《大数据量下，58同城mysql实践》


WOT（World Of Tech）2015，互联网运维与开发者大会将在北京举行，会上58同城将分享《大数据量下，58同城mysql实战》的主题，干货分享抢先看。


零、分享提纲
1）基本概念
2）常见问题及解决思路
3）拆库实战
4）拆库后业务实战
5）总结


一、基本概念
大数据量下，搞mysql，以下概念需要先达成一致
1）单库，不多说了，就是一个库

2）分片（sharding），水平拆分，用于解决扩展性问题

3）复制（replication）与分组（group），用于解决可用性问题

4）分片+分组，这是大数据量下，mysql架构的实际情况




二、大数据量下，mysql常见问题及解决思路
1）常见问题
如何保证可用性？
各色各异的读写比，怎么办？
如何做无缝倒库，加字段，扩容？
数据量大，怎么解决？

2）解决思路
2.1）可用性解决思路：复制
读库可用性
从库复制多个，例如：1主2从
从库挂了读主库，例如：1主1从
写库可用性
双主模式
“双主”当“主从”用
2.2）读写比解决思路-针对特性做设计
读多些少场景：提升读性能，3种常见方案：
a）新建索引提高读性能，什么小技巧？
b）读写分离，增加从库扩展读性能
c）增加缓存来扩展读性能
a）b）c）方案存在什么问题？
如何解决这些问题？
读写相近场景：不要使用缓存，考虑水平切分
写多读少场景：不要使用缓存，考虑水平切分
2.3）无缝倒库[扩容，增加字段，数据迁移]
追日志方案
a）记录写日志

b）倒库
c）倒库完毕
d）追日志
e）追日志完毕+数据校验
f）切库
双写方案

a）服务双写
b）倒库
c）倒库完毕+数据校验
d）切库
2.4）数据量大解决思路：拆库


三、58同城数据库拆库实战
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）


1）用户库如何拆分
用户库，10亿数据量
user（uid, uname, passwd, age, sex, create_time）;
业务需求如下
a）1%登录请求 = where uname=XXX and passwd=XXX
b）99%查询请求 = where uid=XXX
结论：“单key”场景使用“单key”拆库


2）帖子库如何拆分
帖子库，15亿数据量
tiezi（tid, uid, title, content, time）;
业务需求如下
a）查询帖子详情（90%请求）
SELECT * FROM tiezi WHERE tid=$tid
b）查询用户所有发帖（10%请求）
SELECT * FROM tiezi WHERE uid=$uid
结论：“1对多”场景使用“1”分库，例如帖子库1个uid对应多个tid，则使用uid分库，tid生成时加入分库标记


3）好友库如何拆分
好友库，1亿数据量
friend（uid, friend_uid, nick, memo, XXOO）;
业务需求如下
a）查询我的好友（50%请求） = 用于界面展示
SELECT friend_uid FROM friend WHERE uid=$my_uid
b）查询加我为好友的用户（50%请求） = 用户反向通知
SELECT uid FROM friend WHERE friend_uid=$my_uid
结论：“多对多”场景，使用数据冗余方案，多份数据使用多种分库手段


4）订单库如何拆分
订单库，10亿数据量
order（oid, buyer_id, seller_id, order_info, XXOO）;
业务需求如下
a）查询订单信息（80%请求）
SELECT * FROM order WHERE oid=$oid
b）查询我买的东东（19%请求）
SELECT * FROM order WHERE buyer_id=$my_uid
c）查询我卖出的东东（1%请求）
SELECT * FROM order WHERE seller_id=$my_uid
结论：“多key”场景一般有两种方案
a）方案一，使用2和3综合的方案
b）方案二，1%的请求采用多库查询


四、分库后业务实战
分库后出现的问题：单库时mysql的SQL功能不再支持了


1）海量数据下，mysql的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


2）分库后，IN查询怎么玩

用户库如何进行uid的IN查询
user（uid, uname, passwd, age, sex, photo, create_time, ...）;
Partition key：uid
查询需求：IN查询：WHERE uid IN（1,2,3,4,5,6）

解决方案：服务做MR
方案一：直接分发
方案二：拼装成不同SQL，定位不同的库


3）分库后，非Partition key的查询怎么玩
方案一：业务方不关心数据来自哪个库，可以只定位一个库



例如：有头像的用户查询


方案二：结果集只有一条数据，业务层做分发，只有一条记录返回就返回


例如：用户登录时，使用userName和passwd的查询


4）分库后，夸库分页怎么玩？
问题的提出与抽象：ORDER BY xxx OFFSET xxx LIMIT xxx
a）按时间排序
b）每页100条记录
c）取第100页的记录


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
a）技术上，引入特殊id，作为查询条件（或者带入上一页的排序条件）
b）业务上，尽量禁止跨页查询
单库情况

a）第一页，直接查
b）得到第一页的max（id）=123（一般是最后一条记录）
c）第二页，带上id123查询：WHERE id123 LIMIT 100
多库情况


a）将WHERE idxxx LIMIT 100分发
b）将300条结果排序
c）返回前100条
优点：避免了全局排序，只对小量记录进行排序


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？


优化方案三：终极方案，查询改写与两段查询

方案一和方案二在业务上都有所折衷，前者不允许跨页查询，后者数据精度有损失，解决夸库分页问题的终极方案是，将order by + offset + limit进行查询改写，分两段查询。
由于wot2015大会时间优先，这个方案待到dtcc2015数据库大会上，58同城的架构师再与大家细讲


