一 names: ds1,ds2 # 这里的名称需要在datasource.names中存在 ds1: # jdbc需要配置连接池 type: com.alibaba.druid.pool.DruidDataSource driver-class-name: com.mysql.cj.jdbc.Driver username: root password: root url: jdbc:mysql://localhost:3306/sd1?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false ds2: type: com.alibaba.druid.pool.DruidDataSource driver-class-name: com.mysql.cj.jdbc.Driver username: root password: root url: jdbc:mysql://localhost:3306/sd2?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false # 分片配置 sharding: # 需要分片的表配置 tables: # 需要分片的表名，逻辑名，随意 goods: # 数据节点配置ds${}组成上面names中的数据源名称, 1..2代表 1到2之间的数值 # 数据库中表的语法：schema.表名 = database.表名 actualDataNodes: ds${1..2}.goods # 分库策略 databaseStrategy: # 使用inline分片算法 inline: # 分片键 为表中某个字段 shardingColumn: type # 具体分片时的表达式 algorithmExpression: ds${type % 2 + 1} props: # 是否打印sql sql.show: truelogging: pattern: console: '%d{HH:mm:ss} %msg %n\' level: root: info com: execise: debug

分表案例

基于上面的案例，我们再实现分表操作，一部分数据存入goods_0，一部分数据存入goods_1。

分表策略

如上图：

#分表策略我们需要将数据存入到goods_0或者goods_1中，也可以采用求余法，采用id作为求余的列， id%2的余数作为数据库表的下标。

分表配置

修改application.yml，配置分表策略，配置如下：

spring: main: allow-bean-definition-overriding: true shardingsphere: datasource: names: ds1,ds2 ds1: type: com.alibaba.druid.pool.DruidDataSource driver-class-name: com.mysql.cj.jdbc.Driver username: root password: root url: jdbc:mysql://localhost:3306/sd1?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false ds2: type: com.alibaba.druid.pool.DruidDataSource driver-class-name: com.mysql.cj.jdbc.Driver username: root password: root url: jdbc:mysql://localhost:3306/sd2?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false sharding: tables: goods: actualDataNodes: ds${1..2}.goods_${0..1} databaseStrategy: inline: shardingColumn: type algorithmExpression: ds${type % 2 + 1} # 表分片策略 tableStrategy: inline: shardingColumn: id algorithmExpression: goods_${id % 2} keyGenerator: type: SNOWFLAKE column: id props: sql.show: truelogging: pattern: console: '%d{HH:mm:ss} %msg %n\' level: root: info com: execise: debug

配置参数说明

上面我们完成了分表分库的配置，但很多配置并未说明是什么意思，参数详情如下：

dataSources: # 省略数据源配置，请参考使用手册rules:- !SHARDING tables: # 数据分片规则配置 <logic-table-name> (+): # 逻辑表名称 actualDataNodes (?): # 由数据源名 + 表名组成（参考Inline语法规则） databaseStrategy (?): # 分库策略，缺省表示使用默认分库策略，以下的分片策略只能选其一 standard: # 用于单分片键的标准分片场景 shardingColumn: # 分片列名称 shardingAlgorithmName: # 分片算法名称 complex: # 用于多分片键的复合分片场景 shardingColumns: #分片列名称，多个列以逗号分隔 shardingAlgorithmName: # 分片算法名称 hint: # Hint 分片策略 shardingAlgorithmName: # 分片算法名称 none: # 不分片 tableStrategy: # 分表策略，同分库策略 keyGenerateStrategy: # 分布式序列策略 column: # 自增列名称，缺省表示不使用自增主键生成器 keyGeneratorName: # 分布式序列算法名称 autoTables: # 自动分片表规则配置 t_order_auto: # 逻辑表名称 actualDataSources (?): # 数据源名称 shardingStrategy: # 切分策略 standard: # 用于单分片键的标准分片场景 shardingColumn: # 分片列名称 shardingAlgorithmName: # 自动分片算法名称 bindingTables (+): # 绑定表规则列表 - <logic_table_name_1, logic_table_name_2, ...> - <logic_table_name_1, logic_table_name_2, ...> broadcastTables (+): # 广播表规则列表 - <table-name> - <table-name> defaultDatabaseStrategy: # 默认数据库分片策略 defaultTableStrategy: # 默认表分片策略 defaultKeyGenerateStrategy: # 默认的分布式序列策略 defaultShardingColumn: # 默认分片列名称 # 分片算法配置 shardingAlgorithms: <sharding-algorithm-name> (+): # 分片算法名称 type: # 分片算法类型 props: # 分片算法属性配置 # ... # 分布式序列算法配置 keyGenerators: <key-generate-algorithm-name> (+): # 分布式序列算法名称 type: # 分布式序列算法类型 props: # 分布式序列算法属性配置 # ...props: # ...

