我们知道，物理服务机的CPU、内存、存储空间、连接数等资源都是有限的，某个时段大量连接同时执行操作，会导致数据库在处理上遇到性能瓶颈。而在复杂的互联网业务场景下，系统流量日益膨胀。为了解决这个问题，行业先驱门充分发扬了分而治之的思想，对大库表进行分割，然后实施更好的控制和管理，同时使用多台机器的CPU、内存、存储，提供更好的性能。参考我这篇《分库分表》。
数据库有水平拆分（Scale Out） 和垂直拆分（Scale Up）的区别，但是无论怎么变化，当你对同一业务库进行分库的时候。必然要考虑到，在你的同一个业务服务（Service），会有同时访问多个数据源的情况。如下图
另外一种场景是ABTesting业务场景，可能不同的用户看到的业务数据是不一样的，这就需要根据业务特性动态的获取数据。
按照Spring boot的常规做法，maven添加依赖，在Yaml中配置对应的datasource、jpa等属性即可使用了。但是多数据源的情况下无论是配置 还是数据上下文的切换都变得无比繁琐。如果能使用注解声明的方式，粒度细化到方法级别的，那用起来就简单多了。那我们来写一个这样的实现。
pom文件中增加一些依赖，这边我们以Jpa为案例说明：
<!-- 增加了4.3.8版本jdbc的支持--><dependency> <groupId>org.springframework</groupId> <artifactId>spring-jdbc</artifactId> <version>4.3.8.RELEASE</version></dependency> <dependency> <groupId>com.alibaba</groupId> <artifactId>druid-spring-boot-starter</artifactId> <version>1.1.20</version></dependency><!-- Jpa与Hibernate相关：开始--> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-jpa</artifactId> <exclusions> <exclusion> <artifactId>byte-buddy</artifactId> <groupId>net.bytebuddy</groupId> </exclusion> <exclusion> <artifactId>hibernate-entitymanager</artifactId> <groupId>org.hibernate</groupId> </exclusion> <exclusion> <artifactId>hibernate-core</artifactId> <groupId>org.hibernate</groupId> </exclusion> </exclusions> </dependency> <dependency> <groupId>com.querydsl</groupId> <artifactId>querydsl-jpa</artifactId> </dependency> <dependency> <groupId>com.querydsl</groupId> <artifactId>querydsl-apt</artifactId> </dependency> <dependency> <groupId>org.hibernate</groupId> <artifactId>hibernate-core</artifactId> <version>5.3.7.Final</version> </dependency> <dependency> <groupId>com.vladmihalcea</groupId> <artifactId>hibernate-types-52</artifactId> <version>2.9.7</version> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-jpa</artifactId> </dependency><!-- Jpa与Hibernate相关：结束--> <dependency> <groupId>mysql</groupId> <artifactId>mysql-connector-java</artifactId> <scope>runtime</scope> </dependency>可以看到我们配置了一个默认的数据源basic，然后再扩展了一个跟basic同级的节点mutil-data-core，包含三个数据源，basic、cloudoffice、attend。
spring: mutildata: basic: driver-class-name: com.mysql.jdbc.Driver filters: stat initial-size: 20 logAbandoned: true maxActive: 300 maxPoolPreparedStatementPerConnectionSize: 20 maxWait: 60000 min-idle: 5 minEvictableIdleTimeMillis: 300000 poolPreparedStatements: true removeAbandoned: true removeAbandonedTimeout: 1800 testOnBorrow: false testOnReturn: false testWhileIdle: true timeBetweenEvictionRunsMillis: 60000 validationQuery: SELECT 1 password: 123456 type: com.alibaba.druid.pool.DruidDataSource url: jdbc:mysql://127.0.0.1:3306/basic?autoReconnect=true&useUnicode=true&characterEncoding=utf-8&zeroDateTimeBehavior=convertToNull&allowMultiQueries=true username: root mutil-data-core: basic: password: 123456 url: jdbc:mysql://127.0.0.1:3306/basic?autoReconnect=true&useUnicode=true&characterEncoding=utf-8&zeroDateTimeBehavior=convertToNull&allowMultiQueries=true username: root cloud: password: 123456 url: jdbc:mysql://127.0.0.1:3307/cloudoffice?autoReconnect=true&useUnicode=true&characterEncoding=utf-8&zeroDateTimeBehavior=convertToNull&allowMultiQueries=true username: root attend: password: 123456 url: jdbc:mysql://127.0.0.1:3308/attend?autoReconnect=true&useUnicode=true&characterEncoding=utf-8&zeroDateTimeBehavior=convertToNull&allowMultiQueries=true username: root扫描我们上面的配置，spring.mutildata.basic下面的默认数据源，以及 mutil-data-core下面的多个动态数据源，有多少个扫描多少个出来，并进行组装，放到一个数据源map集合中：dataSourceMap。
