一款优秀数据库中间件的不完全解析
The following article is from Coder的技术之路 Author Coder的技术之路
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
//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：
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。
- EOF -
看完本文有收获？请转发分享给更多人
推荐关注「数据分析与开发」，提升数据技能
点赞和在看就是最大的支持❤️