水平切分分片实现
配置schema.xml&&在同一个mysql数据库中，创建了三个数据库 testdb1，testdb2，testdb3。并在每个库中都创建了user表
&?xml version="1.0"?&
&!DOCTYPE mycat:schema SYSTEM "schema.dtd"&
&mycat:schema xmlns:mycat="http://io.mycat/"&
& &&schema name="testdb" checkSQLschema="false" sqlMaxLimit="100”&&&
&& && &&!——指定rule 分片规则--&
&&&&&&&table name="user" dataNode="dn1,dn2,dn3" rule="sharding-by-intfile" /&
&&&&/schema&
&&&&&dataNode name="dn1" dataHost="host" database="testdb1" /&
&&&&&dataNode name="dn2" dataHost="host" database="testdb2" /&
&&&&&dataNode name="dn3" dataHost="host" database="testdb3" /&
&&&&&dataHost name="host" maxCon="1000" minCon="10" balance="0"
&&&&&&&writeType="0" dbType="mysql" dbDriver="native"&
&&&&&&&&heartbeat&select 1&/heartbeat&
&&&&&&&&writeHost host="hostM1" url="localhost:3306" user="root" password="123" /&
&&&&&/dataHost&
&/mycat:schema&
配置server.xml
&?xml version="1.0" encoding="UTF-8"?&
&!DOCTYPE mycat:server SYSTEM "server.dtd"&
&mycat:server xmlns:mycat="http://io.mycat/"&
&&&&&&system&
&&&&&&&&&&&property name="defaultSqlParser"&druidparser&/property&
&&&&&&/system&
&&&&&&user name="mycat"&
&&&&&&&&&&&property name="password"&mycat&/property&
&&&&&&&&&&&property name="schemas"&testdb&/property&
&&&&&&/user&
&/mycat:server&
配置rule.xml
&?xml version="1.0" encoding="UTF-8"?&
&!DOCTYPE mycat:rule SYSTEM "rule.dtd"&
&mycat:rule xmlns:mycat="http://io.mycat/“&
&& &&tableRule name="sharding-by-intfile"&
&&&&&&&&&&&rule&
&&&&&&&&&&&&&&&&columns&sharding_id&/columns&
&&&&&&&&&&&&&&&&algorithm&hash-int&/algorithm&
&&&&&&&&&&&/rule&
&&&&&&/tableRule&
&& &&function name="hash-int"
&&&&&&&&&&& &&class="io.mycat.route.function.PartitionByFileMap"&
&&&&&&&&&&&& &&property name="mapFile"&partition-hash-int.txt&/property&
&& &&&/function&
&/mycat:rule&
常用的分片规则：总共十个（基本够用）
一、枚举法
&tableRule name="sharding-by-intfile"&
&&& &rule&
&&&&& &columns&user_id&/columns&
&&&&& &algorithm&hash-int&/algorithm&
&&& &/rule&
& &/tableRule&
&function name="hash-int" class="io.mycat.route.function.PartitionByFileMap"&
&&& &property name="mapFile"&partition-hash-int.txt&/property&
&&& &property name="type"&0&/property&
&&& &property name="defaultNode"&0&/property&
& &/function&
partition-hash-int.txt 配置：
上面columns 标识将要分片的表字段，algorithm 分片函数，
其中分片函数配置中，mapFile标识配置文件名称，type默认值为0，0表示Integer，非零表示String，
所有的节点配置都是从0开始，及0代表节点1
/***&&defaultNode 默认节点:小于0表示不设置默认节点，大于等于0表示设置默认节点,结点为指定的值*&默认节点的作用：枚举分片时，如果碰到不识别的枚举值，就让它路由到默认节点*&&&&&&&&&&&&&&&&如果不配置默认节点（defaultNode值小于0表示不配置默认节点），碰到*&&&&&&&&&&&&&&&&不识别的枚举值就会报错，*&&&&&&&&&&&&&&&&like this：can't find datanode for sharding column:column_name val:ffffffff&&&&*/
二、固定分片hash算法
&tableRule name="rule1"&
&&& &rule&
&&&&& &columns&user_id&/columns&
&&&&& &algorithm&func1&/algorithm&
&&& &/rule&
&/tableRule&
& &function name="func1" class="io.mycat.route.function.PartitionByLong"&
&&& &property name="partitionCount"&2,1&/property&
&&& &property name="partitionLength"&256,512&/property&
& &/function&
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数，
partitionCount 分片个数列表，partitionLength 分片范围列表分区长度:默认为最大2^n=1024 ,即最大支持1024分区
count,length两个数组的长度必须是一致的。1024 = sum((count[i]*length[i])). count和length两个向量的点积恒等于1024
用法例子：
@Testpublic void testPartition() {
// 本例的分区策略：希望将数据水平分成3份，前两份各占25%，第三份占50%。（故本例非均匀分区）
// |&---------------------1024------------------------&|
// |&----256---&|&----256---&|&----------512----------&|
// | partition0 | partition1 | partition2 |
// | 共2份,故count[0]=2 | 共1份，故count[1]=1 |
int[] count = new int[] { 2, 1 };
int[] length = new int[] { 256, 512 };
PartitionUtil pu = new PartitionUtil(count, length);
// 下面代码演示分别以offerId字段或memberId字段根据上述分区策略拆分的分配结果
int DEFAULT_STR_HEAD_LEN = 8; // cobar默认会配置为此值
long offerId = 12345;
String memberId = "qiushuo";
// 若根据offerId分配，partNo1将等于0，即按照上述分区策略，offerId为12345时将会被分配到partition0中
int partNo1 = pu.partition(offerId);
// 若根据memberId分配，partNo2将等于2，即按照上述分区策略，memberId为qiushuo时将会被分到partition2中
int partNo2 = pu.partition(memberId, 0, DEFAULT_STR_HEAD_LEN);
Assert.assertEquals(0, partNo1);