@Bean(name = "basicDataSource") @ConfigurationProperties(prefix = "spring.mutildata.basic") // 这是我们动态数据源的配置位置 public DruidDataSource basicDataSource() { return new DruidDataSource(); } @Autowired private DataSourceCoreConfig dataSourceCoreConfig; /** * 动态集成可选的数据库路由，改掉之前硬编码的方式 * @param basicDataSource * @return */ @Bean(name = "routingDataSource") @Primary public RoutingDataSource routingDataSource(DruidDataSource basicDataSource) { RoutingDataSource routingDataSource = new RoutingDataSource(); Map<Object, Object> dataSourceMap = new HashMap<>(16); HashMap<String, DataSourceCore> mutildatacore = dataSourceCoreConfig.getMutilDataCore(); routingDataSource.setDefaultTargetDataSource(basicDataSource); try { Iterator iter = mutildatacore.entrySet().iterator(); while (iter.hasNext()) { // 轮询出所有的动态数据源 Map.Entry entry = (Map.Entry) iter.next(); String key = entry.getKey().toString(); DataSourceCore dsc = (DataSourceCore) entry.getValue(); DruidDataSource ds = (DruidDataSource) basicDataSource.clone(); // 3个核心关键数据源头重新赋值 ds.setUrl(dsc.getUrl()); ds.setUsername(dsc.getUserName()); ds.setPassword(dsc.getPassWord()); dataSourceMap.put(key, ds); } } catch (Exception ex) { // Todo } routingDataSource.setTargetDataSources(dataSourceMap); return routingDataSource; }数据源的管理：包含组织数据源、读值、赋值、清空数据源等。
/** * @author brand * @Description: 动态数据源 * @Copyright: Copyright (c) 2021 * @Company: Helenlyn, Inc. All Rights Reserved. * @date 2021/12/16 10:33 上午 * @Update Time: * @Updater: * @Update Comments: */public class DynamicDataSource extends AbstractRoutingDataSource { /** * 用来保存数据源与获取数据源 */ private static final ThreadLocal<String> CONTEXT_HOLDER = new ThreadLocal<String>(); /** * 构造，包含一个默认数据源，和一个数据源集合 * @param defaultTargetDataSource * @param targetDataSources */ public DynamicDataSource(DataSource defaultTargetDataSource, Map<String, DataSource> targetDataSources) { super.setDefaultTargetDataSource(defaultTargetDataSource); super.setTargetDataSources(new HashMap<Object, Object>(targetDataSources)); super.afterPropertiesSet(); } @Override protected Object determineCurrentLookupKey() { return getDataSource(); } public static void setDataSource(String dataSource) { CONTEXT_HOLDER.set(dataSource); } public static String getDataSource() { return CONTEXT_HOLDER.get(); } public static void clearDataSource() { CONTEXT_HOLDER.remove(); }}无注解的情况下，lookupKey是空的，这边直接提供默认数据源。
有注解的时候，按照注解中的信息进行查找。
/** * 根据 lookupkey 获取到真正的目标数据源 * @return */ @Override protected DataSource determineTargetDataSource() { Assert.notNull(this.targetDataSources, "DataSource router not initialized"); Object lookupKey = this.determineCurrentLookupKey(); DataSource dataSource = (DataSource) this.targetDataSources.get(lookupKey); if (dataSource == null && (this.lenientFallback || lookupKey == null)) { // 无注解的情况下，lookupKey是空的，会走到这边，这时候给默认值 dataSource = this.resolvedDefaultDataSource; } if (dataSource == null) { throw new IllegalStateException("Cannot determine target DataSource for lookup key [" + lookupKey + "]"); } else { return dataSource; } }注意它的key，跟我们配置中的一模一样，basic、cloudoffice、attend。这个很重要，注解用这个来匹配。
