本文將以“帖子中心”為例，介紹“1對多”類業(yè)務，隨著數據量的逐步增大，數據庫性能顯著降低，數據庫水平切分相關的架構實踐：

• 如何來實施水平切分
• 水平切分后常見的問題
• 典型問題的優(yōu)化思路及實踐

一、什么是1對多關系

所謂的“1對1”，“1對多”，“多對多”，來自數據庫設計中的“實體-關系”ER模型，用來描述實體之間的映射關系。

1對1

• 一個用戶只有一個登錄名，一個登錄名只對應一個用戶
• 一個uid對應一個login_name，一個login_name只對應一個uid

這是一個1對1的關系。

1對多

• 一個用戶可以發(fā)多條微博，一條微博只有一個發(fā)送者
• 一個uid對應多個msg_id，一個msg_id只對應一個uid

這是一個1對多的關系。

多對多

• 一個用戶可以關注多個用戶
• 一個用戶也可以被多個粉絲關注

這是一個多對多的關系。

二、帖子中心業(yè)務分析

帖子中心是一個典型的1對多業(yè)務。

一個用戶可以發(fā)布多個帖子，一個帖子只對應一個發(fā)布者。

任何脫離業(yè)務的架構設計都是耍流氓，先來看看帖子中心對應的業(yè)務需求。

帖子中心，是一個提供帖子發(fā)布/修改/刪除/查看/搜索的服務。

寫操作：

• 發(fā)布(insert)帖子
• 修改(update)帖子
• 刪除(delete)帖子

讀操作：

• 通過tid查詢(select)帖子實體，單行查詢
• 通過uid查詢(select)用戶發(fā)布過的帖子，列表查詢
• 帖子檢索(search)，例如通過時間、標題、內容搜索符合條件的帖子

在數據量較大，并發(fā)量較大的時候，通常通過元數據與索引數據分離的架構來滿足不同類型的需求：

架構中的幾個關鍵點：

• tiezi-center：帖子服務
• tiezi-db：提供元數據存儲
• tiezi-search：帖子搜索服務
• tiezi-index：提供索引數據存儲
• MQ：tiezi-center與tiezi-search通訊媒介，一般不直接使用RPC調用，而是通過MQ對兩個子系統解耦(為何這么解耦，請參見《到底什么時候該使用MQ?》)

其中，tiezi-center和tiezi-search分別滿足兩類不同的讀需求：

如上圖所示：

• tid和uid上的查詢需求，可以由tiezi-center從元數據讀取并返回
• 其他類檢索需求，可以由tiezi-search從索引數據檢索并返回

對于寫需求：

如上圖所示：

• 增加，修改，刪除的操作都會從tiezi-center發(fā)起
• tiezi-center修改元數據
• tiezi-center將信息修改通知發(fā)送給MQ
• tiezi-search從MQ接受修改信息
• tiezi-search修改索引數據

tiezi-search，搜索架構不是本文的重點(外置索引架構設計，請參見《100億數據1萬屬性數據架構設計》)，后文將重點描述帖子中心元數據這一塊的水平切分設計。

三、帖子中心元數據設計

通過帖子中心業(yè)務分析，很容易了解到，其核心元數據為：

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

其中：

• tid為帖子ID，主鍵
• uid為用戶ID，發(fā)帖人
• time, title, content …等為帖子屬性

數據庫設計上，在業(yè)務初期，單庫就能滿足元數據存儲要求，其典型的架構設計為：

• tiezi-center：帖子中心服務，對調用者提供友好的RPC接口
• tiezi-db：對帖子數據進行存儲

在相關字段上建立索引，就能滿足相關業(yè)務需求：

• 帖子記錄查詢，通過tid查詢，約占讀請求量90%

select * from t_tiezi where tid=$tid 

• 帖子列表查詢，通過uid查詢其發(fā)布的所有帖子，約占讀請求量10%

select * from t_tiezi where uid=$uid 

四、帖子中心水平切分-tid切分法

當數據量越來越大時，需要對帖子數據的存儲進行線性擴展。

既然是帖子中心，并且帖子記錄查詢量占了總請求的90%，很容易想到通過tid字段取模來進行水平切分：

這個方法簡單直接，優(yōu)點：

• 100%寫請求可以直接定位到庫
• 90%的讀請求可以直接定位到庫

缺點：

• 一個用戶發(fā)布的所有帖子可能會落到不同的庫上，10%的請求通過uid來查詢會比較麻煩

如上圖，一個uid訪問需要遍歷所有庫。

五、帖子中心水平切分-uid切分法

有沒有一種切分方法，確保同一個用戶發(fā)布的所有帖子都落在同一個庫上，而在查詢一個用戶發(fā)布的所有帖子時，不需要去遍歷所有的庫呢?

