寫在最前

本文主要描述在網(wǎng)站的不同的并發(fā)訪問量級下，Mysql架構(gòu)的演變。

[[269603]]

可擴(kuò)展性

架構(gòu)的可擴(kuò)展性往往和并發(fā)是息息相關(guān)，沒有并發(fā)的增長，也就沒有必要做高可擴(kuò)展性的架構(gòu)，這里對可擴(kuò)展性進(jìn)行簡單介紹一下，常用的擴(kuò)展手段有以下兩種：

Scale-up：縱向擴(kuò)展，通過替換為更好的機(jī)器和資源來實現(xiàn)伸縮，提升服務(wù)能力。

Scale-out：橫向擴(kuò)展, 通過加節(jié)點(diǎn)(機(jī)器)來實現(xiàn)伸縮，提升服務(wù)能力。

對于互聯(lián)網(wǎng)的高并發(fā)應(yīng)用來說，無疑Scale out才是出路，通過縱向的買更高端的機(jī)器一直是我們所避諱的問題，也不是長久之計，在scale out的理論下，可擴(kuò)展性的理想狀態(tài)是什么?

可擴(kuò)展性的理想狀態(tài)

一個服務(wù)，當(dāng)面臨更高的并發(fā)的時候，能夠通過簡單增加機(jī)器來提升服務(wù)支撐的并發(fā)度，且增加機(jī)器過程中對線上服務(wù)無影響(no down time)，這就是可擴(kuò)展性的理想狀態(tài)!

架構(gòu)的演變

V1.0 簡單網(wǎng)站架構(gòu)

一個簡單的小型網(wǎng)站或者應(yīng)用背后的架構(gòu)可以非常簡單, 數(shù)據(jù)存儲只需要一個mysql instance就能滿足數(shù)據(jù)讀取和寫入需求(這里忽略掉了數(shù)據(jù)備份的實例)，處于這個時間段的網(wǎng)站，一般會把所有的信息存到一個database instance里面。

在這樣的架構(gòu)下，我們來看看數(shù)據(jù)存儲的瓶頸是什么?

1.數(shù)據(jù)量的總大小 一個機(jī)器放不下時。

2.數(shù)據(jù)的索引(B+ Tree)一個機(jī)器的內(nèi)存放不下時。

3.訪問量(讀寫混合)一個實例不能承受。

只有當(dāng)以上3件事情任何一件或多件滿足時，我們才需要考慮往下一級演變。 從此我們可以看出，事實上對于很多小公司小應(yīng)用，這種架構(gòu)已經(jīng)足夠滿足他們的需求了，初期數(shù)據(jù)量的準(zhǔn)確評估是杜絕過度設(shè)計很重要的一環(huán)，畢竟沒有人愿意為不可能發(fā)生的事情而浪費(fèi)自己的經(jīng)歷。

這里簡單舉個我的例子，對于用戶信息這類表 (3個索引)，16G內(nèi)存能放下大概2000W行數(shù)據(jù)的索引，簡單的讀和寫混合訪問量3000/s左右沒有問題，你的應(yīng)用場景是否

V2.0 垂直拆分

一般當(dāng)V1.0 遇到瓶頸時，首先最簡便的拆分方法就是垂直拆分，何謂垂直?就是從業(yè)務(wù)角度來看，將關(guān)聯(lián)性不強(qiáng)的數(shù)據(jù)拆分到不同的instance上，從而達(dá)到消除瓶頸的目標(biāo)。以圖中的為例，將用戶信息數(shù)據(jù)，和業(yè)務(wù)數(shù)據(jù)拆分到不同的三個實例上。對于重復(fù)讀類型比較多的場景，我們還可以加一層cache，來減少對DB的壓力。

在這樣的架構(gòu)下，我們來看看數(shù)據(jù)存儲的瓶頸是什么?

1.單實例單業(yè)務(wù) 依然存在V1.0所述瓶頸

遇到瓶頸時可以考慮往本文更高V版本升級, 若是讀請求導(dǎo)致達(dá)到性能瓶頸可以考慮往V3.0升級， 其他瓶頸考慮往V4.0升級。

V3.0 主從架構(gòu)

此類架構(gòu)主要解決V2.0架構(gòu)下的讀問題，通過給Instance掛數(shù)據(jù)實時備份的思路來遷移讀取的壓力，在Mysql的場景下就是通過主從結(jié)構(gòu)，主庫抗寫壓力，通過從庫來分擔(dān)讀壓力，對于寫少讀多的應(yīng)用，V3.0主從架構(gòu)完全能夠勝任。

在這樣的架構(gòu)下，我們來看看數(shù)據(jù)存儲的瓶頸是什么?