Assert.assertEquals(2, partNo2);}
如果需要平均分配设置：平均分为4分片，partitionCount*partitionLength=1024
&function name="func1" class="org.opencloudb.route.function.PartitionByLong"&
&&& &property name="partitionCount"&4&/property&
&&& &property name="partitionLength"&256&/property&
& &/function&
三、范围约定
&tableRule name="auto-sharding-long"&
&&& &rule&
&&&&& &columns&user_id&/columns&
&&&&& &algorithm&rang-long&/algorithm&
&&& &/rule&
& &/tableRule&
&function name="rang-long" class="io.mycat.route.function.AutoPartitionByLong"&
&&& &property name="mapFile"&autopartition-long.txt&/property&
& &/function&
# range start-end ,data node index
# K=1000,M=10000.
500M-1000M=1
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数，
rang-long 函数中mapFile代表配置文件路径
所有的节点配置都是从0开始，及0代表节点1，此配置非常简单，即预先制定可能的id范围到某个分片
四、求模法
&tableRule name="mod-long"&
&&& &rule&
&&&&& &columns&user_id&/columns&
&&&&& &algorithm&mod-long&/algorithm&
&&& &/rule&
& &/tableRule&
& &function name="mod-long" class="io.mycat.route.function.PartitionByMod"&
&& &!-- how many data nodes& --&
&&& &property name="count"&3&/property&
& &/function&
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数，
此种配置非常明确即根据id与count（你的结点数）进行求模预算，相比方式1，此种在批量插入时需要切换数据源，id不连续
五、日期列分区法
&tableRule name="sharding-by-date"&
&&&&& &rule&
&&&&&&& &columns&create_time&/columns&
&&&&&&& &algorithm&sharding-by-date&/algorithm&
&&&&& &/rule&
&& &/tableRule&&
&function name="sharding-by-date" class="io.mycat.route.function..PartitionByDate"&
&& &property name="dateFormat"&yyyy-MM-dd&/property&
&&& &property name="sBeginDate"&&/property&
&&& &property name="sPartionDay"&10&/property&
& &/function&
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数，
配置中配置了开始日期，分区天数，即默认从开始日期算起，分隔10天一个分区
还有一切特性请看源码
Assert.assertEquals(true, 0 == partition.calculate(""));Assert.assertEquals(true, 0 == partition.calculate(""));Assert.assertEquals(true, 1 == partition.calculate(""));Assert.assertEquals(true, 12 == partition.calculate(""));
六、通配取模
&tableRule name="sharding-by-pattern"&
&&&&& &rule&
&&&&&&& &columns&user_id&/columns&
&&&&&&& &algorithm&sharding-by-pattern&/algorithm&
&&&&& &/rule&
&& &/tableRule&
&function name="sharding-by-pattern" class="io.mycat.route.function.PartitionByPattern"&
&&& &property name="patternValue"&256&/property&
&&& &property name="defaultNode"&2&/property&
&&& &property name="mapFile"&partition-pattern.txt&/property&
& &/function&
partition-pattern.txt&
