一分鐘系列之《啥，又要為表增加一列屬性?》分享了兩種數(shù)據(jù)庫屬性擴(kuò)展思路，被噴得厲害。第二天補(bǔ)充了一篇《這才是真正的表擴(kuò)展方案》，分享了互聯(lián)網(wǎng)大數(shù)據(jù)高并發(fā)情況下，數(shù)據(jù)庫屬性擴(kuò)容的成熟工具及思路。

對于version + ext方案，還是有很多朋友質(zhì)疑“線上不可能這么用”。本篇將講述一下58同城最核心的數(shù)據(jù)“帖子”的架構(gòu)實(shí)現(xiàn)技術(shù)細(xì)節(jié)，說明不僅不是“不可能這么用”，而是大數(shù)據(jù)，可變屬性，高吞吐場景下的“常用手段”。

一、背景描述及業(yè)務(wù)介紹

問：什么是數(shù)據(jù)庫擴(kuò)展的version + ext方案?

使用ext來承載不同業(yè)務(wù)需求的個(gè)性化屬性，使用version來標(biāo)識(shí)ext里各個(gè)字段的含義。

例如上述user表：

verion=0表示ext里是passwd/nick

version=1表示ext里是passwd/nick/age/sex

優(yōu)點(diǎn)

(1)可以隨時(shí)動(dòng)態(tài)擴(kuò)展屬性，擴(kuò)展性好

(2)新舊兩種數(shù)據(jù)可以同時(shí)存在，兼容性好

不足

(1)ext里的字段無法建立索引

(2)ext里的key值有大量冗余，建議key短一些

問：什么是58同城最核心的數(shù)據(jù)?

58同城是一個(gè)信息平臺(tái)，有很多垂直品類：招聘、房產(chǎn)、二手物品、二手車、黃頁等等，每個(gè)品類又有很多子品類，不管哪個(gè)品類，最核心的數(shù)據(jù)都是“帖子信息”(業(yè)務(wù)像一個(gè)大論壇?)。

問：帖子信息有什么特點(diǎn)?

大家去58同城的首頁上看看就知道了：

(1)每個(gè)品類的屬性千差萬別，招聘帖子和二手帖子屬性完全不同，二手手機(jī)和二手家電的屬性又完全不同，目前恐怕有近萬個(gè)屬性

(2)帖子量很大，100億級(jí)別

(3)每個(gè)屬性上都有查詢需求(各組合屬性上都可能有組合查詢需求)，招聘要查職位/經(jīng)驗(yàn)/薪酬范圍，二手手機(jī)要查顏色/價(jià)格/型號(hào)，二手要查冰箱/洗衣機(jī)/空調(diào)

(4)查詢量很大，每秒幾10萬級(jí)別

如何解決100億數(shù)據(jù)量，1萬屬性，多屬性組合查詢，10萬并發(fā)查詢的技術(shù)難題，是今天要討論的內(nèi)容。

二、最容易想到的方案

每個(gè)公司的發(fā)展都是一個(gè)從小到大的過程，撇開并發(fā)量和數(shù)據(jù)量不談，先看看

(1)如何實(shí)現(xiàn)屬性擴(kuò)展性需求

(2)多屬性組合查詢需求

最開始，可能只有一個(gè)招聘品類，那帖子表可能是這么設(shè)計(jì)的：

tiezi(tid,uid, c1, c2, c3) 

那如何滿足各屬性之間的組合查詢需求呢?

最容易想到的是通過組合索引：

index_1(c1,c2) index_2(c2, c3) index_3(c1, c3) 

隨著業(yè)務(wù)的發(fā)展，又新增了一個(gè)房產(chǎn)類別，新增了若干屬性，新增了若干組合查詢，于是帖子表變成了：

tiezi(tid,uid, c1, c2, c3, c10, c11, c12, c13) 

其中c1,c2,c3是招聘類別屬性，c10,c11,c12,c13是房產(chǎn)類別屬性，這兩塊屬性一般沒有組合查詢需求

但為了滿足房產(chǎn)類別的查詢需求，又要建立了若干組合索引(不敢想有多少個(gè)索引能覆蓋所有兩屬性查詢，三屬性查詢)

是不是發(fā)現(xiàn)玩不下去了?

