codecamp

单KEY业务,数据库水平切分架构实践

提醒,本文较长,可提前收藏/转发。

本文将以“用户中心”为例,介绍“单KEY”类业务,随着数据量的逐步增大,数据库性能显著降低,数据库水平切分相关的架构实践:
•如何来实施水平切分
•水平切分后常见的问题
•典型问题的优化思路及实践

一、用户中心

用户中心是一个非常常见的业务,主要提供用户注册、登录、信息查询与修改的服务,其核心元数据为:
User(uid, login_name, passwd, sex, age, nickname, …)
其中:
•uid为用户ID,主键
•login_name, passwd, sex, age, nickname, …等用户属性
数据库设计上,一般来说在业务初期单库单表就能够搞定这个需求,典型的架构设计为:
单库单表
•user-center:用户中心服务,对调用者提供友好的RPC接口
•user-db:对用户进行数据存储

二、用户中心水平切分方法

数据量越来越大时,需要对数据库进行水平切分,常见的水平切分算法有“范围法”和“哈希法”

范围法,以用户中心的业务主键uid为划分依据,将数据水平切分到两个数据库实例上去:
范围分片
•user-db1:存储0到1千万的uid数据
•user-db2:存储1到2千万的uid数据

范围法的优点是:
切分策略简单,根据uid,按照范围,user- center很快能够定位到数据在哪个库上
扩容简单,如果容量不够,只要增加user-db3即可

范围法的不足是:
•uid必须要满足递增的特性
数据量不均,新增的user-db3,在初期的数据会比较少
请求量不均,一般来说,新注册的用户活跃度会比较高,故user-db2往往会比user-db1负载要高,导致服务器利用率不平衡

哈希法,也是以用户中心的业务主键uid为划分依据,将数据水平切分到两个数据库实例上去:
哈希分片
•user-db1:存储uid取模得1的uid数据
•user-db2:存储uid取模得0的uid数据

哈希法的优点是:
切分策略简单,根据uid,按照hash,user-center很快能够定位到数据在哪个库上
数据量均衡,只要uid是均匀的,数据在各个库上的分布一定是均衡的
请求量均衡,只要uid是均匀的,负载在各个库上的分布一定是均衡的

哈希法的不足是:
扩容麻烦,如果容量不够,要增加一个库,重新hash可能会导致数据迁移,如何平滑的进行数据迁移,是一个需要解决的问题

三、用户中心水平切分后带来的问题

使用uid来进行水平切分之后,整个用户中心的业务访问会遇到什么问题呢?

对于uid属性上的查询可以直接路由到库,假设访问uid=124的数据,取模后能够直接定位db-user1: 
uid访问直接定位

对于非uid属性上的查询,例如login_name属性上的查询,就悲剧了
login_name访问遍历库
假设访问login_name=shenjian的数据,由于不知道数据落在哪个库上,往往需要遍历所有库,当分库数量多起来,性能会显著降低。

如何解决分库后,非uid属性上的查询问题,是后文要重点讨论的内容。

四、用户中心非uid属性查询需求分析

任何脱离业务的架构设计都是耍流氓,在进行架构讨论之前,先来对业务进行简要分析,看非uid属性上有哪些查询需求。

根据楼主这些年的架构经验,用户中心非uid属性上经常有两类业务需求:
(1)用户侧,前台访问,最典型的有两类需求
用户登录:通过login_name/phone/email查询用户的实体,1%请求属于这种类型
用户信息查询:登录之后,通过uid来查询用户的实例,99%请求属这种类型

用户侧的查询基本上是单条记录的查询,访问量较大,服务需要高可用,并且对一致性的要求较高。

(2)运营侧,后台访问,根据产品、运营需求,访问模式各异,按照年龄、性别、头像、登陆时间、注册时间来进行查询

运营侧的查询基本上是批量分页的查询,由于是内部系统,访问量很低,对可用性的要求不高,对一致性的要求也没这么严格。

这两类不同的业务需求,应该使用什么样的架构方案来解决呢?

五、用户中心水平切分架构思路

用户中心在数据量较大的情况下,使用uid进行水平切分,对于非uid属性上的查询需求,架构设计的核心思路为:
•针对用户侧,应该采用“建立非uid属性到uid的映射关系”的架构方案
•针对运营侧,应该采用“前台与后台分离”的架构方案 

六、用户中心-用户侧最佳实践

【索引表法】

思路:uid能直接定位到库,login_name不能直接定位到库,如果通过login_name能查询到uid,问题解决

解决方案
•建立一个索引表记录login_name->uid的映射关系
•用login_name来访问时,先通过索引表查询到uid,再定位相应的库
•索引表属性较少,可以容纳非常多数据,一般不需要分库
•如果数据量过大,可以通过login_name来分库

潜在不足:多一次数据库查询,性能下降一倍

【缓存映射法】

思路:访问索引表性能较低,把映射关系放在缓存里性能更佳

解决方案
•login_name查询先到cache中查询uid,再根据uid定位数据库
•假设cache miss,采用扫全库法获取login_name对应的uid,放入cache
•login_name到uid的映射关系不会变化,映射关系一旦放入缓存,不会更改,无需淘汰,缓存命中率超高
•如果数据量过大,可以通过login_name进行cache水平切分

