[[351000]]

 作者個人研發(fā)的在高并發(fā)場景下，提供的簡單、穩(wěn)定、可擴展的延遲消息隊列框架，具有精準(zhǔn)的定時任務(wù)和延遲隊列處理功能。自開源半年多以來，已成功為十幾家中小型企業(yè)提供了精準(zhǔn)定時調(diào)度方案，經(jīng)受住了生產(chǎn)環(huán)境的考驗。為使更多童鞋受益，現(xiàn)給出開源框架地址：https://github.com/sunshinelyz/mykit-delay

寫在前面

很多小伙伴留言說讓我寫一些工作過程中的真實案例，寫些啥呢?想來想去，寫一篇我在以前公司從零開始到用戶超千萬的數(shù)據(jù)庫架構(gòu)升級演變的過程吧。

本文記錄了我之前初到一家創(chuàng)業(yè)公司，從零開始到用戶超千萬，系統(tǒng)壓力暴增的情況下是如何一步步優(yōu)化MySQL數(shù)據(jù)庫的，以及數(shù)據(jù)庫架構(gòu)升級的演變過程。升級的過程極具技術(shù)挑戰(zhàn)性，也從中收獲不少。希望能夠為小伙伴們帶來實質(zhì)性的幫助。

業(yè)務(wù)背景

我之前呆過一家創(chuàng)業(yè)工作，是做商城業(yè)務(wù)的，商城這種業(yè)務(wù)，表面上看起來涉及的業(yè)務(wù)簡單，包括：用戶、商品、庫存、訂單、購物車、支付、物流等業(yè)務(wù)。但是，細(xì)分下來，還是比較復(fù)雜的。這其中往往會牽扯到很多提升用戶體驗的潛在需求。例如：為用戶推薦商品，這就涉及到用戶的行為分析和大數(shù)據(jù)的精準(zhǔn)推薦。如果說具體的技術(shù)的話，那肯定就包含了：用戶行為日志埋點、采集、上報，大數(shù)據(jù)實時統(tǒng)計分析，用戶畫像，商品推薦等大數(shù)據(jù)技術(shù)。

公司的業(yè)務(wù)增長迅速，僅僅2年半不到的時間用戶就從零積累到千萬級別，每天的訪問量幾億次，高峰QPS高達上萬次每秒，雙十一期間的訪問量和QPS是平時的幾倍。數(shù)據(jù)的寫壓力來源于用戶下單，支付等操作，尤其是趕上雙十一大促期間，系統(tǒng)的寫壓力會成倍增長。然而，讀業(yè)務(wù)的壓力會遠遠大于寫壓力，據(jù)不完全統(tǒng)計，讀業(yè)務(wù)的請求量是寫業(yè)務(wù)的請求量的50倍左右。

接下來，我們就一起來看看數(shù)據(jù)庫是如何升級的。

最初的技術(shù)選型

作為創(chuàng)業(yè)公司，最重要的一點是敏捷，快速實現(xiàn)產(chǎn)品，對外提供服務(wù)，于是我們選擇了公有云服務(wù)，保證快速實施和可擴展性，節(jié)省了自建機房等時間。整體后臺采用的是Java語言進行開發(fā)，數(shù)據(jù)庫使用的MySQL。整體如下圖所示。

讀寫分離

隨著業(yè)務(wù)的發(fā)展，訪問量的極速增長，上述的方案很快不能滿足性能需求。每次請求的響應(yīng)時間越來越長，比如用戶在H5頁面上不斷刷新商品，響應(yīng)時間從最初的500毫秒增加到了2秒以上。業(yè)務(wù)高峰期，系統(tǒng)甚至出現(xiàn)過宕機。在這生死存亡的關(guān)鍵時刻，通過監(jiān)控，我們發(fā)現(xiàn)高峰期MySQL CPU使用率已接近80%，磁盤IO使用率接近90%，slow query(慢查詢)從每天1百條上升到1萬條，而且一天比一天嚴(yán)重。數(shù)據(jù)庫儼然已成為瓶頸，我們必須得快速做架構(gòu)升級。