三、友商的玩法

新增屬性是一種擴(kuò)展方式，新增表也是一種方式，有友商是這么玩的，按照業(yè)務(wù)進(jìn)行垂直拆分：

tiezi_zhaopin(tid,uid, c1, c2, c3) 
tiezi_fangchan(tid,uid, c10, c11, c12, c13) 

這些表，這些服務(wù)維護(hù)在不同的部門，不同的研發(fā)同學(xué)手里，看上去各業(yè)務(wù)線靈活性強(qiáng)，這恰恰是悲劇的開始：

(1)tid如何規(guī)范?

(2)屬性如何規(guī)范?

(3)按照uid來查詢怎么辦(查詢自己發(fā)布的所有帖子)?

(4)按照時(shí)間來查詢怎么辦(最新發(fā)布的帖子)?

(5)跨品類查詢怎么辦(例如首頁搜索框)?

(6)技術(shù)范圍的擴(kuò)散，有的用mongo存儲(chǔ)，有的用mysql存儲(chǔ)，有的自研存儲(chǔ)

(7)重復(fù)開發(fā)了不少組件

(8)維護(hù)成本過高

(9)…

想想看，電商的商品表，不可能一個(gè)類目一個(gè)表的。

四、58同城的玩法

【統(tǒng)一帖子中心服務(wù)】

平臺(tái)型創(chuàng)業(yè)型公司，可能有多個(gè)品類，例如58同城的招聘房產(chǎn)二手，很多異構(gòu)數(shù)據(jù)的存儲(chǔ)需求，到底是分還是合，無需糾結(jié)：基礎(chǔ)數(shù)據(jù)基礎(chǔ)服務(wù)的統(tǒng)一，無疑是58同城技術(shù)路線發(fā)展roadmap上最正確的決策之一，把這個(gè)方針堅(jiān)持下來，@老崔 @曉飛 這些高瞻遠(yuǎn)矚的先賢功不可沒，業(yè)務(wù)線會(huì)有“擴(kuò)展性”“靈活性”上的微詞，后文看看先賢們?nèi)绾瓮ㄟ^一些巧妙的技術(shù)方案來解決的。

如何將不同品類，異構(gòu)的數(shù)據(jù)統(tǒng)一存儲(chǔ)起來，采用的就是類似version+ext的方式：

tiezi(tid,uid, time, title, cate, subcate, xxid, ext) 

(1)一些通用的字段抽取出來單獨(dú)存儲(chǔ)

(2)通過cate, subcate, xxid等來定義ext是何種含義(和version有點(diǎn)像?)

(3)通過ext來存儲(chǔ)不同業(yè)務(wù)線的個(gè)性化需求

例如招聘的帖子：

ext : {“job”:”driver”,”salary”:8000,”location”:”bj”} 

而二手的帖子：

ext : {”type”:”iphone”,”money”:3500} 

58同城最核心的帖子數(shù)據(jù)，100億的數(shù)據(jù)量，分256庫，異構(gòu)數(shù)據(jù)mysql存儲(chǔ)，上層架了一個(gè)服務(wù)，使用memcache做緩存，就是這樣一個(gè)簡單的架構(gòu)，一直堅(jiān)持這這么多年。上層的這個(gè)服務(wù)，就是58同城最核心的統(tǒng)一服務(wù)IMC(Imformation Management Center)，注意這個(gè)最核心，是沒有之一。

解決了海量異構(gòu)數(shù)據(jù)的存儲(chǔ)問題，遇到的新問題是：

(1)每條記錄ext內(nèi)key都需要重復(fù)存儲(chǔ)，占據(jù)了大量的空間，能否壓縮存儲(chǔ)

(2)cateid已經(jīng)不足以描述ext內(nèi)的內(nèi)容，品類有層級(jí)，深度不確定，ext能否具備自描述性

(3)隨時(shí)可以增加屬性，保證擴(kuò)展性

【統(tǒng)一類目屬性服務(wù)】

每個(gè)業(yè)務(wù)有多少屬性，這些屬性是什么含義，值的約束等揉不到帖子服務(wù)里，怎么辦呢?

