1对多业务，数据库水平切分架构一次搞定

本文将以“帖子中心”为例，介绍“1对多”类业务，随着数据量的逐步增大，数据库性能显著下降，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

1、什么是1对多关系

所谓的“1对1”，“1对多”，“多对多”，来自数据库设计中的“实体-关系”ER模型，用来描述实体之间的映射关系。

1对1

• 一个用户只有一个登陆名，一个登陆名只对应一个用户
• 一个uid对应一个login_name，一个login_name只对应一个uid

这是一个1对1的关系。

1对多

• 一个用户能够发多条微博，一条微博只有一个发送者
• 一个uid对应多个msg_id，一个msg_id只对应一个uid

这是一个1对多的关系。

多对多

• 一个用户能够关注多个用户
• 一个用户也能够被多个粉丝关注

这是一个多对多的关系。

2、帖子中心业务分析

帖子中心是一个典型的1对多业务。

一个用户能够发布多个帖子，一个帖子只对应一个发布者。

任何脱离业务的架构设计都是耍流氓，先来看看帖子中心对应的业务需求。

帖子中心，是一个提供帖子发布/修改/删除/查看/搜索的服务。

写操做：

• 发布(insert)帖子
• 修改(update)帖子
• 删除(delete)帖子

读操做：

• 经过tid查询(select)帖子实体，单行查询
• 经过uid查询(select)用户发布过的帖子，列表查询
• 帖子检索(search)，例如经过时间、标题、内容搜索符合条件的帖子

在数据量较大，并发量较大的时候，一般经过元数据与索引数据分离的架构来知足不一样类型的需求：

架构中的几个关键点：

• tiezi-center：帖子服务
• tiezi-db：提供元数据存储
• tiezi-search：帖子搜索服务
• tiezi-index：提供索引数据存储
• MQ：tiezi-center与tiezi-search通信媒介，通常不直接使用RPC调用，而是经过MQ对两个子系统解耦(为什么这么解耦，请参见《到底何时该使用MQ?》)

其中，tiezi-center和tiezi-search分别知足两类不一样的读需求：

如上图所示：

• tid和uid上的查询需求，能够由tiezi-center从元数据读取并返回
• 其余类检索需求，能够由tiezi-search从索引数据检索并返回

对于写需求：

如上图所示：

• 增长，修改，删除的操做都会从tiezi-center发起
• tiezi-center修改元数据
• tiezi-center将信息修改通知发送给MQ
• tiezi-search从MQ接受修改信息
• tiezi-search修改索引数据

tiezi-search，搜索架构不是本文的重点(外置索引架构设计，请参见《100亿数据1万属性数据架构设计》)，后文将重点描述帖子中心元数据这一块的水平切分设计。

3、帖子中心元数据设计

经过帖子中心业务分析，很容易了解到，其核心元数据为：

Tiezi(tid, uid, time, title, content, …);

其中：

• tid为帖子ID，主键
• uid为用户ID，发帖人
• time, title, content …等为帖子属性

数据库设计上，在业务初期，单库就能知足元数据存储要求，其典型的架构设计为：

• tiezi-center：帖子中心服务，对调用者提供友好的RPC接口
• tiezi-db：对帖子数据进行存储

在相关字段上创建索引，就能知足相关业务需求：

• 帖子记录查询，经过tid查询，约占读请求量90%
  1. select * from t_tiezi where tid=$tid 
• 帖子列表查询，经过uid查询其发布的全部帖子，约占读请求量10%
  1. select * from t_tiezi where uid=$uid 

4、帖子中心水平切分-tid切分法

当数据量愈来愈大时，须要对帖子数据的存储进行线性扩展。

既然是帖子中心，而且帖子记录查询量占了总请求的90%，很容易想到经过tid字段取模来进行水平切分：

这个方法简单直接，优势：

• 100%写请求能够直接定位到库
• 90%的读请求能够直接定位到库

缺点：

• 一个用户发布的全部帖子可能会落到不一样的库上，10%的请求经过uid来查询会比较麻烦

如上图，一个uid访问须要遍历全部库。

5、帖子中心水平切分-uid切分法

有没有一种切分方法，确保同一个用户发布的全部帖子都落在同一个库上，而在查询一个用户发布的全部帖子时，不须要去遍历全部的库呢?

答：使用uid来分库能够解决这个问题。

新出现的问题：若是使用uid来分库，确保了一个用户的帖子数据落在同一个库上，那经过tid来查询，就不知道这个帖子落在哪一个库上了，岂不是还须要遍历全库，须要怎么优化呢?