當(dāng)Web應(yīng)用服務(wù)出現(xiàn)性能瓶頸的時候，由于服務(wù)本身無狀態(tài)，我們可以通過加機器的水平擴展方式來解決。而數(shù)據(jù)庫顯然無法通過簡單的添加機器來實現(xiàn)擴展，因此我們采取了MySQL主從同步和應(yīng)用服務(wù)端讀寫分離的方案。

MySQL支持主從同步，實時將主庫的數(shù)據(jù)增量復(fù)制到從庫，而且一個主庫可以連接多個從庫同步。利用此特性，我們在應(yīng)用服務(wù)端對每次請求做讀寫判斷，若是寫請求，則把這次請求內(nèi)的所有DB操作發(fā)向主庫;若是讀請求，則把這次請求內(nèi)的所有DB操作發(fā)向從庫，如下圖所示。

實現(xiàn)讀寫分離后，數(shù)據(jù)庫的壓力減少了許多，CPU使用率和IO使用率都降到了5%以內(nèi)，Slow Query(慢查詢)也趨近于0。主從同步、讀寫分離給我們主要帶來如下兩個好處：

• 減輕了主庫(寫)壓力：商城業(yè)務(wù)主要來源于讀操作，做讀寫分離后，讀壓力轉(zhuǎn)移到了從庫，主庫的壓力減小了數(shù)十倍。
• 從庫(讀)可水平擴展(加從庫機器)：因系統(tǒng)壓力主要是讀請求，而從庫又可水平擴展，當(dāng)從庫壓力太時，可直接添加從庫機器，緩解讀請求壓力。

當(dāng)然，沒有一個方案是萬能的。讀寫分離，暫時解決了MySQL壓力問題，同時也帶來了新的挑戰(zhàn)。業(yè)務(wù)高峰期，用戶提交完訂單，在我的訂單列表中卻看不到自己提交的訂單信息(典型的read after write問題);系統(tǒng)內(nèi)部偶爾也會出現(xiàn)一些查詢不到數(shù)據(jù)的異常。通過監(jiān)控，我們發(fā)現(xiàn)，業(yè)務(wù)高峰期MySQL可能會出現(xiàn)主從復(fù)制延遲，極端情況，主從延遲高達數(shù)秒。這極大的影響了用戶體驗。

那如何監(jiān)控主從同步狀態(tài)?在從庫機器上，執(zhí)行show slave status，查看Seconds_Behind_Master值，代表主從同步從庫落后主庫的時間，單位為秒，若主從同步無延遲，這個值為0。MySQL主從延遲一個重要的原因之一是主從復(fù)制是單線程串行執(zhí)行(高版本MySQL支持并行復(fù)制)。

那如何避免或解決主從延遲?我們做了如下一些優(yōu)化：

• 優(yōu)化MySQL參數(shù)，比如增大innodb_buffer_pool_size，讓更多操作在MySQL內(nèi)存中完成，減少磁盤操作。
• 使用高性能CPU主機。
• 數(shù)據(jù)庫使用物理主機，避免使用虛擬云主機，提升IO性能。
• 使用SSD磁盤，提升IO性能。SSD的隨機IO性能約是SATA硬盤的10倍甚至更高。
• 業(yè)務(wù)代碼優(yōu)化，將實時性要求高的某些操作，強制使用主庫做讀操作。
• 升級高版本MySQL，支持并行主從復(fù)制。

垂直分庫

讀寫分離很好的解決了讀壓力問題，每次讀壓力增加，可以通過加從庫的方式水平擴展。但是寫操作的壓力隨著業(yè)務(wù)爆發(fā)式的增長沒有得到有效的緩解，比如用戶提交訂單越來越慢。通過監(jiān)控MySQL數(shù)據(jù)庫，我們發(fā)現(xiàn)，數(shù)據(jù)庫寫操作越來越慢，一次普通的insert操作，甚至可能會執(zhí)行1秒以上。

