当前位置：首页 > news >正文

ShardingSphere实战：用JMeter压测Sharding-JDBC和Proxy，结果有点意外

news 2026/6/14 5:19:05

ShardingSphere性能压测实战：JMeter深度对比Sharding-JDBC与Proxy的隐藏成本

当数据库分片方案成为应对海量数据的标配选择时，ShardingSphere作为国内最成熟的分布式数据库中间件，其两种核心模式——嵌入式SDK（Sharding-JDBC）与独立服务（Sharding-Proxy）的性能差异却鲜有系统性的实测分析。本文将带您用JMeter构建真实业务场景下的压力测试，揭示在分库分表、读写分离、数据脱敏等复杂策略叠加时，两种架构的性能曲线与隐藏成本。

1. 压测环境搭建的艺术

性能测试的第一道门槛往往不是工具使用，而是如何构建贴近真实的生产环境模拟。我们选择四台16核32G云服务器组成集群，每台部署MySQL 8.0.26实例，避免资源争抢导致的测试偏差。网络配置上特别启用10Gbps内网带宽，确保网络IO不成为瓶颈。

测试表结构采用sysbench标准模板扩展，但增加了脱敏字段需求：

CREATE TABLE `pressure_test` ( `id` bigint(20) NOT NULL AUTO_INCREMENT, `user_code` varchar(64) NOT NULL COMMENT '加密存储的用户标识', `amount` decimal(20,4) NOT NULL DEFAULT '0.0000', `mobile_cipher` char(64) NOT NULL DEFAULT '' COMMENT 'AES加密手机号', `id_card_md5` char(32) NOT NULL DEFAULT '' COMMENT '身份证MD5', `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (`id`), KEY `idx_user` (`user_code`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4

关键配置细节：在ShardingSphere的加密规则中，我们采用AES-256-GCM算法处理手机号字段，MD5处理身份证字段。这种混合加密策略在实际金融级应用中非常典型。

2. JMeter测试计划设计精要

区别于简单的HTTP压测，数据库中间件测试需要特别关注连接池管理和SQL模板化。我们设计了三层测试结构：

线程组配置
- 20并发线程持续30分钟
- 100ms随机延迟模拟真实用户操作间隔
- 使用CSV Data Set Config循环读取10万条测试数据

JDBC连接管理

// Sharding-JDBC连接配置示例 String jdbcUrl = "jdbc:shardingsphere://classpath:sharding-config.yaml"; HikariConfig config = new HikariConfig(); config.setJdbcUrl(jdbcUrl); config.setMaximumPoolSize(50); config.setIdleTimeout(60000);

混合事务设计
- 单路由事务：精确分片键查询+更新
- 跨库事务：分布式主键生成后的关联操作
- 全表扫描：分页查询配合聚合计算

3. 分场景压测数据揭秘

3.1 单路由场景下的王者之争

在10万数据量基础上，我们配置4库×1024表的分片规则。测试结果显示：

指标	Sharding-JDBC	Sharding-Proxy	原生MySQL
TPS(写入)	1256	892	1543
平均延迟(ms)	15.2	21.8	9.7
99%线(ms)	38	67	25

意外发现：Proxy在简单查询中额外消耗约30%性能，主要来自协议转换开销。但当启用prepareStatement缓存后，Proxy性能提升40%，与JDBC差距缩小到15%以内。

3.2 主从读写分离的隐藏陷阱

搭建一主三从架构后，我们观察到：

JDBC模式的读写分离存在粘滞读现象：同一线程内写后立即读可能访问主库
Proxy的负载均衡算法在高峰时段出现从库热点，需要调整权重策略
加密字段检索时，两者性能均下降约25%，因需内存解密结果集

重要提示：在sharding-config.yaml中启用spring.shardingsphere.props.max.connections.size.per.query=5可显著改善全路由查询性能。

3.3 全路由查询的灾难现场

当执行SELECT COUNT(*) FROM pressure_test WHERE amount>1000这类无法分片的查询时：

JDBC模式采用串行归并，CPU利用率飙升至90%
Proxy启动多线程归并，但网络传输量暴增3倍
两者响应时间均超过原生MySQL 8倍以上

优化方案：

# 在Proxy配置中增加 props: executor-size: 16 max-connections-size-per-query: 8 sql-show: false

4. 性能异常点深度剖析

4.1 连接池管理的魔鬼细节

测试过程中发现，当并发连接超过300时：

JDBC的HikariCP出现明显的锁竞争
Proxy的Netty事件循环线程可能成为瓶颈

最佳实践是分级连接池配置：

// 分片级别连接池 dataSources: ds_0: maxPoolSize: 50 minIdle: 10

4.2 分布式事务的性能悬崖

在XA事务测试中，Sharding-JDBC的提交耗时随分片数线性增长，而Proxy表现出更好的稳定性：

分片数	JDBC提交耗时(ms)	Proxy提交耗时(ms)
2	120	145
4	280	190
8	510	230

4.3 加密字段的索引失效

由于加密字段无法利用数据库索引，当执行WHERE mobile_cipher=?时：

JDBC需将所有分片数据拉取到内存解密
Proxy在服务端解密但传输全部数据

建议采用脱敏索引方案：

ALTER TABLE pressure_test ADD COLUMN mobile_prefix CHAR(8) GENERATED ALWAYS AS (SUBSTRING(mobile_cipher,1,8)) STORED; CREATE INDEX idx_mobile_prefix ON pressure_test(mobile_prefix);