# id partition range start-end ,data node index
###### first host configuration
######## second host configuration
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数，patternValue 即求模基数，defaoultNode 默认节点，如果不配置了默认，则默认是0即第一个结点
mapFile 配置文件路径
配置文件中，1-32 即代表id%256后分布的范围，如果在1-32则在分区1，其他类推，如果id非数字数据，则会分配在defaoultNode 默认节点
String idVal = "0";
Assert.assertEquals(true, 7 == autoPartition.calculate(idVal));idVal = "45a";Assert.assertEquals(true, 2 == autoPartition.calculate(idVal));
七、ASCII码求模通配
&tableRule name="sharding-by-prefixpattern"&
&&&&& &rule&
&&&&&&& &columns&user_id&/columns&
&&&&&&& &algorithm&sharding-by-prefixpattern&/algorithm&
&&&&& &/rule&
&& &/tableRule&
&function name="sharding-by-pattern" class="io.mycat.route.function.PartitionByPrefixPattern"&
&&& &property name="patternValue"&256&/property&
&&& &property name="prefixLength"&5&/property&
&&& &property name="mapFile"&partition-pattern.txt&/property&
& &/function&
partition-pattern.txt
# range start-end ,data node index
# 48-57=0-9
# 64、65-90=@、A-Z
# 97-122=a-z
###### first host configuration
###### second host configuration
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数，patternValue 即求模基数，prefixLength&ASCII 截取的位数
mapFile 配置文件路径
配置文件中，1-32 即代表id%256后分布的范围，如果在1-32则在分区1，其他类推&
此种方式类似方式6只不过采取的是将列种获取前prefixLength位列所有ASCII码的和进行求模sum%patternValue ,获取的值，在通配范围内的
即 分片数，
/*** ASCII编码：* 48-57=0-9阿拉伯数字* 64、65-90=@、A-Z* 97-122=a-z**/
String idVal="gf89f9a";Assert.assertEquals(true, 0==autoPartition.calculate(idVal));idVal="8df99a";Assert.assertEquals(true, 4==autoPartition.calculate(idVal));idVal="8dhdf99a";Assert.assertEquals(true, 3==autoPartition.calculate(idVal));
八、编程指定
&tableRule name="sharding-by-substring"&
&&&&& &rule&
&&&&&&& &columns&user_id&/columns&
&&&&&&& &algorithm&sharding-by-substring&/algorithm&
&&&&& &/rule&
&& &/tableRule&
&function name="sharding-by-substring" class="io.mycat.route.function.PartitionDirectBySubString"&
&&& &property name="startIndex"&0&/property& &!-- zero-based --&
&&& &property name="size"&2&/property&
&&& &property name="partitionCount"&8&/property&
&&& &property name="defaultPartition"&0&/property&
& &/function&
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数&
此方法为直接根据字符子串（必须是数字）计算分区号（由应用传递参数，显式指定分区号）。
例如id=05-
在此配置中代表根据id中从startIndex=0，开始，截取siz=2位数字即05，05就是获取的分区，如果没传默认分配到defaultPartition
九、字符串拆分hash解析
&tableRule name="sharding-by-stringhash"&
&&&&& &rule&
&&&&&&& &columns&user_id&/columns&
&&&&&&& &algorithm&sharding-by-stringhash&/algorithm&
&&&&& &/rule&