另一方面，業(yè)務(wù)越來越復(fù)雜，多個應(yīng)用系統(tǒng)使用同一個數(shù)據(jù)庫，其中一個很小的非核心功能出現(xiàn)延遲，常常影響主庫上的其它核心業(yè)務(wù)功能。這時，主庫成為了性能瓶頸，我們意識到，必須得再一次做架構(gòu)升級，將主庫做拆分，一方面以提升性能，另一方面減少系統(tǒng)間的相互影響，以提升系統(tǒng)穩(wěn)定性。這一次，我們將系統(tǒng)按業(yè)務(wù)進行了垂直拆分。如下圖所示，將最初龐大的數(shù)據(jù)庫按業(yè)務(wù)拆分成不同的業(yè)務(wù)數(shù)據(jù)庫，每個系統(tǒng)僅訪問對應(yīng)業(yè)務(wù)的數(shù)據(jù)庫，盡量避免或減少跨庫訪問。

垂直分庫過程，我們也遇到不少挑戰(zhàn)，最大的挑戰(zhàn)是：不能跨庫join，同時需要對現(xiàn)有代碼重構(gòu)。單庫時，可以簡單的使用join關(guān)聯(lián)表查詢;拆庫后，拆分后的數(shù)據(jù)庫在不同的實例上，就不能跨庫使用join了。

例如，通過商家名查詢某個商家的所有訂單，在垂直分庫前，可以join商家和訂單表做查詢，也可以直接使用子查詢，如下如示：

select * from tb_order where supplier_id in (select id from supplier where name=’商家名稱’)； 

分庫后，則要重構(gòu)代碼，先通過商家名查詢商家id，再通過商家id查詢訂單表，如下所示：

select id from supplier where name=’商家名稱’ 
select * from tb_order where supplier_id in (supplier_ids ) 

垂直分庫過程中的經(jīng)驗教訓(xùn)，使我們制定了SQL最佳實踐，其中一條便是程序中禁用或少用join，而應(yīng)該在程序中組裝數(shù)據(jù)，讓SQL更簡單。一方面為以后進一步垂直拆分業(yè)務(wù)做準(zhǔn)備，另一方面也避免了MySQL中join的性能低下的問題。

經(jīng)過近十天加班加點的底層架構(gòu)調(diào)整，以及業(yè)務(wù)代碼重構(gòu)，終于完成了數(shù)據(jù)庫的垂直拆分。拆分之后，每個應(yīng)用程序只訪問對應(yīng)的數(shù)據(jù)庫，一方面將單點數(shù)據(jù)庫拆分成了多個，分?jǐn)偭酥鲙鞂憠毫?另一方面，拆分后的數(shù)據(jù)庫各自獨立，實現(xiàn)了業(yè)務(wù)隔離，不再互相影響。

水平分庫

讀寫分離，通過從庫水平擴展，解決了讀壓力;垂直分庫通過按業(yè)務(wù)拆分主庫，緩存了寫壓力，但系統(tǒng)依然存在以下隱患：

• 單表數(shù)據(jù)量越來越大。如訂單表，單表記錄數(shù)很快就過億，超出MySQL的極限，影響讀寫性能。
• 核心業(yè)務(wù)庫的寫壓力越來越大，已不能再進一次垂直拆分，此時的系統(tǒng)架構(gòu)中，MySQL 主庫不具備水平擴展的能力。