58同城的先賢們抽象出一個(gè)統(tǒng)一的類目、屬性服務(wù)，單獨(dú)來管理這些信息，而帖子庫ext字段里json的key，統(tǒng)一由數(shù)字來表示，減少存儲(chǔ)空間。

如上圖所示，json里的key不再是”salary” ”location” ”money” 這樣的長字符串了，取而代之的是數(shù)字1,2,3,4，這些數(shù)字是什么含義，屬于哪個(gè)子分類，值的校驗(yàn)約束，統(tǒng)一都存儲(chǔ)在類目、屬性服務(wù)里。

這個(gè)表里對帖子中心服務(wù)里ext字段里的數(shù)字key進(jìn)行了解釋：

1代表job，屬于招聘品類下100子品類，其value必須是一個(gè)小于32的[a-z]字符

4代表type，屬于二手品類下200子品類，其value必須是一個(gè)short

這樣就對原來帖子表ext里的

ext : {“1”:”driver”,”2”:8000,”3”:”bj”} 
ext : {”4”:”iphone”,”5”:3500} 

key和value都做了統(tǒng)一約束。

除此之外，如果ext里某個(gè)key的value不是正則校驗(yàn)的值，而是枚舉值時(shí)，需要有一個(gè)對值進(jìn)行限定的枚舉表來進(jìn)行校驗(yàn)：

這個(gè)枚舉校驗(yàn)，說明key=4的屬性(對應(yīng)屬性表里二手，手機(jī)類型字段)，其值不只是要進(jìn)行“short類型”校驗(yàn)，而是value必須是固定的枚舉值。

ext : {”4”:”iphone”,”5”:3500}這個(gè)ext就是不合法的(key=4的value=iphone不合法)，合法的應(yīng)該為

ext : {”4”:”5”,”5”:3500} 

此外，類目屬性服務(wù)還能記錄類目之間的層級(jí)關(guān)系：

(1)一級(jí)類目是招聘、房產(chǎn)、二手…

(2)二手下有二級(jí)類目二手家具、二手手機(jī)…

(3)二手手機(jī)下有三級(jí)類目二手iphone，二手小米，二手三星…

(4)…

協(xié)助解釋58同城最核心的帖子數(shù)據(jù)，描述品類層級(jí)關(guān)系，保證各類目屬性擴(kuò)展性，保證各屬性值合理性校驗(yàn)，就是58同城另一個(gè)統(tǒng)一的核心服務(wù)CMC(Category Management Center)。

多提一句，類目、屬性服務(wù)像不像電商系統(tǒng)里的SKU擴(kuò)展服務(wù)?

(1)品類層級(jí)關(guān)系，對應(yīng)電商里的類別層級(jí)體系

(2)屬性擴(kuò)展，對應(yīng)電商里各類別商品SKU的屬性

(3)枚舉值校驗(yàn)，對應(yīng)屬性的枚舉值，例如顏色：紅，黃，藍(lán)

解決了key壓縮，key描述，key擴(kuò)展，value校驗(yàn)，品類層級(jí)的問題，還有這樣的一個(gè)問題沒有解決：每個(gè)品類下帖子的屬性各不相同，查詢需求各不相同，如何解決100億數(shù)據(jù)量，1萬屬性的查詢需求，是58同城面臨的新問題。

【統(tǒng)一檢索服務(wù)】

數(shù)據(jù)量很大的時(shí)候，不同屬性上的查詢需求，不可能通過組合索引來滿足所有查詢需求，怎么辦呢?