&& &/tableRule&
&function name="sharding-by-substring" class="io.mycat.route.function.PartitionByString"&
&&& &property name=length&512&/property& &!-- zero-based --&
&&& &property name="count"&2&/property&
&&& &property name="hashSlice"&0:2&/property&
& &/function&
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数&
函数中length代表字符串hash求模基数，count分区数，hashSlice hash预算位
即根据子字符串 hash运算
hashSlice ： 0 means str.length(), -1 means str.length()-1
/**&&&&&* "2" -& (0,2)&br/&&&&&&* "1:2" -& (1,2)&br/&&&&&&* "1:" -& (1,0)&br/&&&&&&* "-1:" -& (-1,0)&br/&&&&&&* ":-1" -& (0,-1)&br/&&&&&&* ":" -& (0,0)&br/&&&&&&*/
public class PartitionByStringTest {
public void test() {
PartitionByString rule = new PartitionByString();
String idVal=
rule.setPartitionLength("512");
rule.setPartitionCount("2");
rule.init();
rule.setHashSlice("0:2");//
idVal = "0";//
Assert.assertEquals(true, 0 == rule.calculate(idVal));//
idVal = "45a";//
Assert.assertEquals(true, 1 == rule.calculate(idVal));
rule = new PartitionByString();
rule.setPartitionLength("512");
rule.setPartitionCount("2");
rule.init();
//last 4 characters
rule.setHashSlice("-4:0");
idVal = "aaaabbb0000";
Assert.assertEquals(true, 0 == rule.calculate(idVal));
idVal = "aaaabbb2359";
Assert.assertEquals(true, 0 == rule.calculate(idVal));
十、一致性hash
&tableRule name="sharding-by-murmur"&
&&&&& &rule&
&&&&&&& &columns&user_id&/columns&
&&&&&&& &algorithm&murmur&/algorithm&
&&&&& &/rule&
&& &/tableRule&
&function name="murmur" class="io.mycat.route.function.PartitionByMurmurHash"&
&&&&& &property name="seed"&0&/property&&!-- 默认是0--&
&&&&& &property name="count"&2&/property&&!--&要分片的数据库节点数量，必须指定，否则没法分片—&
&&&&& &property name="virtualBucketTimes"&160&/property&&!-- 一个实际的数据库节点被映射为这么多虚拟节点，默认是160倍，也就是虚拟节点数是物理节点数的160倍--&
&&&&& &!--
&&&&& &property name="weightMapFile"&weightMapFile&/property&
&&&&&&&&&&&&&&&&&&&& 节点的权重，没有指定权重的节点默认是1。以properties文件的格式填写，以从0开始到count-1的整数值也就是节点索引为key，以节点权重值为值。所有权重值必须是正整数，否则以1代替 --&
&&&&& &!--
&&&&& &property name="bucketMapPath"&/etc/mycat/bucketMapPath&/property&
&&&&&&&&&&&&&&&&&&&&& 用于测试时观察各物理节点与虚拟节点的分布情况，如果指定了这个属性，会把虚拟节点的murmur hash值与物理节点的映射按行输出到这个文件，没有默认值，如果不指定，就不会输出任何东西 --&
& &/function&
一致性hash预算有效解决了分布式数据的扩容问题，前1-9中id规则都多少存在数据扩容难题，而10规则解决了数据扩容难点
http://www.cnblogs.com/-zhang/p/6656022.html
阅读(...) 评论()数据库分表分库（7）
Mycat常用的分片规则
范围约定&auto-sharding-long
io.mycat.route.function.AutoPartitionByLong 配置文件autopartition-long.txt
通过在配置文件中配置可能的枚举id，自己配置分片，本规则适用于特定的场景，比如有些业务需要按照省份或区县来做保存，