1.寫入量主庫不能承受

V4.0 水平拆分

對于V2.0 V3.0方案遇到瓶頸時，都可以通過水平拆分來解決，水平拆分和垂直拆分有較大區(qū)別，垂直拆分拆完的結(jié)果，在一個實例上是擁有全量數(shù)據(jù)的，而水平拆分之后，任何實例都只有全量的1/n的數(shù)據(jù)，以下圖Userinfo的拆分為例，將userinfo拆分為3個cluster，每個cluster持有總量的1/3數(shù)據(jù)，3個cluster數(shù)據(jù)的總和等于一份完整數(shù)據(jù)(注：這里不再叫單個實例而是叫一個cluster 代表包含主從的一個小mysql集群)。

數(shù)據(jù)如何路由?

1.Range拆分

sharding key按連續(xù)區(qū)間段路由，一般用在有嚴(yán)格自增ID需求的場景上，如Userid, Userid Range的小例子：以userid 3000W 為Range進(jìn)行拆分 1號cluster userid 1-3000W 2號cluster userid 3001W-6000W

2.List拆分

List拆分與Range拆分思路一樣，都是通過給不同的sharding key來路由到不同的cluster，但是具體方法有些不同,List主要用來做sharding key不是連續(xù)區(qū)間的序列落到一個cluster的情況，如以下場景：

假定有20個音像店，分布在4個有經(jīng)銷權(quán)的地區(qū)，如下表所示：

業(yè)務(wù)希望能夠把一個地區(qū)的所有數(shù)據(jù)組織到一起來搜索，這種場景List拆分可以輕松搞定。

3.Hash拆分

通過對sharding key 進(jìn)行哈希的方式來進(jìn)行拆分，常用的哈希方法有除余,字符串哈希等等，除余如按userid%n 的值來決定數(shù)據(jù)讀寫哪個cluster，其他哈希類算法這里就不細(xì)展開講了。

數(shù)據(jù)拆分后引入的問題：

數(shù)據(jù)水平拆分引入的問題主要是只能通過sharding key來讀寫操作，例如以userid為sharding key的切分例子，讀userid的詳細(xì)信息時，一定需要先知道userid,這樣才能推算出再哪個cluster進(jìn)而進(jìn)行查詢，假設(shè)我需要按username進(jìn)行檢索用戶信息，需要引入額外的反向索引機(jī)制(類似HBASE二級索引)，如在redis上存儲username->userid的映射，以username查詢的例子變成了先通過查詢username->userid，再通過userid查詢相應(yīng)的信息。

實際上這個做法很簡單，但是我們不要忽略了一個額外的隱患，那就是數(shù)據(jù)不一致的隱患。存儲在redis里的username->userid和存儲在mysql里的userid->username必須需要是一致的，這個保證起來很多時候是一件比較困難的事情，舉個例子來說，對于修改用戶名這個場景，你需要同時修改redis和mysql,這兩個東西是很難做到事務(wù)保證的,如mysql操作成功 但是redis卻操作失敗了(分布式事務(wù)引入成本較高),對于互聯(lián)網(wǎng)應(yīng)用來說，可用性是最重要的，一致性是其次，所以能夠容忍小量的不一致出現(xiàn). 畢竟從占比來說，這類的不一致的比例可以微乎其微到忽略不計(一般寫更新也會采用mq來保證直到成功為止才停止重試操作)

在這樣的架構(gòu)下，我們來看看數(shù)據(jù)存儲的瓶頸是什么?

在這個拆分理念上搭建起來的架構(gòu)，理論上不存在瓶頸(sharding key能確保各cluster流量相對均衡的前提下),不過確有一件惡心的事情，那就是cluster擴(kuò)容的時候重做數(shù)據(jù)的成本，如我原來有3個cluster，但是現(xiàn)在我的數(shù)據(jù)增長比較快，我需要6個cluster，那么我們需要將每個cluster 一拆為二，一般的做法是：

1.摘下一個slave,停同步,

2.對寫記錄增量log(實現(xiàn)上可以業(yè)務(wù)方對寫操作 多一次寫持久化mq 或者mysql主創(chuàng)建trigger記錄寫 等等方式)