答：tid的查询是单行记录查询，只要在数据库(或者缓存)记录tid到uid的映射关系，就能解决这个问题。

新增一个索引库：

t_mapping(tid, uid); 

• 这个库只有两列，能够承载不少数据
• 即便数据量过大，索引库能够利用tid水平切分
• 这类kv形式的索引结构，能够很好的利用cache优化查询性能
• 一旦帖子发布，tid和uid的映射关系就不会发生变化，cache的命中率会很是高

使用uid分库，并增长索引库记录tid到uid的映射关系以后，每当有uid上的查询：

能够经过uid直接定位到库。

每当有tid上的查询：

• 先查询索引表，经过tid查询到对应的uid
• 再经过uid定位到库

这个方法的优势：

• 一个用户发布的因此帖子落在同一个库上
• 10%的请求过过uid来查询列表，能够直接定位到库
• 索引表cache命中率很是高，由于tid与uid的映射关系不会变

缺点：

• 90%的tid请求，以及100%的修改请求，不能直接定位到库，须要先进行一次索引表的查询，固然这个查询很是块，一般在5ms内能够返回
• 数据插入时须要操做元数据与索引表，可能引起潜在的一致性问题

6、帖子中心水平切分-基因法

有没有一种方法，既可以经过uid定位到库，又不须要创建索引表来进行二次查询呢，这就是本文要叙述的“1对多”业务分库最佳实践，基因法。

什么是分库基因?

经过uid分库，假设分为16个库，采用uid%16的方式来进行数据库路由，这里的uid%16，其本质是uid的最后4个bit决定这行数据落在哪一个库上，这4个bit，就是分库基因。

什么是基因法分库?

在“1对多”的业务场景，使用“1”分库，在“多”的数据id生成时，id末端加入分库基因，就能同时知足“1”和“多”的分库查询需求。

如上图所示，uid=666的用户发布了一条帖子(666的二进制表示为：1010011010)：

• 使用uid%16分库，决定这行数据要插入到哪一个库中
• 分库基因是uid的最后4个bit，即1010
• 在生成tid时，先使用一种分布式ID生成算法生成前60bit(上图中绿色部分)
• 将分库基因加入到tid的最后4个bit(上图中粉色部分)
• 拼装成最终的64bit帖子tid(上图中蓝色部分)

(怎么生成60bit分布式惟一ID，请参见《分布式ID生成算法》)

这般，保证了同一个用户发布的全部帖子的tid，都落在同一个库上，tid的最后4个bit都相同，因而：

• 经过uid%16可以定位到库
• 经过tid%16也能定位到库

潜在问题一：同一个uid发布的tid落在同一个库上，会不会出现数据不均衡?

答：只要uid是均衡的，每一个用户发布的平均帖子数是均衡的，每一个库的数据就是均衡的。

潜在问题二：最开始分16库，分库基因是4bit，将来要扩充成32库，分库基因变成了5bit，那怎么办?

答：须要提早作好容量预估，例如事先规划好5年内数据增加256库足够，就提早预留8bit基因。

7、总结

将以“帖子中心”为典型的“1对多”类业务，在架构上，采用元数据与索引数据分离的架构设计方法：

• 帖子服务，元数据知足uid和tid的查询需求
• 搜索服务，索引数据知足复杂搜索寻求

对于元数据的存储，在数据量较大的状况下，有三种常见的切分方法：

• tid切分法，按照tid分库，同一个用户发布的帖子落在不一样的库上，经过uid来查询要遍历全部库
• uid切分法，按照uid分库，同一个用户发布的帖子落在同一个库上，须要经过索引表或者缓存来记录tid与uid的映射关系，经过tid来查询时，先查到uid，再经过uid定位库
• 基因法，按照uid分库，在生成tid里加入uid上的分库基因，保证经过uid和tid都能直接定位到库

对于1对多的业务场景，分库架构再也不是瓶颈。

Refer：

[1] 1对多业务，数据库水平切分架构一次搞定

http://zhuanlan.51cto.com/art/201707/544573.htm

[2] 啥，又要为表增长一列属性？

http://chuansong.me/n/1298388046739

[3] 分库分表须要考虑的问题及方案

https://segmentfault.com/p/1210000010189004/read#top

[4] 多对多业务，数据库水平切分架构一次搞定

http://bit.ly/2voywf7

[5] 多key业务，数据库水平切分架构一次搞定

http://bit.ly/2wIeblT