A Row Value Expressions consists of two parts as a string, the Type Name part of the corresponding SPI implementation at the beginning of the string and the expression part. Take t_order_${1. the GROOVY substring in the part of the string is the Type Name used by the corresponding SPI implementation for this Row Value Expres‐ sions, which is identified by the <> symbol. And the t_order_${1 Value Expressions defaults to parse expressions by GROOVY implemen‐ tation for InlineExpressionParser SPI. The following sections describe the syntax rules for the GROOVY implementation. 8.1. Sharding 27

以有效地将规则配置一同存放，更加易于浏览与存储。 行表达式作为字符串由两部分组成，分别是字符串开头的对应 SPI 实现的 Type Name 部分和表达式部 分。以 t_order_${1..3} 为例，字符串 部分的子字符串 GROOVY 为此行表达式 使用的对应 SPI 实现的 Type Name，其被 <> 符号包裹来识别。而字符串 t_order_${1..3} 3} 为此行表 达式的表达式部分。当行表达式不指定 Type Name 时，例如 t_order_${1..3}，行表示式默认将使用 InlineExpressionParser SPI 的 GROOVY 实现来解析表达式。 以下部分介绍 GROOVY 实现的语法规则。 行表达式的使用非常直观，只需要在配置中使用 ${ expression } 或 $->{ expression } 标识行 读写分离逻辑数据源名称，默认使用 Groovy 的行表达式 SPI 实现来 解析 write_data_source_name: # 写库数据源名称，默认使用 Groovy 的行表达式 SPI 实现来解析 read_data_source_names: # 读库数据源名称，多个从数据源用逗号分隔，默认使用 Groovy 的 行表达式 SPI 实现来解析 transactionalReadQueryStrategy

A Row Value Expressions consists of two parts as a string, the Type Name part of the corresponding SPI implementation at the beginning of the string and the expression part. Take t_order_${1. the GROOVY substring in the part of the string is the Type Name used by the corresponding SPI implementation for this Row Value Expres‐ sions, which is identified by the <> symbol. And the t_order_${1 Value Expressions defaults to parse expressions by GROOVY implemen‐ tation for InlineExpressionParser SPI. The following sections describe the syntax rules for the GROOVY implementation. 8.1. Sharding 27

以有效地将规则配置一同存放，更加易于浏览与存储。 行表达式作为字符串由两部分组成，分别是字符串开头的对应 SPI 实现的 Type Name 部分和表达式部 分。以 t_order_${1..3} 为例，字符串 部分的子字符串 GROOVY 为此行表达式 使用的对应 SPI 实现的 Type Name，其被 <> 符号包裹来识别。而字符串 t_order_${1..3} 3} 为此行表 达式的表达式部分。当行表达式不指定 Type Name 时，例如 t_order_${1..3}，行表示式默认将使用 InlineExpressionParser SPI 的 GROOVY 实现来解析表达式。 以下部分介绍 GROOVY 实现的语法规则。 行表达式的使用非常直观，只需要在配置中使用 ${ expression } 或 $->{ expression } 标识行 读写分离逻辑数据源名称，默认使用 Groovy 的行表达式 SPI 实现来 解析 write_data_source_name: # 写库数据源名称，默认使用 Groovy 的行表达式 SPI 实现来解析 read_data_source_names: # 读库数据源名称，多个从数据源用逗号分隔，默认使用 Groovy 的 行表达式 SPI 实现来解析 transactionalReadQueryStrategy

Developers can customize their own ShardingSphere just like building lego blocks. There are lots of SPI extensions for Apache ShardingSphere now and increase continuously. ShardingSphere became an Apache {your_schema_name}/${your_replica_datasource_name} DISABLED Third-party Components Apache ShardingSphere uses SPI to load data to the config center and registry center and disable in‐ stances and databases. Currently centers, Zookeeper, Etcd, Apollo and Nacos. In addition, by injecting them to ShardingSphere with SPI, users can use other third‐party config and registry centers to enable databases governance. 3.4