而全国省份区县固定的，这类业务使用本条规则，配置如下：
&tableRule name=&sharding-by-intfile&&
&columns&user_id&/columns&
&algorithm&hash-int&/algorithm&
&/tableRule&
&function name=&hash-int& class=&org.opencloudb.route.function.PartitionByFileMap&&
&property name=&mapFile&&partition-hash-int.txt&/property&
&property name=&type&&0&/property&
&property name=&defaultNode&&0&/property&
&/function&
partition-hash-int.txt 配置：
DEFAULT_NODE=1
上面columns 标识将要分片的表字段，algorithm 分片函数，
其中分片函数配置中，mapFile标识配置文件名称，type默认值为0，0表示Integer，非零表示String，
所有的节点配置都是从0开始，及0代表节点1
* defaultNode 默认节点:小于0表示不设置默认节点，大于等于0表示设置默认节点
默认节点的作用：枚举分片时，如果碰到不识别的枚举值，就让它路由到默认节点
* 如果不配置默认节点（defaultNode值小于0表示不配置默认节点），碰到
* 不识别的枚举值就会报错，
* like this：can’t find datanode for sharding column:column_name val:ffffffff
固定分片hash算法
本条规则类似于十进制的求模运算，区别在于是二进制的操作,是取id的二进制低10位，即id二进制&。
此算法的优点在于如果按照10进制取模运算，在连续插入1-10时候1-10会被分到1-10个分片，增大了插入的事务控制难度，而
此算法根据二进制则可能会分到连续的分片，减少插入事务事务控制难度。
&tableRule name=&rule1&&
&columns&user_id&/columns&
&algorithm&func1&/algorithm&
&/tableRule&
&function name=&func1& class=&org.opencloudb.route.function.PartitionByLong&&
&property name=&partitionCount&&2,1&/property&
&property name=&partitionLength&&256,512&/property&
&/function&
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数，
partitionCount 分片个数列表，partitionLength 分片范围列表
分区长度:默认为最大2^n=1024 ,即最大支持1024分区
count,length两个数组的长度必须是一致的。
1024 = sum((count[i]*length[i])). count和length两个向量的点积恒等于1024
用法例子：
本例的分区策略：希望将数据水平分成3份，前两份各占25%，第三份占50%。（故本例非均匀分区）
// |&———————1024————————&|
// |&—-256—&|&—-256—&|&———-512———-&|
// | partition0 | partition1 | partition2 |
// | 共2份,故count[0]=2 | 共1份，故count[1]=1 |
int[] count = new int[] { 2, 1 };
int[] length = new int[] { 256, 512 };
PartitionUtil pu = new PartitionUtil(count, length);
// 下面代码演示分别以offerId字段或memberId字段根据上述分区策略拆分的分配结果
int DEFAULT_STR_HEAD_LEN = 8; // cobar默认会配置为此值
long offerId = 12345;
String memberId = &qiushuo&;
// 若根据offerId分配，partNo1将等于0，即按照上述分区策略，offerId为12345时将会被分配到partition0中
int partNo1 = pu.partition(offerId);
// 若根据memberId分配，partNo2将等于2，即按照上述分区策略，memberId为qiushuo时将会被分到partition2中
int partNo2 = pu.partition(memberId, 0, DEFAULT_STR_HEAD_LEN);
如果需要平均分配设置：平均分为4分片，partitionCount*partitionLength=1024
&function name=&func1& class=&org.opencloudb.route.function.PartitionByLong&&
&property name=&partitionCount&&4&/property&
&property name=&partitionLength&&256&/property&
&/function&
此分片适用于，提前规划好分片字段某个范围属于哪个分片，
start &= range &= end.
range start-end ,data node index
K=1000,M=10000.
