背景

2016年Q3季度初，在美團外賣上單2.0項目上線后，商家和商品數(shù)量急速增長，預估商品庫的容量和寫峰值QPS會很快遇到巨大壓力。隨之而來也會影響線上服務的查詢性能、DB(數(shù)據(jù)庫，以下統(tǒng)一稱DB)主從延遲、表變更困難等一系列問題。

[[273412]]

要解決上面所說的問題，通常有兩種方案。第一種方案是直接對現(xiàn)有的商品庫進行垂直拆分，可以緩解目前寫峰值QPS過大、DB主從延遲的問題。第二種方案是對現(xiàn)有的商品庫大表進行分庫分表，從根本上解決現(xiàn)有問題。方案一實施起來周期較短，但只能解決一時之痛，由此可見，分庫分表是必然的。

在確定分庫分表的方案之后，我們調研了外賣訂單、結算以及主站等業(yè)務的分庫分表實現(xiàn)方案，也調研了業(yè)界很多分庫分表中間件。在綜合考慮性能、穩(wěn)定性及實現(xiàn)成本的前提下，最終決定自主研發(fā)客戶端分庫分表中間件MTDDL來支撐外賣商品分庫分表項目，這也就是MTDDL的由來。

當然，在MTDDL的設計研發(fā)過程中，我們充分考慮了MTDDL的通用性、可擴展性、功能的全面性和接入的便利性。到目前為止一共開發(fā)了四期，實現(xiàn)了MySQL動態(tài)數(shù)據(jù)源、讀寫分離、分布式唯一主鍵生成器、分庫分表、連接池及SQL監(jiān)控、動態(tài)化配置等一系列功能，支持分庫分表算法、分布式唯一主鍵生成算法的高可擴展性，而且支持全注解的方式接入，業(yè)務方不需要引入任何配置文件。

下面就部分業(yè)界方案及MTDDL的設計目標詳細展開下，然后從源碼的角度來剖析下MTDDL的整個邏輯架構和具體實現(xiàn)。

業(yè)界調研

業(yè)界組件簡介實現(xiàn)方案功能特性優(yōu)點缺點AtlasQihoo 360開發(fā)維護的一個基于MySQL協(xié)議的數(shù)據(jù)中間層項目。它實現(xiàn)了MySQL的客戶端與服務端協(xié)議，作為服務端與應用程序通信，同時作為客戶端與MySQL通信proxy-based實現(xiàn)讀寫分離、單庫分表功能簡單，性能跟穩(wěn)定性較好不支持分庫分表MTAtlas原美團DBA團隊在開源Atlas基礎上做的一系列升級改造proxy-based在讀寫分離、單庫分表的基礎上，完成了分庫分表的功能開發(fā)在Atlas基礎上支持了分庫分表當時還處于測試階段，暫不推薦業(yè)務方使用TDDL淘寶根據(jù)自己的業(yè)務特點開發(fā)了TDDL框架，主要解決了分庫分表對應用的透明化以及異構數(shù)據(jù)庫之間的數(shù)據(jù)復制，它是一個基于集中式配置的JDBC datasource實現(xiàn)client-based實現(xiàn)動態(tài)數(shù)據(jù)源、讀寫分離、分庫分表功能齊全分庫分表功能還未開源，當前公布文檔較少，并且需要依賴diamond(淘寶內部使用的一個管理持久配置的系統(tǒng))ZebraZebra是原點評內部使用數(shù)據(jù)源、DAO以及監(jiān)控等和數(shù)據(jù)庫打交道的中間件集client-based實現(xiàn)動態(tài)數(shù)據(jù)源、讀寫分離、分庫分表、CAT監(jiān)控功能齊全且有監(jiān)控接入較為復雜，當時只支持c3p0、Druid、Tomcat JDBC等連接池，且分庫分表算法只支持Groovy表達式不易擴展。