​

ShardingProxy 使用

下载与安装

访问 https://shardingsphere.apache.org/document/current/en/downloads/ 下载

也可获取历史版本的下载

https://archive.apache.org/dist/shardingsphere/

解压缩后修改conf/server.yaml和以config-前缀开头的文件，如：conf/config-xxx.yaml文件，进行分片规则、读写分离规则配置。

需要修改server.yaml后方可启动。把authentication这块原来的注释符(#)都删除即可

如果使用mysql数据库时，需要把mysql的jar复制到它的lib目录下。

windows下双击start.bat启动： 默认使用3307端口，可通过命令修改。

start.bat 端口

Linux操作系统请运行bin/start.sh，Windows操作系统请运行bin/start.bat启动Sharding-Proxy。如需配置启动端口、配置文件位置后进行启动

分库案例

修改配置文件config-sharding.yaml如下

schemaName: sharding_dbdataSources: sp_1: url: jdbc:mysql://127.0.0.1:3306/sd1?serverTimezone=UTC&useSSL=false username: root password: root connectionTimeoutMilliseconds: 30000 idleTimeoutMilliseconds: 60000 maxLifetimeMilliseconds: 1800000 maxPoolSize: 10 sp_2: url: jdbc:mysql://127.0.0.1:3306/sd2?serverTimezone=UTC&useSSL=false username: root password: root connectionTimeoutMilliseconds: 30000 idleTimeoutMilliseconds: 60000 maxLifetimeMilliseconds: 1800000 maxPoolSize: 10shardingRule: tables: student: actualDataNodes: sp_${1..2}.student_${0..1} tableStrategy: inline: shardingColumn: id algorithmExpression: student_${id % 2} databaseStrategy: inline: shardingColumn: grade algorithmExpression: sp_${grade % 2 + 1} keyGenerator: type: SNOWFLAKE column: id bindingTables: - student

分表案例

修改配置文件config-sharding.yaml如下

schemaName: sharding_dbdataSources: master: username: root password: 123456 url: jdbc:mysql://192.168.136.160:3307/masterdb?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false connectionTimeoutMilliseconds: 30000 idleTimeoutMilliseconds: 60000 maxLifetimeMilliseconds: 1800000 maxPoolSize: 10 slave1: username: root password: 123456 url: jdbc:mysql://192.168.136.160:3308/masterdb?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false connectionTimeoutMilliseconds: 30000 idleTimeoutMilliseconds: 60000 maxLifetimeMilliseconds: 1800000 maxPoolSize: 10 slave2: username: root password: 123456 url: jdbc:mysql://192.168.136.160:3309/masterdb?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false connectionTimeoutMilliseconds: 30000 idleTimeoutMilliseconds: 60000 maxLifetimeMilliseconds: 1800000 maxPoolSize: 10shardingRule: tables: goods: actualDataNodes: ds_ms1.goods_${0..1} tableStrategy: inline: shardingColumn: id algorithmExpression: goods_${id%2} keyGenerator: type: SNOWFLAKE column: id bindingTables: - goods masterSlaveRules: ds_ms1: loadBalanceAlgorithmType: round_robin masterDataSourceName: master slaveDataSourceNames: - slave1 - slave2