3.開始對靜態(tài)slave做數(shù)據(jù), 一拆為二

4.回放增量寫入,直到追上的所有增量,與原cluster基本保持同步

5.寫入切換，由原3 cluster 切換為6cluster

有沒有類似飛機(jī)空中加油的感覺，這是一個臟活，累活，容易出問題的活，為了避免這個，我們一般在最開始的時候，設(shè)計足夠多的sharding cluster來防止可能的cluster擴(kuò)容這件事情。

V5.0 云計算 騰飛(云數(shù)據(jù)庫)

云計算現(xiàn)在是各大IT公司內(nèi)部作為節(jié)約成本的一個突破口，對于數(shù)據(jù)存儲的mysql來說，如何讓其成為一個saas(Software as a Service)是關(guān)鍵點(diǎn)。在MS的官方文檔中，把構(gòu)建一個足夠成熟的SAAS(MS簡單列出了SAAS應(yīng)用的4級成熟度)所面臨的3個主要挑戰(zhàn)：可配置性，可擴(kuò)展性，多用戶存儲結(jié)構(gòu)設(shè)計稱為"three headed monster". 可配置性和多用戶存儲結(jié)構(gòu)設(shè)計在Mysql saas這個問題中并不是特別難辦的一件事情，所以這里重點(diǎn)說一下可擴(kuò)展性。

Mysql作為一個saas服務(wù)，在架構(gòu)演變?yōu)閂4.0之后，依賴良好的sharding key設(shè)計, 已經(jīng)不再存在擴(kuò)展性問題，只是他在面對擴(kuò)容縮容時，有一些臟活需要干，而作為saas,并不能避免擴(kuò)容縮容這個問題，所以只要能把V4.0的臟活變成 1. 擴(kuò)容縮容對前端APP透明(業(yè)務(wù)代碼不需要任何改動) 2.擴(kuò)容縮容全自動化且對在線服務(wù)無影響 那么他就拿到了作為Saas的門票。

對于架構(gòu)實現(xiàn)的關(guān)鍵點(diǎn)，需要滿足對業(yè)務(wù)透明，擴(kuò)容縮容對業(yè)務(wù)不需要任何改動，那么就必須eat our own dog food，在你mysql saas內(nèi)部解決這個問題，一般的做法是我們需要引入一個Proxy,Proxy來解析sql協(xié)議，按sharding key 來尋找cluster, 判斷是讀操作還是寫操作來請求主 或者 從，這一切內(nèi)部的細(xì)節(jié)都由proxy來屏蔽。

這里借淘寶的圖來列舉一下proxy需要干哪些事情：

百度公開的技術(shù)方案中也有類似的解決方案

對于架構(gòu)實現(xiàn)的關(guān)鍵點(diǎn)，擴(kuò)容縮容全自動化且對在線服務(wù)無影響; 擴(kuò)容縮容對應(yīng)到的數(shù)據(jù)操作即為數(shù)據(jù)拆分和數(shù)據(jù)合并，要做到完全自動化有非常多不同的實現(xiàn)方式，總體思路和V4.0介紹的瓶頸部分有關(guān)，目前來看這個問題比較好的方案就是實現(xiàn)一個偽裝slave的sync slave, 解析mysql同步協(xié)議，然后實現(xiàn)數(shù)據(jù)拆分邏輯，把全量數(shù)據(jù)進(jìn)行拆分。具體架構(gòu)見下圖：

其中Sync slave對于Original Master來說，和一個普通的Mysql Slave沒有任何區(qū)別，也不需要任何額外的區(qū)分對待。需要擴(kuò)容/縮容時，掛上一個Sync slave,開始全量同步+增量同步，等待一段時間追數(shù)據(jù)。以擴(kuò)容為例，若擴(kuò)容后的服務(wù)和擴(kuò)容前數(shù)據(jù)已經(jīng)基本同步了，這時候如何做到切換對業(yè)務(wù)無影響? 其實關(guān)鍵點(diǎn)還是在引入的proxy,這個問題轉(zhuǎn)換為了如何讓proxy做熱切換后端的問題。這已經(jīng)變成一個非常好處理的問題了。

另外值得關(guān)注的是：2014年5月28日——為了滿足當(dāng)下對Web及云應(yīng)用需求，甲骨文宣布推出MySQL Fabric，在對應(yīng)的資料部分我也放了很多Fabric的資料，有興趣的可以看看，說不定會是以后的一個解決云數(shù)據(jù)庫擴(kuò)容縮容的手段。

V more ?

等待革命...