58同城数据库架构设计思路
58同城数据库架构设计思路
58和赶集合并了，但是针对于58同城这类分类信息网站的数据量一定会非常大，但是他们的数据库架构又有多少人了解呢？
（1）可用性设计
解决思路：复制+冗余
副作用：复制+冗余一定会引发一致性问题
保证“读”高可用的方法：复制从库，冗余数据，如下图
带来的问题：主从不一致
解决方案：见下文
保证“写”高可用的一般方法：双主模式，即复制主库（很多公司用单master，此时无法保证写的可用性），冗余数据，如下图
带来的问题：双主同步key冲突，引不一致
解决方案：
a）方案一：由数据库或者业务层保证key在两个主上不冲突
b）方案二：见下文
58同城保证“写”高可用的方法：“双主”当“主从”用，不做读写分离，在“主”挂掉的情况下，“从”（其实是另外一个主），顶上，如下图
优点：读写都到主，解决了一致性问题；“双主”当“主从”用，解决了可用性问题
带来的问题：读性能如何扩充？解决方案见下文
（2）读性能设计：如何扩展读性能
最常用的方法是，建立索引
建立非常多的索引，副作用是：
a）降低了写性能
b）索引占内存多了，放在内存中的数据就少了，数据命中率就低了，IO次数就多了
但是否想到，不同的库可以建立不同的索引呢？如下图
TIPS：不同的库可以建立不同索引
主库只提供写，不建立索引
online从库只提供online读，建立online读索引
offline从库只提供offline读，建立offline读索引
提高读性能常见方案二，增加从库
上文已经提到，这种方法会引发主从不一致问题，从库越多，主从时延越长，不一致问题越严重
这种方案很常见，但58没有采用
提高读性能方案三，增加缓存
传统缓存的用法是：
a）发生写请求时，先淘汰缓存，再写数据库
b）发生读请求时，先读缓存，hit则返回，miss则读数据库并将数据入缓存（此时可能旧数据入缓存），如下图
带来的问题：
a）如上文所述，数据复制会引发一致性问题，由于主从延时的存在，可能引发缓存与数据库数据不一致
b）所有app业务层都要关注缓存，无法屏蔽“主+从+缓存”的复杂性
58同城缓存使用方案：服务+数据+缓存
好处是：
1）引入服务层屏蔽“数据库+缓存”
2）不做读写分离，读写都到主的模式，不会引发不一致
（3）一致性设计
主从不一致解决方案
方案一：引入中间件
中间件将key上的写路由到主，在一定时间范围内（主从同步完成的经验时间），该key上的读也路由到主
方案二：读写都到主
上文已经提到，58同城采用了这种方法，不做读写分离，不会不一致
数据库与缓存不一致解决方案
两次淘汰法
异常的读写时序，或导致旧数据入缓存，一次淘汰不够，要进行二次淘汰
a）发生写请求时，先淘汰缓存，再写数据库，额外增加一个timer，一定时间（主从同步完成的经验时间）后再次淘汰
b）发生读请求时，先读缓存，hit则返回，miss则读数据库并将数据入缓存（此时可能旧数据入缓存，但会被二次淘汰淘汰掉，最终不会引发不一致）
（4）扩展性设计
（4.1）58同城秒级别数据扩容
需求：原来水平切分为N个库，现在要扩充为2N个库，希望不影响服务，在秒级别完成
最开始，分为2库，0库和1库，均采用“双主当主从用”的模式保证可用性
接下来，将从库提升，并修改服务端配置，秒级完成扩库
由于是2扩4，不会存在数据迁移，原来的0库变为0库+2库，原来的1库变为1库和3库
此时损失的是数据的可用性
最后，解除旧的双主同步（0库和2库不会数据冲突），为了保证可用性增加新的双主同步，并删除掉多余的数据
这种方案可以秒级完成N库到2N库的扩容。
存在的问题：只能完成N库扩2N库的扩容（不需要数据迁移），非通用扩容方案（例如3库扩4库就无法完成）
（4.2）非指数扩容，数据库增加字段，数据迁移
方案一：追日志方案
方案二：双写方案
（4.3）水平切分怎么切
四类场景覆盖99%拆库业务
a）“单key”场景，用户库如何拆分： user(uid, XXOO)
b）“1对多”场景，帖子库如何拆分： tiezi(tid, uid, XXOO)
c）“多对多”场景，好友库如何拆分： friend(uid, friend_uid, XXOO)