MySQL主从复制

① 创建master容器

创建配置

mkdir -p /data/mysql/master/conf# master数据库配置sudo tee /data/mysql/master/conf/mysqld.cnf <<-'EOF'[mysqld]server-id = 1 # 节点ID，确保唯一# log configlog-bin = mysql-bin #开启mysql的binlog日志功能sync_binlog = 1 #控制数据库的binlog刷到磁盘上去 , 0 不控制，性能最好，1每次事物提交都会刷到日志文件中，性能最差，最安全binlog_format = mixed #binlog日志格式，mysql默认采用statement，建议使用mixedexpire_logs_days = 7 #binlog过期清理时间max_binlog_size = 100m #binlog每个日志文件大小binlog_cache_size = 4m #binlog缓存大小max_binlog_cache_size= 512m #最大binlog缓存大binlog-ignore-db=mysql #不生成日志文件的数据库，多个忽略数据库可以用逗号拼接，或者 复制这句话，写多行auto-increment-offset = 1 # 自增值的偏移量auto-increment-increment = 1 # 自增值的自增量slave-skip-errors = all #跳过从库错误EOF

创建容器

# 创建master数据库docker run --name mysql-master -p 3307:3306 -e MYSQL_ROOT_PASSWORD=123456 \-v /data/mysql/master/conf/mysqld.cnf:/etc/mysql/mysql.conf.d/mysqld.cnf \-v /data/mysql/master/data:/var/lib/mysql \-d mysql:5.7

② 创建2个slave容器

创建slave的配置

mkdir -p /data/mysql/slave1/conf# slave数据库配置sudo tee /data/mysql/slave1/conf/mysqld.cnf <<-'EOF'[mysqld]server-id = 101log-bin=mysql-binrelay-log = mysql-relay-binreplicate-wild-ignore-table=mysql.%replicate-wild-ignore-table=test.%replicate-wild-ignore-table=information_schema.%EOFmkdir -p /data/mysql/slave2/conf# slave数据库配置sudo tee /data/mysql/slave2/conf/mysqld.cnf <<-'EOF'[mysqld]server-id = 102log-bin=mysql-binrelay-log = mysql-relay-binreplicate-wild-ignore-table=mysql.%replicate-wild-ignore-table=test.%replicate-wild-ignore-table=information_schema.%EOF

创建容器

docker run --name mysql-slave1 -p 3308:3306 -e MYSQL_ROOT_PASSWORD=123456 \-v /data/mysql/slave1/conf/mysqld.cnf:/etc/mysql/mysql.conf.d/mysqld.cnf \-v /data/mysql/slave1/data:/var/lib/mysql \-d mysql:5.7docker run --name mysql-slave2 -p 3309:3306 -e MYSQL_ROOT_PASSWORD=123456 \-v /data/mysql/slave2/conf/mysqld.cnf:/etc/mysql/mysql.conf.d/mysqld.cnf \-v /data/mysql/slave2/data:/var/lib/mysql \-d mysql:5.7

③ master创建用户并授权

进入master的数据库，为master创建复制用户

# 进入master容器docker exec -it mysql-master bash# root用户连接mysqlmysql -uroot -p123456# 创建用户CREATE USER repl_user IDENTIFIED BY 'repl_passwd';

赋予户复制的权限

grant replication slave on *.* to 'repl_user'@'%' identified by 'repl_passwd';FLUSH PRIVILEGES;

④ 查看master的状态

# 记录 File与Position的值show master status;

⑤ 从库配置

# 进入从库容器docker exec -it mysql-slave bash# 连接从库mysql -uroot -p123456CHANGE MASTER TO MASTER_HOST = '192.168.136.160', MASTER_USER = 'repl_user', MASTER_PASSWORD = 'repl_passwd',MASTER_PORT = 3307,MASTER_LOG_FILE='mysql-bin.000003',MASTER_LOG_POS=858,MASTER_RETRY_COUNT = 60,MASTER_HEARTBEAT_PERIOD = 10000; start slave;# MASTER_LOG_FILE='mysql-bin.000005',#与主库File 保持一致# MASTER_LOG_POS=120 , #与主库Position 保持一致show slave status\G