設計目標

MTDDL(Meituan Distributed Data Layer)，美團點評分布式數(shù)據(jù)訪問層中間件，旨在為全公司提供一個通用數(shù)據(jù)訪問層服務，支持MySQL動態(tài)數(shù)據(jù)源、讀寫分離、分布式唯一主鍵生成器、分庫分表、動態(tài)化配置等功能，并且支持從客戶端角度對數(shù)據(jù)源的各方面(比如連接池、SQL等)進行監(jiān)控，后續(xù)考慮支持NoSQL、Cache等多種數(shù)據(jù)源。

功能特性

• 動態(tài)數(shù)據(jù)源
• 讀寫分離
• 分布式唯一主鍵生成器
• 分庫分表
• 連接池及SQL監(jiān)控
• 動態(tài)化配置

邏輯架構

下圖是一次完整的DAO層insert方法調用時序圖，簡單闡述了MTDDL的整個邏輯架構。其中包含了分布式唯一主鍵的獲取、動態(tài)數(shù)據(jù)源的路由以及SQL埋點監(jiān)控等過程：

具體實現(xiàn)

動態(tài)數(shù)據(jù)源及讀寫分離

在Spring JDBC AbstractRoutingDataSource的基礎上擴展出MultipleDataSource動態(tài)數(shù)據(jù)源類，通過動態(tài)數(shù)據(jù)源注解及AOP實現(xiàn)。

動態(tài)數(shù)據(jù)源

MultipleDataSource動態(tài)數(shù)據(jù)源類，繼承于Spring JDBC AbstractRoutingDataSource抽象類，實現(xiàn)了determineCurrentLookupKey方法，通過setDataSourceKey方法來動態(tài)調整dataSourceKey，進而達到動態(tài)調整數(shù)據(jù)源的功能。其類圖如下：

動態(tài)數(shù)據(jù)源AOP

ShardMultipleDataSourceAspect動態(tài)數(shù)據(jù)源切面類，針對DAO方法進行功能增強，通過掃描DataSource動態(tài)數(shù)據(jù)源注解來獲取相應的dataSourceKey，從而指定具體的數(shù)據(jù)源。具體流程圖如下：

配置和使用方式舉例

/** 
* 參考配置 
*/ 
<bean id="multipleDataSource" class="com.sankuai.meituan.waimai.datasource.multi.MultipleDataSource"> 
/** 數(shù)據(jù)源配置 */ 
<property name="targetDataSources"> 
<map key-type="java.lang.String"> 
/** 寫數(shù)據(jù)源 */ 
<entry key="dbProductWrite" value-ref="dbProductWrite"/> 
/** 讀數(shù)據(jù)源 */ 
<entry key="dbProductRead" value-ref="dbProductRead"/> 
</map> 
</property> 
</bean> 
/** 
* DAO使用動態(tài)數(shù)據(jù)源注解 
*/ 
public interface WmProductSkuDao { 
/** 增刪改走寫數(shù)據(jù)源 */ 
@DataSource("dbProductWrite") 
public void insert(WmProductSku sku); 
/** 查詢走讀數(shù)據(jù)源 */ 
@DataSource("dbProductRead") 
public void getById(long sku_id); 
} 

分布式唯一主鍵生成器

眾所周知，分庫分表首先要解決的就是分布式唯一主鍵的問題，業(yè)界也有很多相關方案：

綜上，方案3的缺點可以通過一些手段避免，但其他方案的缺點不好處理，所以選擇第3種方案。目前該方案已由美團點評技術工程部實現(xiàn)——分布式ID生成系統(tǒng)Leaf，MTDDL集成了此功能。

分布式ID生成系統(tǒng)Leaf

美團點評分布式ID生成系統(tǒng)Leaf，其實是一種基于DB的Ticket服務，通過一張通用的Ticket表來實現(xiàn)分布式ID的持久化，執(zhí)行update更新語句來獲取一批Ticket，這些獲取到的Ticket會在內存中進行分配，分配完之后再從DB獲取下一批Ticket。整體架構圖如下：

