作為數據庫核心成員,如何讓淘寶不卡頓?

作為數據庫核心成員,如何讓淘寶不卡頓?
阿里妹導讀:TDDL(Tabao Distributed Data Layer)是淘寶開源的一個用於訪問數據庫的中間件,集成了分庫分表,主備,讀寫分離,權重調配,動態數據庫配置等功能。本文以2007年TDDL初誕生時的視角,介紹TDDL是如何一步步設計成型的,希望能幫助同學們簡單收穫:常規數據庫效率問題解決思路、TDDL框架設計基本思路以及分佈式數據庫設計思路等。

文末福利:《MySQL實操》技術公開課。

時間倒轉穿越回2007年年底

一覺醒來,我還是照常去上班,走到西溪濕地附近,馬路沒有,高樓沒有,有的是小山坡和金色的稻田。一番打聽之後,才知道此時沒有什麼西溪園區。沒辦法,硬着頭皮去濱江上班,一刷卡,才發現我並不是我,我現在的身份是淘寶數據庫團隊的核心成員。

此時全國上下在迎接着奧運的到來,一片祥和。淘寶網成交額突破400億,日活用户達1000萬。工程師們都非常興奮,磨刀霍霍。但是也遇到了棘手的問題。

一 分析當前的現狀

1.1 現有業務背景

淘寶網給中國市場提供了全新的購物形式,在互聯網的大潮下,用户暴增,成交量暴增,公司持續飛速增長。

截止2007年,淘寶網成交額突破400億,日活用户達1000萬。

全天有1000萬用户訪問淘寶。而絕大多數用户都是在網上逛,什麼也不買。

1.2 當前的問題

1.2.1 用户體驗與反饋

用户普遍反饋逛淘寶卡頓,操作延遲特別明顯。

1.2.2 分析核心原因

大量的用户在瀏覽商品,並不下單。這個人數和場景的比例有20:1。

説明:數據庫模式事務,寫操作會對錶或者行加寫鎖,阻塞讀操作。

業務數據集中在一張表裏,如user表。一張表裏數據破幾千萬。查詢一條數據需要好幾秒(單表數據量太大)。

説明:一張表數據提升,必然會導致檢索變慢, 這是必然事實。不論如何加索引或者優化都無法解決的。

所有表集中在一個庫裏,所有庫集中在一個機器裏。數據庫集中在一台機器上,動不動就説硬盤不夠了(單機單庫)。

説明:所有業務共用一份物理機器資源。機器存在瓶頸:磁盤和CPU不夠用且後期拓展性不佳。

1.2.3 總結問題

20:1讀寫比例場景。

單表單庫數據量太大。

小型機與單機場景,抗不住當前規模。

作為數據庫核心成員,如何讓淘寶不卡頓?
當前現狀

二 我要做什麼?

如何滿足當前每天1000萬用户逛淘寶的需求,且用户體驗好(最基本要求:響應快)。

如何滿足未來有上億用户的訪問,甚至是同時訪問,且用户體驗好(最基本要求:響應快)。

高築牆,廣積糧,積極做好準備。

提煉核心:

提高數據庫操作速度。

同時能應對未來規模變化。

三 我能做什麼?

為實現以上兩大目標,我能做什麼?

3.1 提高數據庫操作速度,通用方法

提煉常見的通用方法:

sql優化

排除語法問題,爛sql

下推優化

下推的目的:提前過濾數據 -> 減少網絡傳輸、並行計算。

提前過濾數據

小表驅動大表等

建立索引

查詢頻率高的熱點字段

區分度高的(DISTINCT column_name)/COUNT(*),以主鍵為榜樣(1/COUNT(*))

長度小

儘量能覆蓋常用查詢字段

注意索引失效的場景

分庫分表

垂直分庫分表

水平分庫分表

讀寫分離

緩存的使用

等等。

3.2 如何應對未來的持續變化?

