Objects，普通的 Java 对象）映射成数据库中的记录 1.3 为什么要使用 MyBatis – 现有持久化技术的对比 1） JDBC 1 SQL 夹在 Java 代码块里，耦合度高导致硬编码内伤 2 维护不易且实际开发需求中 sql 是有变化，频繁修改的情况多见 2） Hibernate 和 JPA 1 长难复杂 SQL，对于 Hibernate 而言处理也不容易 2 内部自动生产的 更多 Java –大数据 –前端 –python 人工智能资料下载，可访问百度：尚硅谷官网 3） MyBatis 1 对开发人员而言，核心 sql 还是需要自己优化 2 sql 和 java 编码分开，功能边界清晰，一个专注业务、一个专注数据 1.4 如何下载 MyBatis 1） 下载网址 https://github.com/mybatis/mybatis-3/ JAVAEE 课程系列 导入其他技术的一些支持包 连接池 数据库驱动 日志.... 2) Spring + Springmvc 在 web.xml 中配置: Springmvc 的前端控制器 实例化 Spring 容器的监听器 字符 编码过滤器 REST 过滤器 创建 Spring 的配置文件: applicationContext.xml:组件扫描、 连接池、 事务..... 创建 Springmvc 的配置文件: springmvc

池可解决此问题。 2、 Sql 语句在代码中硬编码，造成代码不易维护，实际应用 sql 变化的可能较大，sql 变动 需要改变 java 代码。 3、 使用 preparedStatement 向占有位符号传参数存在硬编码，因为 sql 语句的 where 条件不 一定，可能多也可能少，修改 sql 还要修改代码，系统不易维护。 4、 对结果集解析存在硬编码（查询列名），sql 变化导致解析代码变化，系统不易维护，如 SqlSessionFactory 创建 SqlSession，调用 SqlSession 的数 据库操作方法  调用 sqlSession 的数据库操作方法需要指定 statement 的 id，这里存在硬编码，不 得于开发维护。 2.4 Mapper 动态代理方式 2.4.1 实现原理 Mapper 接口开发方法只需要程序员编写 Mapper 接口（相当于 Dao 接口），由 Mybatis 框

YAML 格式，能够快速地理解分片规则之间的依赖关 系，ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象的创建，减少用户 不必要的编码工作。 参数解释 rules: - !SHARDING tables: # 数据分片规则配置 (+): # 逻辑表名称 actualDataNodes 格式，能够快速地理解读写分片规则之间的依赖关系， ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象的创建，减少用户不必 要的编码工作。 4.1. ShardingSphere-JDBC 57 Apache ShardingSphere document, v5.2.0 参数解释 静态读写分离 rules: - !READWRITE_SPLITTING 务 高可用 背景信息 通过 YAML 格式，ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象 的创建，减少用户不必要的编码工作。 参数解释 rules: - !READWRITE_SPLITTING dataSources: replica_ds: dynamicStrategy: Dynamic # 动态读写分离

ShardingSphere 的子项目。欢迎通过邮件列表参与讨论。 1 1 简介 使用 ElasticJob 能够让开发工程师不再担心任务的线性吞吐量提升等非功能需求，使他们能够更加专注 于面向业务编码设计；同时，它也能够解放运维工程师，使他们不必再担心任务的可用性和相关管理需 求，只通过轻松的增加服务节点即可达到自动化运维的目的。 ElasticJob 定位为轻量级无中心化解决方案，使用 jar 绍他们的使用方式。 作业开发 ElasticJob 的作业分类基于 class 和 type 两种类型。基于 class 的作业需要开发者自行通过实现接口的方 式织入业务逻辑；基于 type 的作业则无需编码，只需要提供相应配置即可。 基于 class 的作业接口的方法参数 shardingContext 包含作业配置、片和运行时信息。可通过 getShardingTotalCount(), getShardingItem() ShardingSphere ElasticJob document 脚本作业 支持 shell，python，perl 等所有类型脚本。可通过属性配置 script.command.line 配置待执行脚本， 无需编码。执行脚本路径可包含参数，参数传递完毕后，作业框架会自动追加最后一个参数为作业运行 时信息。 例如如下脚本： #!/bin/bash echo sharding execution context

YAML 格式，能够快速地理解分片规则之间的依赖关 系，ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象的创建，减少用户 不必要的编码工作。 参数解释 rules: - !SHARDING tables: # 数据分片规则配置 (+): # 逻辑表名称 actualDataNodes 配置方式具有非凡的可读性，通过 YAML 格式，能够快速地理解广播表配置，ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象的创建，减少用户不必要的编码工作。 参数解释 rules: - !BROADCAST tables: # 广播表规则列表 - - 操作步骤 1. 在 YAML 格式，能够快速地理解读写分片规则之间的依赖关系， ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象的创建，减少用户不必 要的编码工作。 9.1. ShardingSphere-JDBC 61 Apache ShardingSphere document 参数解释 读写分离 rules: - !READWRITE_SPLITTING