此時，我們需要對MySQL進一步進行水平拆分。

水平分庫面臨的第一個問題是，按什么邏輯進行拆分。一種方案是按城市拆分，一個城市的所有數(shù)據(jù)在一個數(shù)據(jù)庫中;另一種方案是按訂單ID平均拆分?jǐn)?shù)據(jù)。按城市拆分的優(yōu)點是數(shù)據(jù)聚合度比較高，做聚合查詢比較簡單，實現(xiàn)也相對簡單，缺點是數(shù)據(jù)分布不均勻，某些城市的數(shù)據(jù)量極大，產(chǎn)生熱點，而這些熱點以后可能還要被迫再次拆分。按訂單ID拆分則正相反，優(yōu)點是數(shù)據(jù)分布均勻，不會出現(xiàn)一個數(shù)據(jù)庫數(shù)據(jù)極大或極小的情況，缺點是數(shù)據(jù)太分散，不利于做聚合查詢。比如，按訂單ID拆分后，一個商家的訂單可能分布在不同的數(shù)據(jù)庫中，查詢一個商家的所有訂單，可能需要查詢多個數(shù)據(jù)庫。針對這種情況，一種解決方案是將需要聚合查詢的數(shù)據(jù)做冗余表，冗余的表不做拆分，同時在業(yè)務(wù)開發(fā)過程中，減少聚合查詢。

經(jīng)過反復(fù)思考，我們最后決定按訂單ID做水平分庫。從架構(gòu)上，將系統(tǒng)分為三層：

• 應(yīng)用層：即各類業(yè)務(wù)應(yīng)用系統(tǒng)
• 數(shù)據(jù)訪問層：統(tǒng)一的數(shù)據(jù)訪問接口，對上層應(yīng)用層屏蔽讀寫分庫、分表、緩存等技術(shù)細(xì)節(jié)。
• 數(shù)據(jù)層：對DB數(shù)據(jù)進行分片，并可動態(tài)的添加shard分片。

水平分庫的技術(shù)關(guān)鍵點在于數(shù)據(jù)訪問層的設(shè)計，數(shù)據(jù)訪問層主要包含三部分：

• 分布式緩存
• 數(shù)據(jù)庫中間件
• 數(shù)據(jù)異構(gòu)中間件

而數(shù)據(jù)庫中間件需要包含如下重要的功能：

• ID生成器：生成每張表的主鍵
• 數(shù)據(jù)源路由：將每次DB操作路由到不同的分片數(shù)據(jù)源上

ID生成器

ID生成器是整個水平分庫的核心，它決定了如何拆分?jǐn)?shù)據(jù)，以及查詢存儲-檢索數(shù)據(jù)。ID需要跨庫全局唯一，否則會引發(fā)業(yè)務(wù)層的沖突。此外，ID必須是數(shù)字且升序，這主要是考慮到升序的ID能保證MySQL的性能(若是UUID等隨機字符串，在高并發(fā)和大數(shù)據(jù)量情況下，性能極差)。同時，ID生成器必須非常穩(wěn)定，因為任何故障都會影響所有的數(shù)據(jù)庫操作。

我們系統(tǒng)中ID生成器的設(shè)計如下所示。

• 整個ID的二進制長度為64位
• 前36位使用時間戳，以保證ID是升序增加
• 中間13位是分庫標(biāo)識，用來標(biāo)識當(dāng)前這個ID對應(yīng)的記錄在哪個數(shù)據(jù)庫中
• 后15位為自增序列，以保證在同一秒內(nèi)并發(fā)時，ID不會重復(fù)。每個分片庫都有一個自增序列表，生成自增序列時，從自增序列表中獲取當(dāng)前自增序列值，并加1，做為當(dāng)前ID的后15位
• 下一秒時，后15位的自增序列再次從1開始。

水平分庫是一個極具挑戰(zhàn)的項目，我們整個團隊也在不斷的迎接挑戰(zhàn)中快速成長。

為了適應(yīng)公司業(yè)務(wù)的不斷發(fā)展，除了在MySQL數(shù)據(jù)庫上進行相應(yīng)的架構(gòu)升級外，我們還搭建了一套完整的大數(shù)據(jù)實時分析統(tǒng)計平臺，在系統(tǒng)中對用戶的行為進行實時分析。

關(guān)于如何搭建大數(shù)據(jù)實時分析統(tǒng)計平臺，對用戶的行為進行實時分析，我們后面再詳細(xì)介紹。