答：使用uid來分庫可以解決這個問題。

新出現的問題：如果使用uid來分庫，確保了一個用戶的帖子數據落在同一個庫上，那通過tid來查詢，就不知道這個帖子落在哪個庫上了，豈不是還需要遍歷全庫，需要怎么優(yōu)化呢?

答：tid的查詢是單行記錄查詢，只要在數據庫(或者緩存)記錄tid到uid的映射關系，就能解決這個問題。

新增一個索引庫：

t_mapping(tid, uid); 

• 這個庫只有兩列，可以承載很多數據
• 即使數據量過大，索引庫可以利用tid水平切分
• 這類kv形式的索引結構，可以很好的利用cache優(yōu)化查詢性能
• 一旦帖子發(fā)布，tid和uid的映射關系就不會發(fā)生變化，cache的***率會非常高

使用uid分庫，并增加索引庫記錄tid到uid的映射關系之后，每當有uid上的查詢：

可以通過uid直接定位到庫。

每當有tid上的查詢：

• 先查詢索引表，通過tid查詢到對應的uid
• 再通過uid定位到庫

這個方法的優(yōu)點：

• 一個用戶發(fā)布的所以帖子落在同一個庫上
• 10%的請求過過uid來查詢列表，可以直接定位到庫
• 索引表cache***率非常高，因為tid與uid的映射關系不會變

缺點：

• 90%的tid請求，以及100%的修改請求，不能直接定位到庫，需要先進行一次索引表的查詢，當然這個查詢非常塊，通常在5ms內可以返回
• 數據插入時需要操作元數據與索引表，可能引發(fā)潛在的一致性問題

六、帖子中心水平切分-基因法

有沒有一種方法，既能夠通過uid定位到庫，又不需要建立索引表來進行二次查詢呢，這就是本文要敘述的“1對多”業(yè)務分庫***實踐，基因法。

什么是分庫基因?

通過uid分庫，假設分為16個庫，采用uid%16的方式來進行數據庫路由，這里的uid%16，其本質是uid的***4個bit決定這行數據落在哪個庫上，這4個bit，就是分庫基因。

什么是基因法分庫?

在“1對多”的業(yè)務場景，使用“1”分庫，在“多”的數據id生成時，id末端加入分庫基因，就能同時滿足“1”和“多”的分庫查詢需求。

如上圖所示，uid=666的用戶發(fā)布了一條帖子(666的二進制表示為：1010011010)：

• 使用uid%16分庫，決定這行數據要插入到哪個庫中
• 分庫基因是uid的***4個bit，即1010
• 在生成tid時，先使用一種分布式ID生成算法生成前60bit(上圖中綠色部分)
• 將分庫基因加入到tid的***4個bit(上圖中粉色部分)
• 拼裝成最終的64bit帖子tid(上圖中藍色部分)

(怎么生成60bit分布式唯一ID，請參見《分布式ID生成算法》)

這般，保證了同一個用戶發(fā)布的所有帖子的tid，都落在同一個庫上，tid的***4個bit都相同，于是：

• 通過uid%16能夠定位到庫
• 通過tid%16也能定位到庫

潛在問題一：同一個uid發(fā)布的tid落在同一個庫上，會不會出現數據不均衡?

答：只要uid是均衡的，每個用戶發(fā)布的平均帖子數是均衡的，每個庫的數據就是均衡的。

潛在問題二：最開始分16庫，分庫基因是4bit，未來要擴充成32庫，分庫基因變成了5bit，那怎么辦?

答：需要提前做好容量預估，例如事先規(guī)劃好5年內數據增長256庫足夠，就提前預留8bit基因。

七、總結

將以“帖子中心”為典型的“1對多”類業(yè)務，在架構上，采用元數據與索引數據分離的架構設計方法：

• 帖子服務，元數據滿足uid和tid的查詢需求
• 搜索服務，索引數據滿足復雜搜索尋求

對于元數據的存儲，在數據量較大的情況下，有三種常見的切分方法：

• tid切分法，按照tid分庫，同一個用戶發(fā)布的帖子落在不同的庫上，通過uid來查詢要遍歷所有庫
• uid切分法，按照uid分庫，同一個用戶發(fā)布的帖子落在同一個庫上，需要通過索引表或者緩存來記錄tid與uid的映射關系，通過tid來查詢時，先查到uid，再通過uid定位庫
• 基因法，按照uid分庫，在生成tid里加入uid上的分庫基因，保證通過uid和tid都能直接定位到庫

對于1對多的業(yè)務場景，分庫架構不再是瓶頸。

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

戳這里，看該作者更多好文