rule.xml配置文件定義了我們對表進行拆分所涉及到的規則定義。我們可以靈活的對表使用不同的分片算法，或者對表使用相同的算法但具體的參數不同。
該文件里面主要有tableRule和function這兩個標簽。
1、tableRule 標簽
<tableRule name="rule1"> <rule> <columns>id</columns> <algorithm>func1</algorithm> </rule> </tableRule>
name 屬性：
指定唯一的名字，用於標識不同的表規則。
rule標簽：
指定對物理表中的哪一列進行拆分和使用什么路由算法。columns 指定要拆分的列名字。algorithm 使用function標簽中的name屬性，連接表規則和具體路由算法。
2、function標簽
<function name="func1" class="io.mycat.route.function.PartitionByLong"> <property name="partitionCount">8</property> <property name="partitionLength">128</property> </function>
name屬性：
指定算法的名字。
class屬性：
指定路由算法具體的類名字。
property屬性：
為具體算法需要用到的一些屬性。
3、常用的分片規則
3.1、枚舉法
<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：
10000=0
10010=1
上面columns 標識將要分片的表字段，algorithm 分片函數，其中分片函數配置中，mapFile標識配置文件名稱，type默認值為0，0表示Integer，非零表示String，所有的節點配置都是從0開始，0代表節點1。
defaultNode 默認節點:小於0表示不設置默認節點，大於等於0表示設置默認節點,結點為指定的值，默認節點的作用：枚舉分片時，如果碰到不識別的枚舉值，就讓它路由到默認節點，如果不配置默認節點（defaultNode值小於0表示不配置默認節點），碰到不識別的枚舉值就會報錯，like this：can't find datanode for sharding column:column_nameval:ffffffff 。
3.2、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>
上面columns 標識將要分片的表字段，algorithm 分片函數，partitionCount 分片個數列表，partitionLength 分片范圍列表。分區長度:默認為最大2^n=1024 ,即最大支持1024分區。
約束 :count,length兩個數組的長度必須是一致的。1024 = sum((count[i]*length[i])). count和length兩個向量的點積恆等於1024。
示例：
@Test public void testPartition() { // 本例的分區策略：希望將數據水平分成3份，前兩份各占25%，第三份占50%。（故本例非均勻分區） // |<---------------------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); // 下面代碼演示分別以offerId字段或memberId字段根據上述分區策略拆分的分配結果 int DEFAULT_STR_HEAD_LEN = 8; // cobar默認會配置為此值 long offerId = 12345; String memberId = "qiushuo"; // 若根據offerId分配，partNo1將等於0，即按照上述分區策略，offerId為12345時將會被分配到partition0中 int partNo1 = pu.partition(offerId); // 若根據memberId分配，partNo2將等於2，即按照上述分區策略，memberId為qiushuo時將會被分到partition2中 int partNo2 = pu.partition(memberId, 0, DEFAULT_STR_HEAD_LEN); Assert.assertEquals(0, partNo1); Assert.assertEquals(2, partNo2); }
如果需要平均分配設置：平均分為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>
3.3、范圍約定
<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>
autopartition-long.txt文件：
# range start-end ,data node index
# K=1000,M=10000.
0-500M=0
500M-1000M=1
1000M-1500M=2
或
0-10000000=0
10000001-20000000=1
columns 標識將要分片的表字段，algorithm 分片函數，rang-long 函數中mapFile代表配置文件路徑，所有的節點配置都是從0開始，及0代表節點1，此配置非常簡單，即預先制定可能的id范圍到某個分片。
3.4、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>
columns 標識將要分片的表字段，algorithm 分片函數，此種配置非常明確即根據id與count（你的結點數）進行求模預算，相比方式1，此種在批量插入時需要切換數據源，id不連續。
3.5、日期列分區法
<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">2014-01-01</property> <property name="sPartionDay">10</property> </function>
columns 標識將要分片的表字段，algorithm 分片函數，配置中配置了開始日期，分區天數，即默認從開始日期算起，分隔10天一個分區。
3.6、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
1-32=0
33-64=1
65-96=2
97-128=3
######## second host configuration
129-160=4
161-192=5
193-224=6
225-256=7
0-0=7
columns 標識將要分片的表字段，algorithm 分片函數，patternValue 即求模基數，defaoultNode 默認節點，如果不配置了默認，則默認是0即第一個結點。mapFile 配置文件路徑
，配置文件中，1-32 即代表id%256后分布的范圍，如果在1-32則在分區1，其他類推，如果id非數字數據，則會分配在defaoultNode 默認節點。代碼示例：
String idVal = "0"; Assert.assertEquals(true, 7 == autoPartition.calculate(idVal)); idVal = "45a"; Assert.assertEquals(true, 2 == autoPartition.calculate(idVal));
3.7、ASCII碼求模通配
<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
# ASCII
# 48-57=0-9
# 64、65-90=@、A-Z
# 97-122=a-z
###### first host configuration
1-4=0
5-8=1
9-12=2
13-16=3
###### second host configuration
17-20=4
21-24=5
25-28=6
29-32=7
0-0=7
columns 標識將要分片的表字段，algorithm 分片函數，patternValue 即求模基數，prefixLength ASCII 截取的位數。mapFile 配置文件路徑，配置文件中，1-32 即代表id%256后分布的范圍，如果在1-32則在分區1，其他類推。
此種方式類似方式6只不過采取的是將列種獲取前prefixLength位列所有ASCII碼的和進行求模sum%patternValue ,獲取的值，在通配范圍內的分片數，
/** * ASCII編碼： * 48-57=0-9阿拉伯數字 * 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));
3.8、編程指定
<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>
columns 標識將要分片的表字段，algorithm 分片函數，此方法為直接根據字符子串（必須是數字）計算分區號（由應用傳遞參數，顯式指定分區號）。
例如id=05-100000002，在此配置中代表根據id中從startIndex=0開始，截取size=2位數字即05，05就是獲取的分區，如果沒傳默認分配到defaultPartition。
3.9、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>
columns 標識將要分片的表字段，algorithm 分片函數 ，函數中length代表字符串hash求模基數，count分區數，hashSlice hash預算位，即根據子字符串 hash運算，
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 { @Test public void test() { PartitionByString rule = new PartitionByString(); String idVal=null; 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)); //last 4 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));
} }
3.10、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><!-- 默認是0--> <property name="count">2</property><!-- 要分片的數據庫節點數量，必須指定，否則沒法分片 --> <property name="virtualBucketTimes">160</property><!-- 一個實際的數據庫節點被映射為這么多虛擬節點，默認是160倍，也就是虛擬節點數是物理節點數的160倍--> <!-- <property name="weightMapFile">weightMapFile</property> 節點的權重，沒有指定權重的節點默認是1。以properties文件的格式填寫，以從0開始到count-1的整數值也就是節點索引為key，以節點權重值為值。所有權重值必須是正整數，否則以1代替 --> <!-- <property name="bucketMapPath">/etc/mycat/bucketMapPath</property> 用於測試時觀察各物理節點與虛擬節點的分布情況，如果指定了這個屬性，會把虛擬節點的murmur hash值與物理節點的映射按行輸出到這個文件，沒有默認值，如果不指定，就不會輸出任何東西 --> </function>
一致性hash預算有效解決了分布式數據的擴容問題，前1-9中id規則都多少存在數據擴容難題，而10規則解決了數據擴容難點。