缘起：受@萧田国 萧总邀请，上周五晚上在“高效运维1号群”内分享了《58同城数据库软件架构设计与实践》（这个topic今年在数据库大会上分享过），应组织方要求，发出纪要。

一、基本概念
二、数据库架构设计思路
（1）可用性
（2）读性能
（3）一致性
（4）扩展性


一、基本概念
概念一“单库”




概念二“分片”

分片解决的是“数据量太大”的问题，也就是通常说的“水平切分”。

一旦引入分片，势必有“数据路由”的概念，哪个数据访问哪个库。


路由规则通常有3种方法：
（1）范围：range
优点：简单，容易扩展
缺点：各库压力不均（新号段更活跃）
（2）哈希：hash
优点：简单，数据均衡，负载均匀
缺点：迁移麻烦（2库扩3库数据要迁移）
（3）路由服务：router-config-server
优点：灵活性强，业务与路由算法解耦
缺点：每次访问数据库前多一次查询


大部分互联网公司采用的方案二：哈希分库，哈希路由


概念三“分组”

分组解决“可用性”问题，分组通常通过主从复制的方式实现。


互联网公司数据库实际软件架构是：又分片，又分组（如下图）




二、数据库架构设计思路
数据库软件架构师平时设计些什么东西呢？至少要考虑以下四点：
（1）如何保证数据可用性
（2）如何提高数据库读性能（大部分应用读多写少，读会先成为瓶颈）
（3）如何保证一致性
（4）如何提高扩展性
2.1如何保证数据的可用性？
解决可用性问题的思路是=冗余
如何保证站点的可用性？复制站点，冗余站点
如何保证服务的可用性？复制服务，冗余服务
如何保证数据的可用性？复制数据，冗余数据


数据的冗余，会带来一个副作用=引发一致性问题（先不说一致性问题，先说可用性）


如何保证数据库“读”高可用？
冗余读库

冗余读库带来的副作用？读写有延时，可能不一致
上面这个图是很多互联网公司mysql的架构，写仍然是单点，不能保证写高可用。


如何保证数据库“写”高可用？
冗余写库

采用双主互备的方式，可以冗余写库
带来的副作用？双写同步，数据可能冲突（例如“自增id”同步冲突）,如何解决同步冲突，有两种常见解决方案：
（1）两个写库使用不同的初始值，相同的步长来增加id：1写库的id为0,2,4,6...；2写库的id为1,3,5,7…
（2）不使用数据的id，业务层自己生成唯一的id，保证数据不冲突


58同城没有使用上述两种架构来做读写的“高可用”，58同城采用的是“双主当主从用”的方式：

仍是双主，但只有一个主提供服务（读+写），另一个主是“shadow-master”，只用来保证高可用，平时不提供服务。
master挂了，shadow-master顶上（vip漂移，对业务层透明，不需要人工介入）
这种方式的好处：
1）读写没有延时
2）读写高可用
不足：
1）不能通过加从库的方式扩展读性能
2）资源利用率为50%，一台冗余主没有提供服务


那如何提高读性能呢？进入第二个话题，如何提供读性能。
2.2如何扩展读性能？
提高读性能的方式大致有三种，第一种是建立索引。这种方式不展开，要提到的一点是，不同的库可以建立不同的索引。

写库不建立索引；
线上读库建立线上访问索引，例如uid；
线下读库建立线下访问索引，例如time；


第二种扩充读性能的方式是，增加从库，这种方法大家用的比较多，但是，存在两个缺点：
（1）从库越多，同步越慢
（2）同步越慢，数据不一致窗口越大（不一致后面说，还是先说读性能的提高）


58同城没有采用这种方法提高数据库读性能（没有从库），采用的是增加缓存。常见的缓存架构如下：

上游是业务应用，下游是主库，从库（读写分离），缓存。


58同城的玩法是：服务+数据库+缓存一套

业务层不直接面向db和cache，服务层屏蔽了底层db、cache的复杂性。为什么要引入服务层，今天不展开，58采用了“服务+数据库+缓存一套”的方式提供数据访问，用cache提高读性能。


不管采用主从的方式扩展读性能，还是缓存的方式扩展读性能，数据都要复制多份（主+从，db+cache），一定会引发一致性问题。

2.3如何保证一致性？
主从数据库的一致性，通常有两种解决方案：
（1）中间件

如果某一个key有写操作，在不一致时间窗口内，中间件会将这个key的读操作也路由到主库上。
这个方案的缺点是，数据库中间件的门槛较高（百度，腾讯，阿里，360等一些公司有，当然58也有）
（2）强制读主

58的“双主当主从用”的架构，不存在主从不一致的问题。


第二类不一致，是db与缓存间的不一致

常见的缓存架构如上，此时写操作的顺序是：
（1）淘汰cache
（2）写数据库
读操作的顺序是：
（1）读cache，如果cache hit则返回
（2）如果cache miss，则读从库
（3）读从库后，将数据放回cache


