Java实现多租户案例

wen java案例 2026-08-10 3

从零到一：Java实现多租户架构的三种核心模式与实战案例解析

目录导读

多租户（Multi-Tenancy）的底层逻辑：为什么SaaS离不开它？
Java生态下的三大隔离策略：共享Schema、独立Schema、分库分表
实战案例：基于Spring Boot + JPA的动态数据源切换（含核心代码）
高频面试问答：如何优雅处理租户级缓存与数据迁移？
架构演进路线图：从单租户到百万级租户的踩坑记录

多租户的底层逻辑：不只是“用户登录”那么简单

Java实现多租户案例

在SaaS平台（如钉钉、Salesforce）中，多租户的核心目标是让多个企业（租户）共享同一套应用实例，但数据逻辑完全隔离。
如果你误以为“加个tenant_id字段过滤数据”就是多租户，那将在数据泄露的边缘疯狂试探，真正的多租户必须解决三个问题：

数据隔离（租户A不能读取租户B的订单）；
性能隔离（某个租户的慢SQL不能拖垮全局）；
可扩展性（新增租户时无需停机改代码）。

Java生态下的三大隔离策略

策略	核心原理	适用场景	隔离强度
共享Schema（行级隔离）	所有租户共用同一数据库表，通过`tenant_id`区分	中小型SaaS	低
独立Schema（表级隔离）	每个租户一套表，但共用数据库实例	中型企业客户	中
独立数据库（分库）	每租户独立数据库，物理隔离最彻底	金融、医疗等强合规	高

核心观点：99%的Java项目起步用“共享Schema”，当出现慢查询或租户投诉时，再迁移到“独立Schema”，切勿开局就分库，否则资源浪费巨大。

实战案例：动态数据源切换（共享Schema→独立Schema过渡方案）

想象一个场景：你的SaaS系统已有2000家租户，其中5家VIP客户要求“独立Schema”，如何在不重启应用的情况下，为不同租户路由到不同数据库？

第一步：定义租户上下文

public class TenantContext {
    private static final ThreadLocal<String> CURRENT_TENANT = new ThreadLocal<>();
    public static void setTenant(String tenantId) { CURRENT_TENANT.set(tenantId); }
    public static String getTenant() { return CURRENT_TENANT.get(); }
    public static void clear() { CURRENT_TENANT.remove(); }
}

第二步：动态数据源路由（核心逻辑）

@Component
public class TenantRoutingDataSource extends AbstractRoutingDataSource {
    @Override
    protected Object determineCurrentLookupKey() {
        // 根据租户ID返回数据源Key，若为VIP则返回"ds_vip_xxx"，否则返回"ds_shared"
        String tenantId = TenantContext.getTenant();
        return TenantConfig.isVip(tenantId) ? "ds_vip_" + tenantId : "ds_shared";
    }
}

第三步：注册所有数据源

@Configuration
public class DataSourceConfig {
    @Bean
    @Primary
    public DataSource dataSource() {
        Map<Object, Object> targetDataSources = new HashMap<>();
        targetDataSources.put("ds_shared", buildDataSource("jdbc:mysql://shared-db:3306/saas_shared"));
        targetDataSources.put("ds_vip_1001", buildDataSource("jdbc:mysql://vip-db-1:3306/tenant_1001"));
        // 通过TenantConfig动态加载更多数据源...
        TenantRoutingDataSource routing = new TenantRoutingDataSource();
        routing.setDefaultTargetDataSource(targetDataSources.get("ds_shared"));
        routing.setTargetDataSources(targetDataSources);
        return routing;
    }
}

注意：此模式必须配合@Transactional的事务同步，否则ThreadLocal变量在事务提交前丢失，建议在拦截器中统一调用TenantContext.setTenant()。

高频面试问答：租户级缓存与数据迁移

Q1：如何避免租户A的数据命中租户B的缓存？

错误做法：仅用cacheKey = "order_" + orderId。
正确方案：强制将租户ID拼入缓存Key（order_${tenantId}_${orderId}），或使用Redis集群的Key Space做逻辑分区，亲测前者简单高效。

Q2：上线半年的共享Schema表，要拆分为独立Schema，不停机怎么做？

使用迁移工具如Flyway区分版本,先为VIP租户建新库。
采用“双写”策略（旧表写一份，新库写一份），利用MQ异步对比校验。
最后切流时,只将VIP租户的域名解析到新应用实例，同时保留旧数据快照回滚。

架构演进路线图：从单租户到百万租户

阶段一（0→100租户）：单库单表 + tenant_id索引，早9晚6跑批即可。
阶段二（100→1万租户）：引入多数据源模块（如上述案例），将10%大租户分流到独立Schema。
阶段三（1万以上）：引入分片中间件ShardingSphere，按租户ID哈希分库分表；同时改造为“异步复制+读写分离”。

关键警告：提前监控“大租户效应”——某个租户的批量导出可能会占满连接池，对策是给数据源设置maxActive和connectionTimeout，并用Hystrix做熔断降级。

结尾思考
多租户不是一道“做完就结束”的功能题，而是一项贯穿系统生命周期的架构决策，真正的高手会在前期预留租户路由钩子，避免后期拆表时推倒重来，如果你正在设计SaaS平台，建议从“共享Schema”起步，将数据源路由机制抽象为公共组件——这是成本最低、风险最可控的路径。

（全文完）
本文综合自Spring官方文档、阿里云开发者社区及InfoQ多租户实践案例，结合一线企业落地经验重新改编。