读写分离是应用中提升数据访问性能最常见的一种技术，当用户量越来越多，访问量越来越大，单节点数据库难免会遇到性能瓶颈。很多场景基本上都是读多写少，所以增加多个从节点来分担主节点的压力自然是水到渠成的事情。
在应用接入读写分离后，难免会有一些我们意料之外的问题，这篇文章主要给大家介绍下一些经常会遇到的问题，有其他的问题欢迎留言补充。
实现方式
对于读写分离的使用，主要分为两种方式，客户端方式和代理方式。
客户端方式可以自己用 Spring 自带的 AbstractRoutingDataSource 来实现，也可以用开源的框架来实现，比如 Sharding-JDBC。
代理方式需要编写代理服务来对所有节点进行管理，应用不需要关注多个数据库节点信息。可以自己实现，也可以用开源的框架，也可以用商业的云服务。
数据延迟
谈到数据延迟，你先得理解主从架构的原理。对数据的增删改操作在主库上执行，查询在从库上执行，当数据刚插入到主库，然后马上去查询的时候，很有可能数据还没同步到从库上，就会出现查询不到的情况。
像我之前在某些网站发表文章，发表之后跳转到列表页面，发现没有新发表的文章，重新刷新下页面又有了，这一看这就是读写分离后的数据延迟导致的现象。
强制路由
数据延迟要不要解决，一般取决于业务场景。对于实时性要求没有那么高的业务场景，允许一定的延迟，对于实时性要求高的场景，唯一的方式就是直接从主库进行查询，这样才能及时读到刚插入或者修改后最新的数据。
强制路由就是一种解决方案，也就是将读请求强制分发到主库进行查询。大部分中间件都支持 Hint 语法/FORCE_MASTER/和/FORCE_SLAVE/。
以 Sharding-JDBC 举例，框架提供了 HintManager 来强制路由，使用方式如下：
HintManager hintManager = HintManager.getInstance();hintManager.setMasterRouteOnly();为了方便使用，建议封装一个注解，在需要实时查询的业务方法上加上注解，通过切面进行强制路由的设置。
注解使用：
@MasterRoute@Overridepublic UserBO getUser(Long id) { log.info("查询用户 [{}]", id); if (id == null) { throw new BizException(ResponseCode.PARAM_ERROR_CODE, "id不能为空"); } UserDO userDO = userDao.getById(id); if (userDO == null) { throw new BizException(ResponseCode.NOT_FOUND_CODE); } return userBoConvert.convert(userDO);}切面设置：
@Aspectpublic class MasterRouteAspect { @Around("@annotation(masterRoute)") public Object aroundGetConnection(final ProceedingJoinPoint pjp, MasterRoute masterRoute) throws Throwable { HintManager hintManager = HintManager.getInstance(); hintManager.setMasterRouteOnly(); try { return pjp.proceed(); } finally { hintManager.close(); } }}事务操作
在事务中的读请求，走主库还是从库呢？对于这个问题，最简单的方式就是所有事务中的操作都走主库，在事务中经常会存在插入，然后再重新查询的场景，此时事务没提交，就算同步很快，从库也是没有数据的，所以只能走主库。
但还有一些请求，只需要查询从库就行了，如果针对所有事务中的操作都强制路由，也不是很好。在 Sharding-JDBC 中的做法挺好的，对于同一线程且同一数据库连接内，如有写入操作，以后的读操作均从主库读取，用于保证数据一致性。如果我们在数据写入之前有查询请求，还是走的从库，减轻主库压力。
动态强制路由
在功能开发的时候就决定了哪些接口要强制走主库，这个时候我们会在代码上进行路由的控制，也就是前面讲的自定义注解。如果有些是没有加的，但是在线上运行的时候发现还是要走主库才可以，这个时候就需要改代码重新发布了。
动态强制路由可以结合配置中心来实现，通过配置的方式来决定哪些接口要强制路由，然后在 Filter 中通过 HintManager 来设置，避免改代码重启。
也可以通过切面精确到业务方法级别的动态路由配置。
流量分发
场景一：
假设你有一个主节点，两个从节点，读请求较多，两个从节点压力有点大。这个时候只能增加第三个从节点来分担压力。现象是主库的压力并不大，写入较少，从成本来考虑，是否可以不增加第三个从节点呢？
场景二：
假设你有一个 8 核 64G 的主库，8 核 64G 的从库，4 核 32G 的从库，从配置上来看，4 核 32G 的从库处理能力肯定是要低于其他两个的，这个时候如果我们没有定制流量分发的比例，就会出现低配数据库压力过高而导致的问题。当然这个也能避免使用不同规则的从库。
上面的场景需要能够对请求进行管理，在 Sharding-JDBC 中提供了读写分离的路由算法，我们可以自定义算法来进行流量的分发管理。
实现算法类：
public class KittyMasterSlaveLoadBalanceAlgorithm implements MasterSlaveLoadBalanceAlgorithm { private RoundRobinMasterSlaveLoadBalanceAlgorithm roundRobin = new RoundRobinMasterSlaveLoadBalanceAlgorithm(); @Override public String getDataSource(String name, String masterDataSourceName, List slaveDataSourceNames) { String dataSource = roundRobin.getDataSource(name, masterDataSourceName, slaveDataSourceNames); // 控制逻辑，比如不同的从节点（配置不同）可以有不同的比例 return dataSource; } @Override public String getType() { return "KITTY_ROUND_ROBIN"; } @Override public Properties getProperties() { return roundRobin.getProperties(); } @Override public void setProperties(Properties properties) { roundRobin.setProperties(properties); }} 基于 SPI 机制的配置：
org.apache.shardingsphere.core.strategy.masterslave.RoundRobinMasterSlaveLoadBalanceAlgorithmorg.apache.shardingsphere.core.strategy.masterslave.RandomMasterSlaveLoadBalanceAlgorithmcom.cxytiandi.kitty.db.shardingjdbc.algorithm.KittyMasterSlaveLoadBalanceAlgorithm读写分离的配置：
spring.shardingsphere.masterslave.load-balance-algorithm-class-name=com.cxytiandi.kitty.db.shardingjdbc.algorithm.KittyMasterSlaveLoadBalanceAlgorithmspring.shardingsphere.masterslave.load-balance-algorithm-type=KITTY_ROUND_ROBIN关于作者：尹吉欢，简单的技术爱好者，《Spring Cloud 微服务-全栈技术与案例解析》, 《Spring Cloud 微服务 入门 实战与进阶》作者, 公众号猿天地发起人。
