Mysql在大型網站的應用架構演變

摘要：

　　本文主要描述在網站的不同的併發訪問量級下Mysql架構的演變歷程。架構的可擴展性往往和併發是息息相關，沒有併發的增長，也就沒有必要做高可擴展性的架構。常用的擴展手段主要有Scale-up和Scale-out兩種，前者爲縱向擴展，主要通過替換爲更好的機器和資源來實現伸縮，提升服務能力；後者爲橫向擴展，通過加節點（機器）來實現伸縮，提升服務能力。對於互聯網的高併發應用來說，Scale-out纔是出路，通過縱向的買更高端的機器一直是我們所避諱的問題。在scale-out的理論下，可擴展性的理想狀態就是，對於一個服務，當面臨更高的併發需求時，能夠通過簡單增加機器來提升服務支撐的併發度，且增加機器過程中對線上服務無影響(no down time)，這就是可擴展性的理想狀態！

聲明與致謝：

　　本文轉載於博客園博主大熊先生的《Mysql在大型網站的應用架構演變》一文。

一. 簡單網站架構 (V1.0)

　　一個簡單的小型網站或者應用背後的架構可以非常簡單, 數據存儲只需要一個mysql instance就能滿足數據讀取和寫入需求（這裏忽略掉了數據備份的實例），處於這個時間段的網站，一般會把所有的信息存到一個database instance裏面。注意，DAL爲 Data Access Layer 的縮寫，即數據訪問層。

　　在這樣的架構下，我們來看看數據存儲的瓶頸是什麼？

數據量的總大小，一個機器放不下時；
數據的索引（B+ Tree）一個機器的內存放不下時；
訪問量(讀寫混合)一個實例不能承受；

　　只有當以上3件事情任何一件或多件滿足時，我們才需要考慮往下一級演變。由此我們可以看出，事實上對於很多小公司小應用，這種架構已經足夠滿足他們的需求了，初期數據量的準確評估是杜絕過度設計很重要的一環，畢竟沒有人願意爲不可能發生的事情而浪費自己的精力。

　　這裏簡單舉個我的例子，對於用戶信息這類表（3個索引），16G內存能放下大概2000W行數據的索引，簡單的讀和寫混合訪問量3000/s左右沒有問題，你的應用場景是否有這麼高的需求？

二. 垂直拆分 (V2.0)

　　一般當V1.0 遇到瓶頸時，首先最簡便的拆分方法就是垂直拆分，何謂垂直？就是從業務角度來看，將關聯性不強的數據拆分到不同的instance上，從而達到消除瓶頸的目標。如下圖所示，將用戶信息數據和業務數據拆分到不同的三個實例上。對於重複讀類型比較多的場景，我們還可以加一層cache，來減少對DB的壓力。

　　在這樣的架構下，我們的數據存儲依然存在V1.0所述瓶頸，也就是說，還是單實例單業務的。遇到瓶頸時可以考慮往本文更高版本升級，若是讀請求導致達到性能瓶頸可以考慮往V3.0升級，其他瓶頸考慮往V4.0升級。

三. 主從架構 (V3.0)

　　此類架構主要解決V2.0架構下的讀問題，通過給Instance掛數據實時備份的思路來遷移讀取的壓力，在Mysql的場景下就是通過主從結構，主庫抗寫壓力，通過從庫來分擔讀壓力，對於寫少讀多的應用，V3.0主從架構完全能夠勝任。

　　在這樣的架構下，數據存儲的瓶頸主要在於：寫入量主庫不能承受。

四. 水平拆分(V4.0)

　　當V2.0、V3.0方案遇到瓶頸時，都可以通過水平拆分來解決。水平拆分和垂直拆分有較大區別，垂直拆分拆完的結果，在一個實例上是擁有全量數據的，而水平拆分之後，任何實例都只有全量的1/n的數據，以下圖Userinfo的拆分爲例，將userinfo拆分爲3個cluster，每個cluster持有總量的1/3數據，3個cluster數據的總和等於一份完整數據。注意，這裏不再叫單個實例，而是叫一個cluster代表包含主從的一個小mysql集羣。

　　在這樣的架構下，數據如何路由成爲了一個關鍵問題。

1、數據路由

(1). Range拆分

　　sharding key按連續區間段路由，一般用在有嚴格自增ID需求的場景上，如Userid等。以Userid Range爲例，對於userid以3000W爲Range進行拆分，即1號cluster(userid 1-3000W)，2號cluster(userid 3001W-6000W)，… …

(2). List拆分

　　List拆分與Range拆分思路一樣，都是通過給不同的sharding key來路由到不同的cluster，但是具體方法有些不同：List主要用來做sharding key不是連續區間的序列落到一個cluster的情況，如以下場景：假定有20個音像店，分佈在4個有經銷權的地區，如下表所示：

地區	商店ID號
北區	3, 5, 6, 9, 17
東區	1, 2, 10, 11, 19, 20
西區	4, 12, 13, 14, 18
中心區	7, 8, 15, 16

　　對於希望能夠把一個地區的所有數據組織到一起來搜索的業務，這種場景List拆分可以輕鬆搞定。

(3). Hash 拆分

　　通過對sharding key 進行哈希的方式來進行拆分，常用的哈希方法有除餘，字符串哈希等等。除餘如按userid%n 的值來決定數據讀寫哪個cluster，其他哈希類算法這裏就不細展開講了。