在一些异常时序情况下，有可能从【从库读到旧数据（同步还没有完成），旧数据入cache后】，数据会长期不一致。


解决办法是“缓存双淘汰”，写操作时序升级为：
（1）淘汰cache
（2）写数据库
（3）在经验“主从同步延时窗口时间”后，再次发起一个异步淘汰cache的请求


这样，即使有脏数据如cache，一个小的时间窗口之后，脏数据还是会被淘汰。带来的代价是，多引入一次读miss（成本可以忽略）。


除此之外，58同城的最佳实践之一是：建议为所有cache中的item设置一个超时时间。


说完一致性，最后一个话题是扩展性。
2.4如何提高数据库的扩展性？
原来用hash的方式路由，分为2个库，数据量还是太大，要分为3个库，势必需要进行数据迁移，58同城有一个很帅气的“数据库秒级扩容”方案。
如何秒级扩容？
首先，我们不做2库变3库的扩容，我们做2库变4库（库加倍）的扩容（未来4-8-16）

服务+数据库是一套（省去了缓存）

数据库采用“双主”的模式。


扩容步骤：
第一步，将一个主库提升
第二步，修改配置，2库变4库（原来MOD2，现在配置修改后MOD4）
扩容完成

原MOD2为偶的部分，现在会MOD4余0或者2
原MOD2为奇的部分，现在会MOD4余1或者3
数据不需要迁移，同时，双主互相同步，一遍是余0，一边余2，两边数据同步也不会冲突，秒级完成扩容！


最后，要做一些收尾工作：
（1）将旧的双主同步解除
（2）增加新的双主（双主是保证可用性的，shadow-master平时不提供服务）
（3）删除多余的数据（余0的主，可以将余2的数据删除掉）

这样，秒级别内，我们就完成了2库变4库的扩展。
OK，今天主要分享了58同城，数据库软件架构上：
（1）如何保证数据可用性
（2）如何提高数据库读性能
（3）如何保证数据一致性
（4）如何进行秒级扩容
希望大家有收获，谢谢大家！
===【完】===

实时好文，欢迎长按关注“架构师之路”
==好文推荐==
回【join】秒懂SQL中各种join
回【负载】一幅图秒懂LoadAverage
回【秒杀】秒杀系统架构优化思路（火）
回【招聘】入职58到家
回【微信】微信为何这么省流量（火）


==小游戏==
回大于10的整数，返回随机好文（猜猜怎么实现的）


码字不易，求帮转哈
                    

                                                缘起：受@萧田国 萧总邀请，上周五晚上在“高效运维1号群”内分享了《58同城数据库软件架构设计与实践》（这个topic今年在数据库大会上分享过），应组织方要求，发出纪要。

一、基本概念
二、数据库架构设计思路
（1）可用性
（2）读性能
（3）一致性
（4）扩展性


一、基本概念
概念一“单库”




概念二“分片”

分片解决的是“数据量太大”的问题，也就是通常说的“水平切分”。

一旦引入分片，势必有“数据路由”的概念，哪个数据访问哪个库。


路由规则通常有3种方法：
（1）范围：range
优点：简单，容易扩展
缺点：各库压力不均（新号段更活跃）
（2）哈希：hash
优点：简单，数据均衡，负载均匀
缺点：迁移麻烦（2库扩3库数据要迁移）
（3）路由服务：router-config-server
优点：灵活性强，业务与路由算法解耦
缺点：每次访问数据库前多一次查询


大部分互联网公司采用的方案二：哈希分库，哈希路由


概念三“分组”

分组解决“可用性”问题，分组通常通过主从复制的方式实现。


互联网公司数据库实际软件架构是：又分片，又分组（如下图）




二、数据库架构设计思路
数据库软件架构师平时设计些什么东西呢？至少要考虑以下四点：
（1）如何保证数据可用性
（2）如何提高数据库读性能（大部分应用读多写少，读会先成为瓶颈）
（3）如何保证一致性
（4）如何提高扩展性
2.1如何保证数据的可用性？
解决可用性问题的思路是=冗余
如何保证站点的可用性？复制站点，冗余站点
如何保证服务的可用性？复制服务，冗余服务
如何保证数据的可用性？复制数据，冗余数据


数据的冗余，会带来一个副作用=引发一致性问题（先不说一致性问题，先说可用性）


如何保证数据库“读”高可用？
冗余读库

冗余读库带来的副作用？读写有延时，可能不一致
上面这个图是很多互联网公司mysql的架构，写仍然是单点，不能保证写高可用。


如何保证数据库“写”高可用？
冗余写库

采用双主互备的方式，可以冗余写库
带来的副作用？双写同步，数据可能冲突（例如“自增id”同步冲突）,如何解决同步冲突，有两种常见解决方案：
（1）两个写库使用不同的初始值，相同的步长来增加id：1写库的id为0,2,4,6...；2写库的id为1,3,5,7…
（2）不使用数据的id，业务层自己生成唯一的id，保证数据不冲突