58同城的先賢們，從一早就確定了“外置索引，統(tǒng)一檢索服務(wù)”的技術(shù)路線：

(1)數(shù)據(jù)庫提供“帖子id”的正排查詢需求

(2)所有非“帖子id”的個(gè)性化檢索需求，統(tǒng)一走外置索引

元數(shù)據(jù)與索引數(shù)據(jù)的操作遵循：

(1)對帖子進(jìn)行tid正排查詢，直接訪問帖子服務(wù)

(2)對帖子進(jìn)行修改，帖子服務(wù)通知檢索服務(wù)，同時(shí)對索引進(jìn)行修改

(3)對帖子進(jìn)行復(fù)雜查詢，通過檢索服務(wù)滿足需求

這個(gè)扛起58同城80%終端請求(不管來自PC還是APP，不管是主頁、城市頁、分類頁、列表頁、詳情頁，很可能這個(gè)請求最終會(huì)是一個(gè)檢索請求)的服務(wù)，就是58同城另一個(gè)統(tǒng)一的核心服務(wù)E-search，這個(gè)搜索引擎的每一行代碼都來自58同城@老崔 @老龔 等先賢們，目前系統(tǒng)維護(hù)者，就是“架構(gòu)師之路”里屢次提到的@龍神 。

對于這個(gè)服務(wù)的架構(gòu)，簡單展開說明一下：

為應(yīng)對100億級(jí)別數(shù)據(jù)量、幾十萬級(jí)別的吞吐量，業(yè)務(wù)線各種復(fù)雜的復(fù)雜檢索查詢，擴(kuò)展性是設(shè)計(jì)重點(diǎn)：

(1)統(tǒng)一的Java代理層集群，其無狀態(tài)性能夠保證增加機(jī)器就能擴(kuò)充系統(tǒng)性能

(2)統(tǒng)一的合并層C服務(wù)集群，其無狀態(tài)性也能夠保證增加機(jī)器就能擴(kuò)充系統(tǒng)性能

(3)搜索內(nèi)核檢索層C服務(wù)集群，服務(wù)和索引數(shù)據(jù)部署在同一臺(tái)機(jī)器上，服務(wù)啟動(dòng)時(shí)可以加載索引數(shù)據(jù)到內(nèi)存，請求訪問時(shí)從內(nèi)存中l(wèi)oad數(shù)據(jù)，訪問速度很快

(3.1)為了滿足數(shù)據(jù)容量的擴(kuò)展性，索引數(shù)據(jù)進(jìn)行了水平切分，增加切分份數(shù)，就能夠無限擴(kuò)展性能

(3.2)為了滿足一份數(shù)據(jù)的性能擴(kuò)展性，同一份數(shù)據(jù)進(jìn)行了冗余，理論上做到增加機(jī)器就無限擴(kuò)展性能

系統(tǒng)時(shí)延，100億級(jí)別帖子檢索，包含請求分合，拉鏈求交集，從merger層均可以做到10ms返回。

58同城的帖子業(yè)務(wù)，一致性不是主要矛盾，E-search會(huì)定期全量重建索引，以保證即使數(shù)據(jù)不一致，也不會(huì)持續(xù)很長的時(shí)間。

五、總結(jié)

文章寫了很長，最后做一個(gè)簡單總結(jié)，面對100億數(shù)據(jù)量，1萬列屬性，10萬吞吐量的業(yè)務(wù)需求，58同城的經(jīng)驗(yàn)，是采用了元數(shù)據(jù)服務(wù)、屬性服務(wù)、搜索服務(wù)來解決的。

【本文為51CTO專欄作者“58沈劍”原創(chuàng)稿件，轉(zhuǎn)載請聯(lián)系原作者】

戳這里，看該作者更多好文