2、數據拆分後引入的問題

　　數據水平拆分引入的問題主要是只能通過sharding key來讀寫操作。以userid爲sharding key的切分例子，讀userid的詳細信息時，一定需要先知道userid，這樣才能推算出在哪個cluster，進而進行查詢。假設我需要按username進行檢索用戶信息，需要引入額外的反向索引機制（類似HBASE二級索引），如在redis上存儲username->userid的映射，以username查詢的例子變成了先通過查詢username->userid，再通過userid查詢相應的信息。

　　實際上這個做法很簡單，但是我們不要忽略了一個額外的隱患，那就是數據不一致的隱患。存儲在redis裏的username->userid和存儲在mysql裏的userid->username必須需要是一致的，這個保證做起來很多時候是一件比較困難的事情。舉個例子來說，對於修改用戶名這個場景，你需要同時修改redis和mysql，這兩個東西是很難做到事務保證的，比如mysql操作成功但redis卻操作失敗了（分佈式事務引入成本較高）的場景。對於互聯網應用來說，可用性是最重要的，一致性是其次，所以能夠容忍小量的不一致出現. 畢竟從佔比來說，這類的不一致的比例可以微乎其微到忽略不計（一般寫更新也會採用mq來保證直到成功爲止才停止重試操作）。

3、數據存儲的瓶頸

　　在這個拆分理念上搭建起來的架構，理論上不存在瓶頸（sharding key能確保各cluster流量相對均衡的前提下)。不過確實有一件噁心的事情，那就是cluster擴容的時候重做數據的成本，如我原來有3個cluster，但是現在我的數據增長比較快，我需要6個cluster，那麼我們需要將每個cluster 一拆爲二，一般的做法是：

　　(1). 摘下一個slave，停同步；

　　(2). 對寫記錄增量log，實現上可以採用業務方對寫操作，多一次寫持久化mq，或者mysql主創建trigger記錄寫等方式；

　　(3). 開始對靜態slave做數據，一拆爲二；
　
　　(4). 回放增量寫入，直到追上的所有增量，與原cluster基本保持同步；
　　
　　(5). 寫入切換，由原3個cluster切換爲6個cluster。

　　有沒有類似飛機空中加油的感覺，這是一個髒活，累活，容易出問題的活，爲了避免這個，我們一般在最開始的時候設計足夠多的sharding cluster來防止可能的cluster擴容這件事情。

五. 雲數據庫(V5.0)

　　雲計算現在是各大IT公司內部作爲節約成本的一個突破口，對於用於數據存儲的mysql來說，如何讓其成爲一個SaaS（Software as a Service）是關鍵點。在MS的官方文檔中，把構建一個足夠成熟的SAAS(MS簡單列出了SAAS應用的4級成熟度)所面臨的3個主要挑戰：可配置性，可擴展性和多用戶存儲結構設計稱爲 three headed monster。可配置性和多用戶存儲結構設計在Mysql SaaS這個問題中並不是特別難辦的一件事情，所以這裏重點說一下可擴展性。

　　Mysql作爲一個SaaS服務，在架構演變爲V4.0之後，依賴良好的sharding key設計，已經不再存在擴展性問題。只是他在面對擴容縮容時，有一些髒活需要幹，而作爲SaaS並不能避免擴容縮容這個問題，所以只要能把V4.0的髒活變成：

擴容縮容對前端APP透明(業務代碼不需要任何改動)；
擴容縮容全自動化且對在線服務無影響，那麼他就拿到了作爲Saas的門票。

　　　　　　　　　

　　對於架構實現的關鍵點，需要滿足對業務透明且擴容縮容對業務不需要任何改動，那麼就必須eat our own dog food，在你Mysql SaaS內部解決這個問題，一般的做法是:引入一個Proxy，Proxy來解析sql協議，按sharding key來尋找cluster，判斷是讀操作還是寫操作來請求主或者從，這一切內部的細節都由proxy來屏蔽。這裏借淘寶的圖來列舉一下proxy需要幹哪些事情：

　　　　　　　　　　　　　　　　

　　對於架構實現的關鍵點 —— 擴容縮容全自動化且對在線服務無影響，擴容縮容對應到的數據操作即爲數據拆分和數據合併，要做到完全自動化有非常多不同的實現方式，總體思路和V4.0介紹的瓶頸部分有關。目前來看，這個問題比較好的方案就是實現一個僞裝slave的sync slave，解析mysql同步協議，然後實現數據拆分邏輯，把全量數據進行拆分。具體架構見下圖：

　　　　　　　　　

　　其中，Sync slave對於Original Master來說，和一個普通的Mysql Slave沒有任何區別，也不需要任何額外的區分對待。需要擴容/縮容時，掛上一個 Sync slave，開始全量同步和增量同步，等待一段時間追數據。以擴容爲例，若擴容後的服務和擴容前數據已經基本同步了，這時候如何做到切換對業務無影響？其實關鍵點還是在引入的proxy，這個問題轉換爲了如何讓proxy做熱切換後端的問題。這已經變成一個非常好處理的問題了.

　　另外值得關注的是：2014年5月28日，爲了滿足當下對Web及雲應用需求，甲骨文宣佈推出 MySQL Fabric，在對應的資料部分我也放了很多Fabric的資料，有興趣的可以看看，說不定會是以後的一個解決雲數據庫擴容縮容的手段。