d）“多key”场景，订单库如何拆分：order(oid, buyer_id, seller_id, XXOO)
（5）海量数据下，SQL怎么玩
不会这么玩
a）各种联合查询
b）子查询
c）触发器
d）用户自定义函数
e）“事务”都用的很少
原因：对数据库性能影响极大
拆库后，IN查询怎么玩[回复“同城”回看（上）篇]
拆库后，非Partition key的查询怎么玩[回复“同城”回看（上）篇]
拆库后，夸库分页怎么玩？[回复“同城”回看（上）篇]
问题的提出与抽象：ORDER BY xxx OFFSET xxx LIMIT xxx
单机方案：ORDER BY time OFFSET 10000 LIMIT 100
分库后的难题：如何确认全局偏移量
分库后传统解决方案：查询改写+内存排序
a）ORDER BY time OFFSET 0 LIMIT 10000+100
b）对20200条记录进行排序
c）返回第10000至10100条记录
优化方案一：增加辅助id，以减少查询量
优化方案二：模糊查询
a）业务上：禁止查询XX页之后的数据
b）业务上：允许模糊返回 => 第100页数据的精确性真这么重要么？
最后的大招！！！
优化方案三：终极方案，业务无损，查询改写与两段查询
需求：ORDER BY x OFFSET 10000 LIMIT 4; 如何在分库下实现（假设分3库）
步骤一、查询改写： ORDER BY x OFFSET 3333 LIMIT 4
[4,7,9,10] <= 1库返回
[3,5,6,7] <= 2库返回
[6,8,9,11] <= 3库返回
步骤二、找到步骤一返回的min和max，即3和11
步骤三、通过min和max二次查询：ORDER BY x WHERE x BETWEEN 3 AND 11
[3,4,7,9,10] <= 1库返回，4在1库offset是3333，于是3在1库的offset是3332
[3,5,6,7,11] <= 2库返回，3在2库offset是3333
[3,5,6,8,9,11] <= 3库返回，6在3库offset是3333，于是3在3库的offset是3331
步骤四、找出全局OFFSET
3是全局offset3332+3333+3331=9996
当当当当，跳过3,3,3,4，于是全局OFFSET 10000 LIMIT 4是[5,5,6,6]
总结：58同城数据库架构设计思路
（1）可用性，解决思路是冗余（复制）
（1.1）读可用性：多个从库
（1.2）写可用性：双主模式 or 双主当主从用（58的玩法）
（2）读性能，三种方式扩充读性能
（2.1）增加索引：主从上的索引可以不一样
（2.2）增加从库
（2.3）增加缓存：服务+缓存+数据一套（58的玩法）
（3）一致性
（3.1）主从不一致：引入中间层 or 读写都走主库（58的玩法）
（3.2）缓存不一致：双淘汰来解决缓存不一致问题
（4）扩展性
（4.1）数据扩容：提升从库，double主库，秒级扩容
（4.2）字段扩展：追日志法 or 双写法
（4.3）水平切分
（单key）用户库如何拆分：, user(uid XXOO)
（1对多）帖子库如何拆分： tiezi(tid, uid, XXOO)
（多对多）好友库如何拆分： friend(uid, friend_uid, XXOO)
（多key）订单库如何拆分：order(oid, buyer_id, seller_id, XXOO)
（5）SQL玩法
（5.0）不这么玩：联合查询，子查询，触发器，自定义函数，事务
（5.1）IN查询：分发MR or 拼装成不同SQL语句
（5.2）非partition key查询：定位一个库 or 分发MR
（5.3）夸库分页
（5.3.1）修改sql语句，服务内排序
（5.3.2）引入特殊id，减少返回数量
（5.3.3）业务优化，允许模糊查询
（5.3.4）查询改写，二段查询
来自：http://mp.weixin.qq.com/s?__biz=MjM5ODI5Njc2MA==&mid=205789980&idx=2&sn=f62a429d4ccd7a159148084bad71f54c&scene=2&from=timeline&isappinstalled=0#rd