58同城没有使用上述两种架构来做读写的“高可用”，58同城采用的是“双主当主从用”的方式：

仍是双主，但只有一个主提供服务（读+写），另一个主是“shadow-master”，只用来保证高可用，平时不提供服务。
master挂了，shadow-master顶上（vip漂移，对业务层透明，不需要人工介入）
这种方式的好处：
1）读写没有延时
2）读写高可用
不足：
1）不能通过加从库的方式扩展读性能
2）资源利用率为50%，一台冗余主没有提供服务


那如何提高读性能呢？进入第二个话题，如何提供读性能。
2.2如何扩展读性能？
提高读性能的方式大致有三种，第一种是建立索引。这种方式不展开，要提到的一点是，不同的库可以建立不同的索引。

写库不建立索引；
线上读库建立线上访问索引，例如uid；
线下读库建立线下访问索引，例如time；


第二种扩充读性能的方式是，增加从库，这种方法大家用的比较多，但是，存在两个缺点：
（1）从库越多，同步越慢
（2）同步越慢，数据不一致窗口越大（不一致后面说，还是先说读性能的提高）


58同城没有采用这种方法提高数据库读性能（没有从库），采用的是增加缓存。常见的缓存架构如下：

上游是业务应用，下游是主库，从库（读写分离），缓存。


58同城的玩法是：服务+数据库+缓存一套

业务层不直接面向db和cache，服务层屏蔽了底层db、cache的复杂性。为什么要引入服务层，今天不展开，58采用了“服务+数据库+缓存一套”的方式提供数据访问，用cache提高读性能。


不管采用主从的方式扩展读性能，还是缓存的方式扩展读性能，数据都要复制多份（主+从，db+cache），一定会引发一致性问题。

2.3如何保证一致性？
主从数据库的一致性，通常有两种解决方案：
（1）中间件

如果某一个key有写操作，在不一致时间窗口内，中间件会将这个key的读操作也路由到主库上。
这个方案的缺点是，数据库中间件的门槛较高（百度，腾讯，阿里，360等一些公司有，当然58也有）
（2）强制读主

58的“双主当主从用”的架构，不存在主从不一致的问题。


第二类不一致，是db与缓存间的不一致

常见的缓存架构如上，此时写操作的顺序是：
（1）淘汰cache
（2）写数据库
读操作的顺序是：
（1）读cache，如果cache hit则返回
（2）如果cache miss，则读从库
（3）读从库后，将数据放回cache


在一些异常时序情况下，有可能从【从库读到旧数据（同步还没有完成），旧数据入cache后】，数据会长期不一致。


解决办法是“缓存双淘汰”，写操作时序升级为：
（1）淘汰cache
（2）写数据库
（3）在经验“主从同步延时窗口时间”后，再次发起一个异步淘汰cache的请求


这样，即使有脏数据如cache，一个小的时间窗口之后，脏数据还是会被淘汰。带来的代价是，多引入一次读miss（成本可以忽略）。


除此之外，58同城的最佳实践之一是：建议为所有cache中的item设置一个超时时间。


说完一致性，最后一个话题是扩展性。
2.4如何提高数据库的扩展性？
原来用hash的方式路由，分为2个库，数据量还是太大，要分为3个库，势必需要进行数据迁移，58同城有一个很帅气的“数据库秒级扩容”方案。
如何秒级扩容？
首先，我们不做2库变3库的扩容，我们做2库变4库（库加倍）的扩容（未来4-8-16）

服务+数据库是一套（省去了缓存）

数据库采用“双主”的模式。


扩容步骤：
第一步，将一个主库提升
第二步，修改配置，2库变4库（原来MOD2，现在配置修改后MOD4）
扩容完成

原MOD2为偶的部分，现在会MOD4余0或者2
原MOD2为奇的部分，现在会MOD4余1或者3
数据不需要迁移，同时，双主互相同步，一遍是余0，一边余2，两边数据同步也不会冲突，秒级完成扩容！


最后，要做一些收尾工作：
（1）将旧的双主同步解除
（2）增加新的双主（双主是保证可用性的，shadow-master平时不提供服务）
（3）删除多余的数据（余0的主，可以将余2的数据删除掉）

这样，秒级别内，我们就完成了2库变4库的扩展。
OK，今天主要分享了58同城，数据库软件架构上：
（1）如何保证数据可用性
（2）如何提高数据库读性能
（3）如何保证数据一致性
（4）如何进行秒级扩容
希望大家有收获，谢谢大家！
===【完】===

实时好文，欢迎长按关注“架构师之路”
==好文推荐==
回【join】秒懂SQL中各种join
回【负载】一幅图秒懂LoadAverage
回【秒杀】秒杀系统架构优化思路（火）
回【招聘】入职58到家
回【微信】微信为何这么省流量（火）


==小游戏==
回大于10的整数，返回随机好文（猜猜怎么实现的）


码字不易，求帮转哈