五、总结
《概念》
单库、分片、复制、分组


《常见问题及解决思路》
1）可用性，解决思路是冗余（复制）
2）读写比
        2.1）读多些少：用从库，缓存，索引来提高读性能
        2.2）业务层控制强制读主来解决从库不一致问题
        2.3）双淘汰来解决缓存不一致问题
        2.4）读写相近，写多读少：不要使用缓存，该怎么整怎么整
3）无缝导库
        3.1）写日志追数据
        3.2）双写
4）数据量大，解决思路是分片（拆库）


《四大类拆库思路》
1）用户库，“单key”场景使用“单key”拆库
2）帖子库，“1对多”场景使用“1”分库，例如帖子库1个uid对应多个tid，则使用uid分库，tid生成时加入分库标记
3）好友库，“多对多”场景，使用数据冗余方案，多份数据使用多种分库手段
4）订单库，“多key”场景一般有两种方案
        4.1）方案一，使用2和3综合的方案
        4.2）方案二，1%的请求采用多库查询


《拆库后业务实战》
1）不这么玩：联合查询、子查询、触发器、用户自定义函数、夸库事务
2）IN查询怎么玩
        2.1）分发MR       
        2.2）拼装成不同SQL语句
3）非partition key查询怎么玩
        3.1）定位一个库
        3.2）分发MR
4）夸库分页怎么玩
        4.1）修改sql语句，服务内排序
        4.2）引入特殊id，减少返回数量
        4.3）业务优化，禁止跨页查询，允许模糊查询
     4.4）终极方案，dtcc2015数据库大会揭晓
【完】
回复【mongo】，阅读《一分钟了解mongoDB》
回复【leveldb】，阅读《Google-levelDB简介》
回复【join】，阅读《两幅图秒懂sql中的join》
回复【mysql】，阅读《mysql数据库中间件》
回复【赶集】，阅读《赶集mysql军规》
回复【同城】，阅读《58同城mysql实战》（火）


小游戏：
回大于10的整数，返回随机好文（试试看哟，猜猜怎么实现的？）


我是做数据库的，各位兄弟帮忙转发一下哈。
                    

                                                《大数据量下，58同城mysql实践》


WOT（World Of Tech）2015，互联网运维与开发者大会将在北京举行，会上58同城将分享《大数据量下，58同城mysql实战》的主题，干货分享抢先看。


零、分享提纲
1）基本概念
2）常见问题及解决思路
3）拆库实战
4）拆库后业务实战
5）总结


一、基本概念
大数据量下，搞mysql，以下概念需要先达成一致
1）单库，不多说了，就是一个库

2）分片（sharding），水平拆分，用于解决扩展性问题

3）复制（replication）与分组（group），用于解决可用性问题

4）分片+分组，这是大数据量下，mysql架构的实际情况




二、大数据量下，mysql常见问题及解决思路
1）常见问题
如何保证可用性？
各色各异的读写比，怎么办？
如何做无缝倒库，加字段，扩容？
数据量大，怎么解决？

2）解决思路
2.1）可用性解决思路：复制
读库可用性
从库复制多个，例如：1主2从
从库挂了读主库，例如：1主1从
写库可用性
双主模式
“双主”当“主从”用
2.2）读写比解决思路-针对特性做设计
读多些少场景：提升读性能，3种常见方案：
a）新建索引提高读性能，什么小技巧？
b）读写分离，增加从库扩展读性能
c）增加缓存来扩展读性能
a）b）c）方案存在什么问题？
如何解决这些问题？
读写相近场景：不要使用缓存，考虑水平切分
写多读少场景：不要使用缓存，考虑水平切分
2.3）无缝倒库[扩容，增加字段，数据迁移]
追日志方案
a）记录写日志

b）倒库
c）倒库完毕
d）追日志
e）追日志完毕+数据校验
f）切库
双写方案

a）服务双写
b）倒库
c）倒库完毕+数据校验
d）切库
2.4）数据量大解决思路：拆库


三、58同城数据库拆库实战
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）


1）用户库如何拆分
用户库，10亿数据量
user（uid, uname, passwd, age, sex, create_time）;
业务需求如下
a）1%登录请求 = where uname=XXX and passwd=XXX
b）99%查询请求 = where uid=XXX
结论：“单key”场景使用“单key”拆库


2）帖子库如何拆分
帖子库，15亿数据量
tiezi（tid, uid, title, content, time）;
业务需求如下
a）查询帖子详情（90%请求）
SELECT * FROM tiezi WHERE tid=$tid
b）查询用户所有发帖（10%请求）
SELECT * FROM tiezi WHERE uid=$uid
结论：“1对多”场景使用“1”分库，例如帖子库1个uid对应多个tid，则使用uid分库，tid生成时加入分库标记