潜在不足:多一次cache查询

【login_name生成uid】

思路:不进行远程查询,由login_name直接得到uid

解决方案
•在用户注册时,设计函数login_name生成uid,uid=f(login_name),按uid分库插入数据
•用login_name来访问时,先通过函数计算出uid,即uid=f(login_name)再来一遍,由uid路由到对应库

潜在不足:该函数设计需要非常讲究技巧,有uid生成冲突风险

【login_name基因融入uid】

思路:不能用login_name生成uid,可以从login_name抽取“基因”,融入uid中
login_name基因融入uid
假设分8库,采用uid%8路由,潜台词是,uid的最后3个bit决定这条数据落在哪个库上,这3个bit就是所谓的“基因”。

解决方案
•在用户注册时,设计函数login_name生成3bit基因,login_name_gene=f(login_name),如上图粉色部分
•同时,生成61bit的全局唯一id,作为用户的标识,如上图绿色部分
•接着把3bit的login_name_gene也作为uid的一部分,如上图屎黄色部分
•生成64bit的uid,由id和login_name_gene拼装而成,并按照uid分库插入数据
•用login_name来访问时,先通过函数由login_name再次复原3bit基因,login_name_gene=f(login_name),通过login_name_gene%8直接定位到库

七、用户中心-运营侧最佳实践

前台用户侧,业务需求基本都是单行记录的访问,只要建立非uid属性 login_name / phone / email 到uid的映射关系,就能解决问题。

后台运营侧,业务需求各异,基本是批量分页的访问,这类访问计算量较大,返回数据量较大,比较消耗数据库性能。

如果此时前台业务和后台业务公用一批服务和一个数据库,有可能导致,由于后台的“少数几个请求”的“批量查询”的“低效”访问,导致数据库的cpu偶尔瞬时100%,影响前台正常用户的访问(例如,登录超时)。
前后台同服同库

而且,为了满足后台业务各类“奇形怪状”的需求,往往会在数据库上建立各种索引,这些索引占用大量内存,会使得用户侧前台业务uid/login_name上的查询性能与写入性能大幅度降低,处理时间增长。


对于这一类业务,应该采用“前台与后台分离”的架构方案
前后台分离
用户侧前台业务需求架构依然不变,产品运营侧后台业务需求则抽取独立的web / service / db 来支持解除系统之间的耦合,对于“业务复杂”“并发量低”“无需高可用”“能接受一定延时”的后台业务:
•可以去掉service层,在运营后台web层通过dao直接访问db
•不需要反向代理,不需要集群冗余
•不需要访问实时库,可以通过MQ或者线下异步同步数据
•在数据库非常大的情况下,可以使用更契合大量数据允许接受更高延时的“索引外置”或者“HIVE”的设计方案 
通过MQ同步数据

八、总结

将以“用户中心”为典型的“单KEY”类业务,水平切分的架构点,本文做了这样一些介绍。

水平切分方式
•范围法
•哈希法

水平切分后碰到的问题
•通过uid属性查询能直接定位到库,通过非uid属性查询不能定位到库

非uid属性查询的典型业务
•用户侧,前台访问,单条记录的查询,访问量较大,服务需要高可用,并且对一致性的要求较高
•运营侧,后台访问,根据产品、运营需求,访问模式各异,基本上是批量分页的查询,由于是内部系统,访问量很低,对可用性的要求不高,对一致性的要求也没这么严格

这两类业务的架构设计思路
•针对用户侧,应该采用“建立非uid属性到uid的映射关系”的架构方案
•针对运营侧,应该采用“前台与后台分离”的架构方案

用户前台侧,“建立非uid属性到uid的映射关系”最佳实践
•索引表法:数据库中记录login_name->uid的映射关系
•缓存映射法:缓存中记录login_name->uid的映射关系
•login_name生成uid
•login_name基因融入uid

运营后台侧,“前台与后台分离”最佳实践
•前台、后台系统web/service/db分离解耦,避免后台低效查询引发前台查询抖动
•可以采用数据冗余的设计方式
•可以采用“外置索引”(例如ES搜索系统)或者“大数据处理”(例如HIVE)来满足后台变态的查询需求

其他类型业务的水平切分架构方案,未来和大家聊。


一分钟掌握数据库垂直拆分
数据库秒级平滑扩容架构方案
温馨提示
下载编程狮App,免费阅读超1000+编程语言教程
取消
确定
目录

关闭

MIP.setData({ 'pageTheme' : getCookie('pageTheme') || {'day':true, 'night':false}, 'pageFontSize' : getCookie('pageFontSize') || 20 }); MIP.watch('pageTheme', function(newValue){ setCookie('pageTheme', JSON.stringify(newValue)) }); MIP.watch('pageFontSize', function(newValue){ setCookie('pageFontSize', newValue) }); function setCookie(name, value){ var days = 1; var exp = new Date(); exp.setTime(exp.getTime() + days*24*60*60*1000); document.cookie = name + '=' + value + ';expires=' + exp.toUTCString(); } function getCookie(name){ var reg = new RegExp('(^| )' + name + '=([^;]*)(;|$)'); return document.cookie.match(reg) ? JSON.parse(document.cookie.match(reg)[2]) : null; }