每個業(yè)務tag對應一條DB記錄，DB MaxID字段記錄當前該Tag已分配出去的最大ID值。

IDGenerator服務啟動之初向DB申請一個號段，傳入號段長度如 genStep = 10000，DB事務置 MaxID = MaxID + genStep，DB設置成功代表號段分配成功。每次IDGenerator號段分配都通過原子加的方式，待分配完畢后重新申請新號段。

唯一主鍵生成算法擴展

MTDDL不僅集成了Leaf算法，還支持唯一主鍵算法的擴展，通過新增唯一主鍵生成策略類實現(xiàn)IDGenStrategy接口即可。IDGenStrategy接口包含兩個方法：getIDGenType用來指定唯一主鍵生成策略，getId用來實現(xiàn)具體的唯一主鍵生成算法。其類圖如下：

分庫分表

在動態(tài)數(shù)據(jù)源AOP的基礎上擴展出分庫分表AOP，通過分庫分表ShardHandle類實現(xiàn)分庫分表數(shù)據(jù)源路由及分表計算。ShardHandle關聯(lián)了分庫分表上下文ShardContext類，而ShardContext封裝了所有的分庫分表算法。其類圖如下：

分庫分表流程圖如下：

分庫分表取模算法

分庫分表目前默認使用的是取模算法，分表算法為 (#shard_key % (group_shard_num * table_shard_num))，分庫算法為 (#shard_key % (group_shard_num * table_shard_num)) / table_shard_num，其中group_shard_num為分庫個數(shù)，table_shard_num為每個庫的分表個數(shù)。

例如把一張大表分成100張小表然后散到2個庫，則0-49落在第一個庫、50-99落在第二個庫。核心實現(xiàn)如下：

public class ModStrategyHandle implements ShardStrategy { 
@Override 
public String getShardType() { 
return "mod"; 
} 
@Override 
public DataTableName handle(String tableName, String dataSourceKey, int tableShardNum, 
int dbShardNum, Object shardValue) { 
/** 計算散到表的值 */ 
long shard_value = Long.valueOf(shardValue.toString()); 
long tablePosition = shard_value % tableShardNum; 
long dbPosition = tablePosition / (tableShardNum / dbShardNum); 
String finalTableName = new StringBuilder().append(tableName).append("_").append(tablePosition).toString(); 
String finalDataSourceKey = new StringBuilder().append(dataSourceKey).append(dbPosition).toString(); 
return new DataTableName(finalTableName, finalDataSourceKey); 
} 
} 

分庫分表算法擴展

MTDDL不僅支持分庫分表取模算法，還支持分庫分表算法的擴展，通過新增分庫分表策略類實現(xiàn)ShardStrategy接口即可。ShardStrategy接口包含兩個方法：getShardType用來指定分庫分表策略，handle用來實現(xiàn)具體的數(shù)據(jù)源及分表計算邏輯。其類圖如下：

全注解方式接入

為了盡可能地方便業(yè)務方接入，MTDDL采用全注解方式使用分庫分表功能，通過ShardInfo、ShardOn、IDGen三個注解實現(xiàn)。

ShardInfo注解用來指定具體的分庫分表配置：包括分表名前綴tableName、分表數(shù)量tableShardNum、分庫數(shù)量dbShardNum、分庫分表策略shardType、唯一鍵生成策略idGenType、唯一鍵業(yè)務方標識idGenKey;ShardOn注解用來指定分庫分表字段;IDGen注解用來指定唯一鍵字段。具體類圖如下：

配置和使用方式舉例

// 動態(tài)數(shù)據(jù)源 
@DataSource("dbProductSku") 
// tableName：分表名前綴，tableShardNum：分表數(shù)量，dbShardNum：分庫數(shù)量，shardType：分庫分表策略，idGenType：唯一鍵生成策略，idGenKey：唯一鍵業(yè)務方標識 
@ShardInfo(tableName="wm_food", tableShardNum=100, dbShardNum=1, shardType="mod", idGenType=IDGenType.LEAF, idGenKey=LeafKey.SKU) 
@Component 
public interface WmProductSkuShardDao { 
// @ShardOn("wm_poi_id") 將該注解修飾的對象的wm_poi_id字段作為shardValue 
// @IDGen("id") 指定要設置唯一鍵的字段 
public void insert(@ShardOn("wm_poi_id") @IDGen("id") WmProductSku sku); 
// @ShardOn 將該注解修飾的參數(shù)作為shardValue 
public List<WmProductSku> getSkusByWmPoiId(@ShardOn long wm_poi_id); 
} 