3）好友库如何拆分
好友库，1亿数据量
friend（uid, friend_uid, nick, memo, XXOO）;
业务需求如下
a）查询我的好友（50%请求） = 用于界面展示
SELECT friend_uid FROM friend WHERE uid=$my_uid
b）查询加我为好友的用户（50%请求） = 用户反向通知
SELECT uid FROM friend WHERE friend_uid=$my_uid
结论：“多对多”场景，使用数据冗余方案，多份数据使用多种分库手段


4）订单库如何拆分
订单库，10亿数据量
order（oid, buyer_id, seller_id, order_info, XXOO）;
业务需求如下
a）查询订单信息（80%请求）
SELECT * FROM order WHERE oid=$oid
b）查询我买的东东（19%请求）
SELECT * FROM order WHERE buyer_id=$my_uid
c）查询我卖出的东东（1%请求）
SELECT * FROM order WHERE seller_id=$my_uid
结论：“多key”场景一般有两种方案
a）方案一，使用2和3综合的方案
b）方案二，1%的请求采用多库查询


四、分库后业务实战
分库后出现的问题：单库时mysql的SQL功能不再支持了


1）海量数据下，mysql的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


2）分库后，IN查询怎么玩

用户库如何进行uid的IN查询
user（uid, uname, passwd, age, sex, photo, create_time, ...）;
Partition key：uid
查询需求：IN查询：WHERE uid IN（1,2,3,4,5,6）

解决方案：服务做MR
方案一：直接分发
方案二：拼装成不同SQL，定位不同的库


3）分库后，非Partition key的查询怎么玩
方案一：业务方不关心数据来自哪个库，可以只定位一个库



例如：有头像的用户查询


方案二：结果集只有一条数据，业务层做分发，只有一条记录返回就返回


例如：用户登录时，使用userName和passwd的查询


4）分库后，夸库分页怎么玩？
问题的提出与抽象：ORDER BY xxx OFFSET xxx LIMIT xxx
a）按时间排序
b）每页100条记录
c）取第100页的记录


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
a）技术上，引入特殊id，作为查询条件（或者带入上一页的排序条件）
b）业务上，尽量禁止跨页查询
单库情况

a）第一页，直接查
b）得到第一页的max（id）=123（一般是最后一条记录）
c）第二页，带上id123查询：WHERE id123 LIMIT 100
多库情况


a）将WHERE idxxx LIMIT 100分发
b）将300条结果排序
c）返回前100条
优点：避免了全局排序，只对小量记录进行排序


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？


优化方案三：终极方案，查询改写与两段查询

方案一和方案二在业务上都有所折衷，前者不允许跨页查询，后者数据精度有损失，解决夸库分页问题的终极方案是，将order by + offset + limit进行查询改写，分两段查询。
由于wot2015大会时间优先，这个方案待到dtcc2015数据库大会上，58同城的架构师再与大家细讲


五、总结
《概念》
单库、分片、复制、分组


《常见问题及解决思路》
1）可用性，解决思路是冗余（复制）
2）读写比
        2.1）读多些少：用从库，缓存，索引来提高读性能
        2.2）业务层控制强制读主来解决从库不一致问题
        2.3）双淘汰来解决缓存不一致问题
        2.4）读写相近，写多读少：不要使用缓存，该怎么整怎么整
3）无缝导库
        3.1）写日志追数据
        3.2）双写
4）数据量大，解决思路是分片（拆库）


《四大类拆库思路》
1）用户库，“单key”场景使用“单key”拆库
2）帖子库，“1对多”场景使用“1”分库，例如帖子库1个uid对应多个tid，则使用uid分库，tid生成时加入分库标记
3）好友库，“多对多”场景，使用数据冗余方案，多份数据使用多种分库手段
4）订单库，“多key”场景一般有两种方案
        4.1）方案一，使用2和3综合的方案
        4.2）方案二，1%的请求采用多库查询


《拆库后业务实战》
1）不这么玩：联合查询、子查询、触发器、用户自定义函数、夸库事务
2）IN查询怎么玩
        2.1）分发MR       
        2.2）拼装成不同SQL语句
3）非partition key查询怎么玩
        3.1）定位一个库
        3.2）分发MR
4）夸库分页怎么玩
        4.1）修改sql语句，服务内排序
        4.2）引入特殊id，减少返回数量
        4.3）业务优化，禁止跨页查询，允许模糊查询
     4.4）终极方案，dtcc2015数据库大会揭晓
【完】
回复【mongo】，阅读《一分钟了解mongoDB》
回复【leveldb】，阅读《Google-levelDB简介》
回复【join】，阅读《两幅图秒懂sql中的join》
回复【mysql】，阅读《mysql数据库中间件》
回复【赶集】，阅读《赶集mysql军规》
回复【同城】，阅读《58同城mysql实战》（火）


小游戏：
回大于10的整数，返回随机好文（试试看哟，猜猜怎么实现的？）


我是做数据库的，各位兄弟帮忙转发一下哈。