1.shardingjdbc和tddl的区别
2.最全常见分布式ID生成方案
3.数据库分库分表中间件的阿里阿里整理
4.分布式数据库中间件—TDDL的使用介绍

shardingjdbc和tddl的区别

       shardingjdbc是当当网的内部分库分表中间件，目前已经开源，可以在github中进行获取，而TDDL则是阿里内部的分库分表中间件，目前尚未开源，本质上都是JDBC的一种分装。详细见下图

最全常见分布式ID生成方案

       在技术面试中，分布式ID生成是源码源代常被提及的话题。本文将探讨分布式ID的阿里阿里必要性、常见生成方案及其优缺点，源码源代以及美团开源框架的阿里阿里应用实例。

       分布式ID在数据量大、源码源代zbolg源码分库分表后的阿里阿里重要作用是为分散数据提供唯一标识，确保数据完整性和避免冲突。源码源代以下是阿里阿里几种常见的生成方案：

       1. UUID（通用唯一标识符）

       简单高效，基于时间戳、源码源代硬件标识符生成全局唯一ID，阿里阿里但无序且ID较长，源码源代存储空间占用大，阿里阿里不适合索引。源码源代

       2. 数据库单点自增序列

       简单可靠，阿里阿里但可能导致单点故障，无法应对高并发，网络依赖性强。

       3. 数据库集群自增序列

       解决单点问题，负数源码_反码_补码但需要负载均衡，扩容和高并发性能受限。

       4. 数据库号段模式

       减少对数据库访问，但仍存在单点故障和ID浪费问题，网络依赖较低。

       美团的Leaf-segment框架实现了数据库号段模式，通过预分发和双缓冲优化。

       5. 微信序列号生成

       基于用户序列，通过步进式持久化和分段共享存储，减少IO，但涉及序列号管理和多节点同步。

       6. 阿里Tddl-sequence

       TDDL的序列生成方案，依赖数据源，支持本地生成和迁移注意事项。

       7. 雪花算法（Twitter Snowflake）

       快速生成有序ID，但依赖时钟同步，可读性较差。

       8. Redis 拼团接龙源码自增命令

       简单易扩展，但依赖Redis集群，客户端需实现负载均衡。

       9. Zookeeper 或 MongoDB

       分布式协调生成，复杂度高，网络依赖强。

       总的来说，选择分布式ID生成方案时，需权衡性能、扩展性、复杂性和网络依赖，结合具体业务场景来决定最适合的方案。

数据库分库分表中间件的整理

       一、分库分表中间件整理

       1.1、主要分库分表中间件包括：cobar、TDDL、atlas、sharding-jdbc、mycat。批量源码安装软件其中，cobar和atlas属于proxy层方案，分别由阿里和团队开发，但社区维护有限；TDDL属于client层方案，由淘宝团队开发，不支持高级查询语法，使用较少；sharding-jdbc为当当网开源，支持分库分表、读写分离等，社区活跃，适用于中小型公司；mycat基于cobar改造，功能完善，是目前流行的选择，适合中大型公司。

       1.2、选择分库分表中间件时，应考虑成本和维护需求。sharding-jdbc轻量级，正100的源码部署简单，但需同步升级，耦合性高；mycat为proxy层方案，需要额外部署，但对项目透明，适合中大型公司。

       二、垂直拆分与水平拆分

       2.1、水平拆分：将一个表数据分散到多个库，每个库表结构相同，数据分布均匀，有利于并发处理和数据量扩展。

       2.2、垂直拆分：将大表拆分成多个小表，根据访问频率将不同字段分到不同表中，减少缓存压力，提升性能。

       2.3、表层面拆分：将大表划分为多个小表，控制单表数据量，优化SQL性能。

       三、分库分表策略

       3.1、范围分库：按固定范围（如时间）分配数据到不同库，易于扩容，但易产生数据热点。

       3.2、哈希分库：通过哈希算法均匀分配数据到各库，避免数据热点，但扩容复杂。

       四、不停机迁移

       4.1、规划好服务器配置，每台服务器上部署多个库。

       4.2、设计路由规则，如根据orderId计算库和表。

       4.3、申请新服务器，逐步增加数据库资源。

       4.4、使用数据库迁移工具，将数据从旧服务器迁移至新服务器。

       4.5、调整系统配置，修改路由规则。

       4.6、重新部署系统，确保服务不间断提供。

分布式数据库中间件—TDDL的使用介绍

       在项目开发中，TDDL作为分布式数据库中间件，虽然初期接触时有所了解，但深入研究并不多。由于团队内部丰富的阿里内部中间件，每个都需花费大量时间学习，加上项目中数据库并未采用分布式，缺乏实际驱动，导致对TDDL的理解并不深入。面对同行关于TDDL分库分表原理的询问，我决定填补知识空白，整理关于TDDL的架构和原理，既为自己充实知识，也希望能帮助到有需求的同行。

       首先，让我们回顾分布式数据库的发展历程。最初，应用数据单一，单库单表是常态。随着业务增长，读多写少的场景下，读写分离应运而生，通过主备库减轻读压力。然而，这引入了数据复制和数据源选择问题。随后，垂直分库和水平分表出现，以应对数据量爆炸和性能瓶颈，但同时也带来ACID属性破坏等问题。

       TDDL则是为解决分布式数据库挑战而设计的，它解决了单库无法满足性能、系统容灾和运维管理的需求。从TDDL的发展史来看，它经历了多次迭代，不断优化和扩展功能，如支持跨库查询、提供server模式等。TDDL的核心在于其三层数据源结构，Matrix层负责分库分表的路由和SQL处理，Group层负责读写分离和主备切换，Atom层则负责数据库连接管理和物理操作。

       执行流程中，TDDL首先解析SQL，根据规则确定分库分表，然后将查询转发到相应的Group执行，保证数据的读写分离和主备切换。Atom层负责底层数据库操作，并进行并发控制和结果合并，确保高可用性和性能优化。

       对于全局唯一ID生成，TDDL采用基于数据库更新和内存分配的方案，保证高可用性和高性能，同时支持多机环境下的容灾。TDDL适用于高并发交易、海量数据存储、低成本数据库解决方案和在线数据扩容等场景，为业务的扩展提供了有力支持。