• User Manual#Scaling : Build, Manual • RAL#Scaling : DistSQL for Scaling • Dev Manual#Scaling : SPI interfaces and implementations 2.3. ShardingSphere-Scaling (Experimental) 9 3 Concepts The functions 4.1 Background In Apache ShardingSphere, many functionality implementations are uploaded through SPI (Service Provider Interface), which is a kind of API for the third party to implement or expand, and Developers can customize their own Shard‐ ingSphere just like building lego blocks. There are lots of SPI extensions for Apache ShardingSphere now and increase continuously. 3.4.3 Goal It is the design

• User Manual#Scaling : Build, Manual • RAL#Scaling : DistSQL for Scaling • Dev Manual#Scaling : SPI interfaces and implementations 2.3. ShardingSphere-Scaling (Experimental) 9 3 Concepts The functions 4.1 Background In Apache ShardingSphere, many functionality implementations are uploaded through SPI (Service Provider Interface), which is a kind of API for the third party to implement or expand, and Developers can customize their own Shard‐ ingSphere just like building lego blocks. There are lots of SPI extensions for Apache ShardingSphere now and increase continuously. 3.4.3 Goal It is the design

SQLServer、Oracle 等 SQL 与协议的支持，均通过插件的方式织入项目。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 目前已提供数十个 SPI 作为系统的扩展点，而且仍在不 断增加中。 ShardingSphere 已于 2020 年 4 月 16 日成为 Apache 软件基金会的顶级项目。欢迎通过邮件列表参与讨 论。 1.1 简介 第三方组件依赖 Apache ShardingSphere 在数据库治理模块使用 SPI 方式载入数据到配置中心和注册中心，进行实例熔 断和数据库禁用。目前，Apache ShardingSphere 内部支持 ZooKeeper，Etcd 等常用的配置中心/注册中 心。此外，开发者可以使用其他第三方组件，并通过 SPI 的方式注入到 Apache ShardingSphere，从而使 用该配置中心和注册中心，实现数据库治理功能。 TABLE 的支持（TODO）。 3.9 可插拔架构 3.9.1 背景 在 Apache ShardingSphere 中，很多功能实现类的加载方式是通过 SPI（Service Provider Interface）注 入的方式完成的。SPI 是一种为了被第三方实现或扩展的 API，它可以用于实现框架扩展或组件替换。 3.9. 可插拔架构 103 Apache ShardingSphere document

5. 相关文档 • 功能 # 弹性伸缩：核心概念、使用规范 • 用户手册 # 弹性伸缩：运行部署、使用手册 • RAL# 弹性伸缩：弹性伸缩的 DistSQL • 开发者手册 # 弹性伸缩：SPI 接口及实现类 2.3. ShardingSphere-Scaling (Experimental) 9 3 概念 Apache ShardingSphere 功能十分复杂，有数百模块之多， document, v5.0.0 3.4 可插拔架构 3.4.1 背景 在 Apache ShardingSphere 中，很多功能实现类的加载方式是通过 SPI（Service Provider Interface）注 入的方式完成的。SPI 是一种为了被第三方实现或扩展的 API，它可以用于实现框架扩展或组件替换。 3.4.2 挑战 可插拔架构对程序架构设计的要求非常高，需要将各个模块相互独立，互不感知，并且通过一个可插拔 及对 MySQL、Post‐ greSQL、SQLServer、Oracle 等 SQL 与协议的支持，均通过插件的方式织入项目。Apache ShardingSphere 目前已提供数十个 SPI 作为系统的扩展点，而且仍在不断增加中。 3.4.3 目标 让开发者能够像使用积木一样定制属于自己的独特系统，是 Apache ShardingSphere 可插拔架构的设计 目标。 3.4

4.1 Background In Apache ShardingSphere, many functionality implementations are uploaded through SPI (Service Provider Interface), which is a kind of API for the third party to implement or expand, and Developers can customize their own Shard‐ ingSphere just like building lego blocks. There are lots of SPI extensions for Apache ShardingSphere now and increase continuously. 3.4.3 Goal It is the design Native Driver Usage Class.forName("org.apache.shardingsphere.driver.ShardingSphereDriver"); // Or use SPI to register database driver String jdbcUrl = "jdbc:shardingsphere:classpath:config.yaml"; String