YAML 格式，能够快速地理解分片规则之间的依赖关 系，ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象的创建，减少用户 不必要的编码工作。 参数解释 rules: - !SHARDING tables: # 数据分片规则配置 (+): # 逻辑表名称 actualDataNodes 配置方式具有非凡的可读性，通过 YAML 格式，能够快速地理解广播表配置，ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象的创建，减少用户不必要的编码工作。 参数解释 rules: - !BROADCAST tables: # 广播表规则列表 - - 操作步骤 1. 在 YAML 格式，能够快速地理解读写分片规则之间的依赖关系， ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象的创建，减少用户不必 要的编码工作。 9.1. ShardingSphere-JDBC 61 Apache ShardingSphere document 参数解释 读写分离 rules: - !READWRITE_SPLITTING

YAML 格式，能够快速地理解分片规则之间的依赖关 系，ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象的创建，减少用户 不必要的编码工作。 参数解释 rules: - !SHARDING tables: # 数据分片规则配置 (+): # 逻辑表名称 actualDataNodes 配置方式具有非凡的可读性，通过 YAML 格式，能够快速地理解广播表配置，ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象的创建，减少用户不必要的编码工作。 参数解释 rules: - !BROADCAST tables: # 广播表规则列表 - - 操作步骤 1. 在 YAML 格式，能够快速地理解读写分片规则之间的依赖关系， ShardingSphere 会根据 YAML 配置，自动完成 ShardingSphereDataSource 对象的创建，减少用户不必 要的编码工作。 9.1. ShardingSphere-JDBC 62 Apache ShardingSphere document 参数解释 读写分离 rules: - !READWRITE_SPLITTING

2 Sharding-JDBC入门使用 2.1不使用Spring 引入Maven依赖 基于Java编码的规则配置 Sharding-JDBC的分库分表通过规则配置描述，以下例子是根据user_id取模分库, 且根据 order_id取模分表的两库两表的配置。 org.apache.shardingsphere

t_order_0$->{0..9}, db$->{0..1}.t_order_$->{10..20} 配置分片算法 对于只有一个分片键的使用 = 和 IN 进行分片的 SQL，可以使用行表达式代替编码方式配置。 行表达式内部的表达式本质上是一段 Groovy 代码，可以根据分片键进行计算的方式，返回相应的真实数 据源或真实表名称。 例如：分为 10 个库，尾数为 0 的路由到后缀为 0 的数据源，尾数为 了 注 册 中 心 功 能。配 置 规 则同 ShardingSphere‐JDBC YAML 保持一致。 其他第三方组件 详情请参考支持的第三方组件。 1. 使用 SPI 方式实现相关逻辑编码，并将生成的 jar 包复制至 ShardingSphere‐Proxy 的 lib 目录。 2. 按照配置规则进行配置，即可使用。 分布式事务 ShardingSphere‐Proxy 接入的分布式事务 re/issues/1617 7.13 Windows 环境下，通过 Git 克隆 ShardingSphere 源码时为什么提示 文件名过长，如何解决？ 回答： 为保证源码的可读性，ShardingSphere 编码规范要求类、方法和变量的命名要做到顾名思义，避免使用 缩写，因此可能导致部分源码文件命名较长。由于 Windows 版本的 Git 是使用 msys 编译的，它使用了 旧版本的 Windows Api，限制文件名不能超过

t_order_0$->{0..9}, db$->{0..1}.t_order_$->{10..20} 分片算法 对于只有一个分片键的使用 = 和 IN 进行分片的 SQL，可以使用行表达式代替编码方式配置。 行表达式内部的表达式本质上是一段 Groovy 代码，可以根据分片键进行计算的方式，返回相应的真实数 据源或真实表名称。 例如：分为 10 个库，尾数为 0 的路由到后缀为 0 的数据源，尾数为 了 注 册 中 心 功 能。配 置 规 则同 ShardingSphere‐JDBC YAML 保持一致。 其他第三方组件 详情请参考支持的第三方组件。 1. 使用 SPI 方式实现相关逻辑编码，并将生成的 jar 包复制至 ShardingSphere‐Proxy 的 lib 目录。 2. 按照配置规则进行配置，即可使用。 分布式事务 ShardingSphere‐Proxy 接入的分布式事务 22. [其他] Windows 环境下，通过 Git 克隆 ShardingSphere 源码时为什么提示文 件名过长，如何解决？ 回答： 为保证源码的可读性，ShardingSphere 编码规范要求类、方法和变量的命名要做到顾名思义，避免使用 缩写，因此可能导致部分源码文件命名较长。由于 Windows 版本的 Git 是使用 msys 编译的，它使用了 旧版本的 Windows Api，限制文件名不能超过