必須支持動態擴容。

必須走分佈式化路線,百分百不動搖。

3.3 結合定位,分析自己能做的

3.3.1 分析我們的架構定位

(1)大前提

我們要做通用型框架,不參與業務。

從軟件設計原則出發,開閉原則:對擴展開放,對修改關閉。

説明:大修改就意味着不穩定,因此:我們要做到儘可能少的修改原來的代碼。在程序需要進行拓展的時候,不能去修改原有的代碼,實現一個熱插拔的效果。

(2)當前架構現狀

淘寶網主要使用hibernate/ibatis傳統框架:

作為數據庫核心成員,如何讓淘寶不卡頓?
初始框架

(3)分析我們的架構定位

淘寶數據庫團隊當時使用映射框架(hibernate/ibatis)作為數據庫交互入庫,為了不讓他們修改代碼,那我們只能在ibatis/hibenate這類映射框架之下。

同時jdbc是與底層數據庫交互的Java數據庫連接驅動程序,是基礎能力,我們要使用它,而不是改造它。

結論:我得把TDDL安插於ibatis/jdbc之間,於是有了第一張架構圖:

作為數據庫核心成員,如何讓淘寶不卡頓?
TDDL的定位

3.4 總結,我們能做什麼?

作為數據庫核心成員,如何讓淘寶不卡頓?
結合我們的目標,通用方法,大前提以及架構定位,分析下我們能做和不能做的。

不能做的:

索引,因為這個是設計階段,強業務相關。與大前提衝突:我們不參與業務。

能做的:

語法優化

排除sql問題

下推優化

分表分庫(自動水平分表,水平分庫)

讀寫分離(讀寫分離/分佈式化與動態擴容)

四 我們如何做?

4.1 語法優化

為達到語法優化的目的,我們需要具備什麼能力?

簡單來説:

我們需要認識這個別人提交給我的sql。

我能拆解sql。

優化與重組這個sql。

作為數據庫核心成員,如何讓淘寶不卡頓?
專業點來説:語義分析能力。

sql解析

sql規則制定

sql優化

sql重組

因此:我們需要設計一個sql解析器,sql優化器。

4.1.1 解析器

解析器的核心是詞法分析、語法語義分析,也就是説來了一條 select/update/insert/delete語句,你能認識它,而且你知道下一步該怎麼處理,同時為後面的優化器打下基礎。

核心:將sql解析為一棵語法樹。

例:

sql語法樹:

作為數據庫核心成員,如何讓淘寶不卡頓?
4.1.2 優化器

核心:

在sql解析成sql語法樹後,使用sql優化規則(1. 語法優化 2. 下推優化), 通過對樹進行左旋,右旋,刪除子樹來對語法樹進行重構sql語法樹。

將重構的語法樹進行遍歷得到優化後的sql。

(1)語法優化

函數提前計算

判斷永真/永假式

合併範圍

類型處理

(2)下推優化

Where條件下推

説明:提前條件過濾,提前獲取數據,減少後期計算/IO/網絡成本。

JOIN中非join列的條件下推

説明:提前過濾,減輕後期join計算成本,達到“小表驅動”的目的。

等值條件的推導

説明:同理,提前過濾。

4.1.3 總結

sql解析器

負責將sql語句化為sql語法樹。

sql優化器

負責將sql語法樹利用sql優化規則,重構sql語法樹。

將sql語法樹轉化為sql語句。

4.2 分表分庫

單庫單表的問題:

幾年前,業務簡單,應用的數據比較少,表結構也不復雜。只有一個數據庫,數據庫中的表是一張完整的表。而到了今天,2007年了,業務複雜起來了,數據量爆增,單表數據破千萬甚至上億條,一條DML語句,死慢死慢的。這種情況下加索引已不再有顯著的效果。

這個時候,數據庫效率瓶頸不是靠加索引,sql優化能搞定的。

正確出路:分表分庫,通過將表拆分,來降低單表數據量,進而提高數據庫操作效率。

分表分為:

垂直分表

水平分表

分庫分為:

垂直分庫

水平分庫

由於TDDL不參與業務,而垂直分庫分表是強業務相關的,因此TDDL暫不參與垂直分庫分表,只在水平分庫分表方向上努力。

4.2.1 垂直分表

垂直拆分是將一張表垂直拆成多個表。往往是把常用的列獨立成一張主表。不常用的列以及特別長的列拆分成另一張拓展表。

作為數據庫核心成員,如何讓淘寶不卡頓?
簡單垂直分表舉例

核心要素:

冷熱分離,把常用的列放在一個表,不常用的放在一個表。

大字段列獨立存放,如描述信息。

關聯關係的列緊密的放在一起。

它帶來的提升是:

為了避免IO爭搶並減少鎖表的幾率,查看詳情的用户與商品信息瀏覽互不影響。

充分發揮熱門數據的操作效率,商品信息的操作的高效率不會被商品描述的低效率所拖累。

4.2.2 水平分表

水平分表是在同一個數據庫內,把同一個表的數據按一定規則拆到多個表中。

作為數據庫核心成員,如何讓淘寶不卡頓?
簡單水平分表舉例

簡單點的技巧:按照枚舉類型區分。

作用總結:

庫內的水平分表,解決了單一表數據量過大的問題,分出來的小表中只包含一部分數據,從而使得單個表的數據量變小,提高檢索性能。

避免IO爭搶並減少鎖表的幾率。

4.2.3 垂直分庫

垂直分庫是指按照業務將表進行分類,分佈到不同的數據庫上面,每個庫可以放在不同的服務器上,它的核心理念是專庫專用。

作為數據庫核心成員,如何讓淘寶不卡頓?
垂直分庫

作用總結:

解決業務層面的耦合,業務清晰。

高併發場景下,垂直分庫一定程度的提升IO、數據庫連接數、降低單機硬件資源的瓶頸。

能對不同業務的數據進行分級管理、維護、監控、擴展等。

垂直分庫通過將表按業務分類,然後分佈在不同數據庫,並且可以將這些數據庫部署在不同服務器上,從而達到多個服務器共同分攤壓力的效果,但是依然沒有解決單表數據量過大的問題。

4.2.4 水平分庫(TDDL 核心)

水平分庫是把同一個表的數據按一定規則拆到不同的數據庫中,每個庫可以放在不同的服務器上。

作為數據庫核心成員,如何讓淘寶不卡頓?
水平分庫

作用總結:

解決了單庫單表數據量過大的問題,理論上解決了高併發的性能瓶頸。

水平分庫核心要解決的問題:

如何知道數據在哪個庫裏?- 路由問題

結果合併

全局唯一主鍵ID

分佈式事務(暫時不支持)

4.2.5 水平分庫——問題解決

(1)自動路由算法

sql轉發:在水平拆分後,數據被分散到多張表裏。原來的一個sql需要拆解,進行轉發路由。

例:

作為數據庫核心成員,如何讓淘寶不卡頓?
拆分表的數據訪問——SQL轉發

其中拆分和尋找的算法:怎麼知道對應哪個表?即自動路由算法。常見的有:固定哈希算法和一致性哈希算法。

a)固定哈希算法

作為數據庫核心成員,如何讓淘寶不卡頓?
b)一致性哈希算法

一致性哈希算法在1997年由麻省理工學院提出,是一種特殊的哈希算法,目的是解決分佈式緩存的問題。

一致性哈希算法的優勢:

極好的應對了服務器宕機的場景。

很好的支持後期服務器擴容。

在引入虛擬節點後:能很好的平衡各節點的數據分佈。

由於一致性哈希算法的優勢,此算法幾乎是所有分佈式場景下使用的方案,包括mysql的分佈式、redis的分佈式等。

作為數據庫核心成員,如何讓淘寶不卡頓?
(2) 結果合併

作為數據庫核心成員,如何讓淘寶不卡頓?
昇華:引入fork-Join,提升操作速度(多線程併發重點場景,代碼中也很常用哦)。

任務拆分

多路並行操作

結果合併

作為數據庫核心成員,如何讓淘寶不卡頓?
(3)全局唯一主鍵

優勢:簡單高效。

缺點:無法保證自增順序。

例:

表1新增一條數據,於是給表1分配1000個主鍵ID, 直到它用完。

同理,表2、表3在新增數據時,也給它們分配1000個主鍵ID。直到它用完。

當它們的1000個主鍵ID用完後,繼續給它們分配1000個即可。

重複下去,可保證各庫表上的主鍵不重疊,唯一。

作為數據庫核心成員,如何讓淘寶不卡頓?
這種產生全局唯一id的方式相當有效,保證基本的全局唯一特性和高性能的同時,可以對生成id的數據庫分機架分機房部署達到容災的目的。

4.2.6 分表分庫總結

作為數據庫核心成員,如何讓淘寶不卡頓?
架構師角度:

優先考慮緩存降低對數據庫的讀操作。

再考慮讀寫分離,降低數據庫寫操作。

最後開始數據拆分,切分模式:首先垂直(縱向)拆分、再次水平拆分。

首先考慮按照業務垂直拆分。

再考慮水平拆分:先分庫(設置數據路由規則,把數據分配到不同的庫中)。

最後再考慮分表,單表拆分到數據1000萬以內。

個人開發角度:

優先使用分表分庫框架(直接使用)。

優先考慮緩存降低對數據庫的讀操作。

自己垂直分表。

自己水平分表。

之所以先垂直拆分才水平拆分,是因為垂直拆分後數據業務清晰而且單一,更加方便指定水平的標準。

4.3 分佈式化

分佈式化是大潮,是大規模服務器最後都要走的一步。

作為數據庫核心成員,如何讓淘寶不卡頓?
分佈式數據庫架構演變

4.3.1 讀寫分離

設計讀寫分離的數據庫,有兩大意義:

主從只負責各自的寫和讀,極大程度的緩解X鎖和S鎖的競爭。

從庫可配置myisam引擎,提升查詢性能以及節約系統開銷。

説明:myisam查詢效率高於默認的innodb效率。參考:myisam和innodb的區別。

作為數據庫核心成員,如何讓淘寶不卡頓?
核心問題:

數據的備份同步問題:參考4.4.3。

讀寫比例支持動態設置:結合業務,如淘寶可設置為20:1。

4.3.2 容災

主備倒換:提高可靠性 > 應對個別數據庫宕機場景,尤其主庫宕機。

作為數據庫核心成員,如何讓淘寶不卡頓?
主備倒換

説明:DB2主庫宕機後,自動將主庫轉為DB3。

核心問題:

數據的備份同步問題:binlog 參考4.4.3。

檢測數據庫的在線狀態:心跳機制。

4.3.3 數據備份與同步

當只有單機或者一份數據時,一但數據庫出問題,那麼整體服務將不可用,而且更嚴重的是會造成數據損害丟失不可逆。

在讀寫分離與主備倒換的場景下,核心要解決的是多個數據庫的數據同步與備份問題。

當前主流的是採用日誌備份方式(redis也類似)。

實現原理:binlog日誌備份。

作為數據庫核心成員,如何讓淘寶不卡頓?
數據備份:bin-log同步

説明:

主庫負責寫操作,在數據變更時,會寫入binlog,同時通知各從庫。

從庫收到通知後,IO線程會主動過來讀取主庫的binlog,並寫入自己的log。

寫完從庫log後,通知sql線程,sql線程讀取自己的日誌,寫入從庫。

4.3.4 動態擴容

動態擴容的意義在於:隨着後期業務量增大,數據庫個數可以通過增多的方式來應對,而相對的改造代價很小。

擴容前:

作為數據庫核心成員,如何讓淘寶不卡頓?
擴容後:

作為數據庫核心成員,如何讓淘寶不卡頓?
核心內容:

在添加新庫時

註冊機器與庫

路由算法調整:固定哈希算法-調整模數/一致性哈希算法天然支持擴容

可選的權重調整

修改權重,數據插入偏向於新庫5。

在各庫數量平衡時,觸發修改回原來平衡的權重,以保證後續的均衡分配。

五 架構成型

sql流向

下圖介紹sql從流入TDD到流入數據庫,期間TDDL各模塊對Sql的處理。

作為數據庫核心成員,如何讓淘寶不卡頓?
架構圖

作為數據庫核心成員,如何讓淘寶不卡頓?
下圖介紹了TDDL三層的位置以及作用。

作為數據庫核心成員,如何讓淘寶不卡頓?
核心能力圖

TDDL 核心能力,核心組建示意圖,其中標出了各模塊核心要解決功能,核心算法等。

作為數據庫核心成員,如何讓淘寶不卡頓?
參考

TDDL 官方文檔

https://mw.alibaba-inc.com/products/tddl/_book/

TDD產品原理介紹

https://gitlab.alibaba-inc.com/middleware/tddl5-wiki/raw/master/docs/Tddl_Intro.ppt

TDDL(07-10年)初始版本介紹

https://wenku.baidu.com/view/9cb630ab7f1922791788e825.html

阿里雲SQL調優指南

https://help.aliyun.com/document_detail/144293.html

一致性哈希算法原理

https://www.cnblogs.com/lpfuture/p/5796398.html

TDDL初期源碼(碼雲)

https://gitee.com/justwe9891/TDDL

MyISAM與InnoDB 的區別(9個不同點)

MySQL實操

RDS MySQL版基於阿里雲分佈式文件系統和SSD盤高性能存儲,提供了容災、備份、恢復、監控、遷移等全套解決方案。本課程共36課時,講解MySQL基於阿里云云服務器ECS的安裝、配置,通過學習與實操,掌握MySQL的工作原理、使用技巧以及優化,並具備雲端使用MySQL的能力。

版權聲明:本文源自 網絡, 於,由 楠木軒 整理發佈,共 5793 字。

轉載請註明: 作為數據庫核心成員,如何讓淘寶不卡頓? - 楠木軒