&tableRule name=&auto-sharding-long&&
&columns&user_id&/columns&
&algorithm&rang-long&/algorithm&
&/tableRule&
&function name=&rang-long& class=&org.opencloudb.route.function.AutoPartitionByLong&&
&property name=&mapFile&&autopartition-long.txt&/property&
&property name=&defaultNode&&0&/property&
&/function&
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数，
rang-long 函数中mapFile代表配置文件路径
defaultNode 超过范围后的默认节点。
所有的节点配置都是从0开始，及0代表节点1，此配置非常简单，即预先制定可能的id范围到某个分片
500M-1000M=1
此规则为对分片字段求摸运算。
&tableRule name=&mod-long&&
&columns&user_id&/columns&
&algorithm&mod-long&/algorithm&
&/tableRule&
&function name=&mod-long& class=&org.opencloudb.route.function.PartitionByMod&&
&!-- how many data nodes --&
&property name=&count&&3&/property&
&/function&
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数，
此种配置非常明确即根据id进行十进制求模预算，相比固定分片hash，此种在批量插入时可能存在批量插入单事务插入多数据分
片，增大事务一致性难度。
按日期（天）分片
此规则为按天分片。
&tableRule name=&sharding-by-date&&
&columns&create_time&/columns&
&algorithm&sharding-by-date&/algorithm&
&/tableRule&
&function name=&sharding-by-date& class=&org.opencloudb.route.function.PartitionByDate&&
&property name=&dateFormat&&yyyy-MM-dd&/property&
&property name=&sBeginDate&&&/property&
&property name=&sPartionDay&&10&/property&
&/function&
配置说明：
columns ：标识将要分片的表字段
algorithm ：分片函数
dateFormat ：日期格式
sBeginDate ：开始日期
sBeginDate ：结束日期
sPartionDay ：分区天数，即默认从开始日期算起，分隔10天一个分区
Assert.assertEquals(true, 0 == partition.calculate(“”));
Assert.assertEquals(true, 0 == partition.calculate(“”));
Assert.assertEquals(true, 1 == partition.calculate(“”));
Assert.assertEquals(true, 12 == partition.calculate(“”));
取模范围约束
此种规则是取模运算与范围约束的结合，主要为了后续数据迁移做准备，即可以自主决定取模后数据的节点分布。
&tableRule name=&sharding-by-pattern&&
&columns&user_id&/columns&
&algorithm&sharding-by-pattern&/algorithm&
&/tableRule&
&function name=&sharding-by-pattern& class=&org.opencloudb.route.function.PartitionByPattern&&
&property name=&patternValue&&256&/property&
&property name=&defaultNode&&2&/property&
&property name=&mapFile&&partition-pattern.txt&/property&
&/function&
partition-pattern.txt
partition-pattern.txt
# id partition range start-end ,data node index
###### first host configuration
######## second host configuration
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数，patternValue 即求模基数，defaoultNode 默认节点，如果配置
了默认，则不会按照求模运算
mapFile 配置文件路径
配置文件中，1-32 即代表id%256后分布的范围，如果在1-32则在分区1，其他类推，如果id非数据，则会分配在defaoultNode
String idVal = “0”;
Assert.assertEquals(true, 7 == autoPartition.calculate(idVal));
idVal = “45a”;
Assert.assertEquals(true, 2 == autoPartition.calculate(idVal));
ASCII码求模范围约束
此种规则类似于取模范围约束，此规则支持数据符号字母取模。
&tableRule name=&sharding-by-prefixpattern&&
&columns&user_id&/columns&
&algorithm&sharding-by-prefixpattern&/algorithm&
&/tableRule&
&function name=&sharding-by-pattern& class=&org.opencloudb.route.function.PartitionByPrefixPattern&&