連接池及SQL監(jiān)控

DB連接池使用不合理容易引發(fā)很多問題，如連接池最大連接數(shù)設置過小導致線程獲取不到連接、獲取連接等待時間設置過大導致很多線程掛起、空閑連接回收器運行周期過長導致空閑連接回收不及時等等，如果缺乏有效準確的監(jiān)控，會造成無法快速定位問題以及追溯歷史。

再者，如果缺乏SQL執(zhí)行情況相關監(jiān)控，會很難及時發(fā)現(xiàn)DB慢查詢等潛在風險，而慢查詢往往就是DB服務端性能惡化乃至宕機的根源(關于慢查詢，推薦閱讀《MySQL索引原理及慢查詢優(yōu)化》一文)。MTDDL從1.0.2版本開始正式引入連接池及SQL監(jiān)控等相關功能。

連接池監(jiān)控

實現(xiàn)方案

結合Spring完美適配c3p0、dbcp1、dbcp2、mtthrift等多種方案，自動發(fā)現(xiàn)新加入到Spring容器中的數(shù)據(jù)源進行監(jiān)控，通過美團點評統(tǒng)一監(jiān)控組件JMonitor上報監(jiān)控數(shù)據(jù)。整體架構圖如下：

連接數(shù)量監(jiān)控

監(jiān)控連接池active、idle、total連接數(shù)量，Counter格式：(連接池類型.數(shù)據(jù)源.active/idle/total_connection)，效果圖如下：

獲取連接時間監(jiān)控

監(jiān)控獲取空閑連接時間，Counter格式：(ds.getConnection.數(shù)據(jù)源.time)，效果圖如下：

SQL監(jiān)控

實現(xiàn)方案

采用Spring AOP技術對所有DAO方法進行功能增強處理，通過美團點評分布式會話跟蹤組件MTrace進行SQL調用數(shù)據(jù)埋點及上報，進而實現(xiàn)從客戶端角度對SQL執(zhí)行耗時、QPS、調用量、超時率、失敗率等指標進行監(jiān)控。整體架構圖如下：

實現(xiàn)效果

登錄美團點評的服務治理平臺OCTO選擇服務查看去向分析，效果圖如下：

動態(tài)化配置

為了滿足業(yè)務方一些動態(tài)化需求，如解決線上DB緊急事故需動態(tài)調整數(shù)據(jù)源或者分庫分表相關配置，要求無需重啟在線修改立即生效，MTDDL從1.0.3版本開始正式引入動態(tài)化配置相關功能。

實現(xiàn)方案

在Spring容器啟動的時候自動注冊數(shù)據(jù)源及分庫分表相關配置到美團點評的統(tǒng)一配置中心MCC，在MCC配置管理頁面可以進行動態(tài)調整，MCC客戶端在感知到變更事件后會刷新本地配置，如果是數(shù)據(jù)源配置變更會根據(jù)新的配置構造出一個新數(shù)據(jù)源來替換老數(shù)據(jù)源，最后再將老的數(shù)據(jù)源優(yōu)雅關閉掉。具體流程圖如下：

動態(tài)化數(shù)據(jù)源

目前支持dbcp、dbcp2、c3p0等數(shù)據(jù)源，效果圖如下：

分庫分表動態(tài)化

支持動態(tài)化配置分庫分表數(shù)量、分庫分表策略、唯一鍵生成策略、唯一鍵業(yè)務方標識等，效果圖如下：

版本迭代

MTDDL到目前為止總共開發(fā)了四期，后續(xù)考慮逐步開源，具體版本迭代如下：