写一个注解，映射的目标范围为 类型和方法。
/** * @author brand * @Description: 数据源切换注解 * @Copyright: Copyright (c) 2021 * @Company: Helenlyn, Inc. All Rights Reserved. * @date 2021/12/15 7:36 下午 */@Target({ ElementType.TYPE, ElementType.METHOD})@Retention(RetentionPolicy.RUNTIME)@Documentedpublic @interface DataSource { String name() default "";}编写切面代码，以实现对注解的PointCut。
/** * @author brand * @Description: * @Copyright: Copyright (c) 2021 * @Company: Helenlyn, Inc. All Rights Reserved. * @date 2021/12/15 7:49 下午 */@Aspect@Componentpublic class DataSourceAspect implements Ordered { /** * 定义一个切入点，匹配到上面的注解DataSource */ @Pointcut("@annotation(com.helenlyn.dataassist.annotation.DataSource)") public void dataSourcePointCut() { } /** * Around 环绕方式做切面注入 * @param point * @return * @throws Throwable */ @Around("dataSourcePointCut()") public Object around(ProceedingJoinPoint point) throws Throwable { MethodSignature signature = (MethodSignature) point.getSignature(); Method method = signature.getMethod(); DataSource ds = method.getAnnotation(DataSource.class); String routeKey = ds.name(); // 从头部中取出注解的name（basic 或 cloudoffice 或 attend），用这个name进行数据源查找。 String dataSourceRouteKey = DynamicDataSourceRouteHolder.getDataSourceRouteKey(); if (StringUtils.isNotEmpty(dataSourceRouteKey)) { // StringBuilder currentRouteKey = new StringBuilder(dataSourceRouteKey); routeKey = ds.name(); } DynamicDataSourceRouteHolder.setDataSourceRouteKey(routeKey); try { return point.proceed(); } finally { // 最后做清理，这个步骤很重要，因为我们的配置中有一个默认的数据源，执行完要回到默认的数据源。 DynamicDataSource.clearDataSource(); DynamicDataSourceRouteHolder.clearDataSourceRouteKey(); } } @Override public int getOrder() { return 1; }}数据源key 信息，有多少个数据源，这边就配置多少个，注意值须与yaml配置中的值保持一致。
/** * 数据源key 信息，有多少个数据源，这边就配置多少个， * 值须与yaml配置中的保持一致 */ public static final String DATA_SOURCE_BASIC_NAME = "basic"; public static final String DATA_SOURCE_ATTEND_NAME = "attend"; public static final String DATA_SOURCE_CLOUD_NAME = "cloud";在Control中写三个测试方法
/** * 无注解默认情况：数据源指向basic * @return */ @RequestMapping(value = "/default/{user_code}", method = RequestMethod.GET) public UserInfoDto getUserInfo(@PathVariable("user_code") String userCode) { return userInfoService.getUserInfo(userCode); } /** * 数据源指向attend * @return */ @DataSource(name= Constant.DATA_SOURCE_ATTEND_NAME) @RequestMapping(value = "/attend/{user_code}", method = RequestMethod.GET) public UserInfoDto getUserInfoAttend(@PathVariable("user_code") String userCode) { return userInfoService.getUserInfo(userCode); } /** * 数据源指向cloud * @return */ @DataSource(name= Constant.DATA_SOURCE_CLOUD_NAME) @RequestMapping(value = "/cloud/{user_code}", method = RequestMethod.GET) public UserInfoDto getUserInfoCloud(@PathVariable("user_code") String userCode) { return userInfoService.getUserInfo(userCode); }
如果需要扩展数据源，在yaml的节点mutil-data-core下加配置数据就行了，简单方便。后面再写个MySQL的实现方式。
github代码：https://github.com/WengZhiHua/Helenlyn.Grocery/tree/master/parent/DynamicDataSource