&property name=&patternValue&&256&/property&
&property name=&prefixLength&&5&/property&
&property name=&mapFile&&partition-pattern.txt&/property&
&/function&
partition-pattern.txt
partition-pattern.txt
# range start-end ,data node index
# 8-57=0-9阿拉伯数字
# 64、65-90=@、A-Z
# 97-122=a-z
###### first host configuration
###### second host configuration
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数，patternValue 即求模基数，prefixLength ASCII 截取的位数
mapFile 配置文件路径
配置文件中，1-32 即代表id%256后分布的范围，如果在1-32则在分区1，其他类推
此种方式类似方式6只不过采取的是将列种获取前prefixLength位列所有ASCII码的和进行求模sum%patternValue ,获取的值，
在范围内的分片数，
String idVal=“gf89f9a”;
Assert.assertEquals(true, 0==autoPartition.calculate(idVal));
idVal=“8df99a”;
Assert.assertEquals(true, 4==autoPartition.calculate(idVal));
idVal=“8dhdf99a”;
Assert.assertEquals(true, 3==autoPartition.calculate(idVal));
此规则是在运行阶段有应用自主决定路由到那个分片。
&tableRule name=&sharding-by-substring&&
&columns&user_id&/columns&
&algorithm&sharding-by-substring&/algorithm&
&/tableRule&
&function name=&sharding-by-substring& class=&org.opencloudb.route.function.PartitionDirectBySubString&&
&property name=&startIndex&&0&/property& &!-- zero-based --&
&property name=&size&&2&/property&
&property name=&partitionCount&&8&/property&
&property name=&defaultPartition&&0&/property&
&/function&
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数
此方法为直接根据字符子串（必须是数字）计算分区号（由应用传递参数，显式指定分区号）。
例如id=05-
在此配置中代表根据id中从startIndex=0，开始，截取siz=2位数字即05，05就是获取的分区，如果没传默认分配到
defaultPartition
字符串hash解析
此规则是截取字符串中的int数值hash分片。
&tableRule name=&sharding-by-stringhash&&
&columns&user_id&/columns&
&algorithm&sharding-by-stringhash&/algorithm&
&/tableRule&
&function name=&sharding-by-stringhash& class=&org.opencloudb.route.function.PartitionByString&&
&property name=length&512&/property& &!-- zero-based --&
&property name=&count&&2&/property&
&property name=&hashSlice&&0:2&/property&
&/function&
配置说明：
上面columns 标识将要分片的表字段，algorithm 分片函数
函数中length代表字符串hash求模基数，count分区数，hashSlice hash预算位
即根据子字符串中int值 hash运算
hashSlice ： 0 means str.length(), -1 means str.length()-1
* “2” -& (0,2)
* “1:2” -& (1,2)
* “1:” -& (1,0)
* “-1:” -& (-1,0)
* “:-1” -& (0,-1)
* “:” -& (0,0)
String idVal=
rule.setPartitionLength(&512&);
rule.setPartitionCount(&2&);
rule.init();
rule.setHashSlice(&0:2&);
// idVal = &0&;
// Assert.assertEquals(true, 0 == rule.calculate(idVal));
// idVal = &45a&;
// Assert.assertEquals(true, 1 == rule.calculate(idVal));
rule = new PartitionByString();
rule.setPartitionLength(&512&);
rule.setPartitionCount(&2&);
rule.init();
//last 4 characters
rule.setHashSlice(&-4:0&);
idVal = &aaaabbb0000&;
Assert.assertEquals(true, 0 == rule.calculate(idVal));
idVal = &aaaabbb2359&;
Assert.assertEquals(true, 0 == rule.calculate(idVal));
一致性hash
一致性hash预算有效解决了分布式数据的扩容问题。
&tableRule name=&sharding-by-murmur&&
&columns&user_id&/columns&
&algorithm&murmur&/algorithm&
&/tableRule&
&function name=&murmur& class=&org.opencloudb.route.function.PartitionByMurmurHash&&
&property name=&seed&&0&/property&&!-- 默认是0--&
&property name=&count&&2&/property&&!-- 要分片的数据库节点数量，必须指定，否则没法分片--&
&property name=&virtualBucketTimes&&160&/property&&!-- 一个实际的数据库节点被映射为这么多虚拟节点，默认
是160倍，也就是虚拟节点数是物理节点数的160倍--&
&property name=&weightMapFile&&weightMapFile&/property&
节点的权重，没有指定权重的节点默认是1。以properties文件的格式填写，以从0开始到count-1的
整数值也就是节点索引为key，以节点权重值为值。所有权重值必须是正整数，否则以1代替 --&
&property name=&bucketMapPath&&/etc/mycat/bucketMapPath&/property&
用于测试时观察各物理节点与虚拟节点的分布情况，如果指定了这个属性，会把虚拟节点的murmur
hash值与物理节点的映射按行输出到这个文件，没有默认值，如果不指定，就不会输出任何东西 --&
&/function&
按单月小时拆分
此规则是单月内按照小时拆分，最小粒度是小时，可以一天最多24个分片，最少1个分片，一个月完后下月从头开始循环。
每个月月尾，需要手工清理数据。
&tableRule name=&sharding-by-hour&&
&columns&create_time&/columns&
&algorithm&sharding-by-hour&/algorithm&
&/tableRule&
&function name=&sharding-by-hour& class=&org.opencloudb.route.function.LatestMonthPartion&&
&property name=&splitOneDay&&24&/property&
&/function&
配置说明：
columns： 拆分字段，字符串类型（yyyymmddHH）
splitOneDay ： 一天切分的分片数
LatestMonthPartion partion = new LatestMonthPartion();
partion.setSplitOneDay(24);
Integer val = partion.calculate(&&);
assertTrue(val == 0);
val = partion.calculate(&&);
assertTrue(val == 40);
val = partion.calculate(&&);
assertTrue(val == 27 * 24 + 23);
Integer[] span = partion.calculateRange(&&, &&);
assertTrue(span.length == 27 * 24 + 23 + 1);
assertTrue(span[0] == 0 && span[span.length - 1] == 27 * 24 + 23);
span = partion.calculateRange(&&, &&);
assertTrue(span.length == 24);
assertTrue(span[0] == 0 && span[span.length - 1] == 23);
自然月分片
按月份列分区 ，每个自然月一个分片，格式 between操作解析的范例。
&tableRule name=&sharding-by-month&&
&columns&create_time&/columns&
&algorithm&sharding-by-month&/algorithm&
&/tableRule&
&function name=&sharding-by-month& class=&org.opencloudb.route.function.PartitionByMonth&&
&property name=&dateFormat&&yyyy-MM-dd&/property&
&property name=&sBeginDate&&&/property&
&/function&
配置说明：
columns： 分片字段，字符串类型
dateFormat ： 日期字符串格式
sBeginDate ： 开始日期
PartitionByMonth partition = new PartitionByMonth();
partition.setDateFormat(&yyyy-MM-dd&);
partition.setsBeginDate(&&);
partition.init();
Assert.assertEquals(true, 0 == partition.calculate(&&));
Assert.assertEquals(true, 0 == partition.calculate(&&));
Assert.assertEquals(true, 0 == partition.calculate(&&));
Assert.assertEquals(true, 1 == partition.calculate(&&));
Assert.assertEquals(true, 1 == partition.calculate(&&));
Assert.assertEquals(true, 2 == partition.calculate(&&));
Assert.assertEquals(true, 11 == partition.calculate(&&));
Assert.assertEquals(true, 12 == partition.calculate(&&));
Assert.assertEquals(true, 23 == partition.calculate(&&));