作者：zhanlijun
來源：www.cnblogs.com/LBSer/p/6195309.html
1 爲什麼要拆分？
先看一段對話。
從上面對話可以看出拆分的理由：
1） 應用間耦合嚴重。系統內各個應用之間不通，同樣一個功能在各個應用中都有實現，後果就是改一處功能，需要同時改系統中的所有應用。這種情況多存在於歷史較長的系統，因各種原因，系統內的各個應用都形成了自己的業務小閉環；
2） 業務擴展性差。數據模型從設計之初就只支持某一類的業務，來了新類型的業務後又得重新寫代碼實現，結果就是項目延期，大大影響業務的接入速度；
3） 代碼老舊，難以維護。各種隨意的if else、寫死邏輯散落在應用的各個角落，處處是坑，開發維護起來戰戰兢兢；
4） 系統擴展性差。系統支撐現有業務已是顫顫巍巍，不論是應用還是DB都已經無法承受業務快速發展帶來的壓力；
5） 新坑越挖越多，惡性循環。不改變的話，最終的結果就是把系統做死了。
2 拆前準備什麼?
2.1 多維度把握業務複雜度
一個老生常談的問題，系統與業務的關係？
我們最期望的理想情況是第一種關係（車輛與人），業務覺得不合適，可以馬上換一輛新的。但現實的情況是更像心臟起搏器與人之間的關係，不是說換就能換。一個系統接的業務越多，耦合越緊密。如果在沒有真正把握住業務複雜度之前貿然行動，最終的結局就是把心臟帶飛。
如何把握住業務複雜度？需要多維度的思考、實踐。
一個是技術層面，通過與pd以及開發的討論，熟悉現有各個應用的領域模型，以及優缺點，這種討論只能讓人有個大概，更多的細節如代碼、架構等需要通過做需求、改造、優化這些實踐來掌握。
各個應用熟悉之後，需要從系統層面來構思，我們想打造平臺型的產品，那麼最重要也是最難的一點就是功能集中管控，打破各個應用的業務小閉環，統一收攏，這個決心更多的是開發、產品、業務方、各個團隊之間達成的共識，“按照業務或者客戶需求組織資源”。
此外也要與業務方保持功能溝通、計劃溝通，確保應用拆分出來後符合使用需求、擴展需求，獲取他們的支持。
2.2 定義邊界，原則：高內聚，低耦合，單一職責！
業務複雜度把握後，需要開始定義各個應用的服務邊界。怎麼纔算是好的邊界？像葫蘆娃兄弟一樣的應用就是好的！
舉個例子，葫蘆娃兄弟（應用）間的技能是相互獨立的，遵循單一職責原則，比如水娃只能噴水，火娃只會噴火，隱形娃不會噴水噴火但能隱身。更爲關鍵的是，葫蘆娃兄弟最終可以合體爲金剛葫蘆娃，即這些應用雖然功能彼此獨立，但又相互打通，最後合體在一起就成了我們的平臺。
這裏很多人會有疑惑，拆分粒度怎麼控制？很難有一個明確的結論，只能說是結合業務場景、目標、進度的一個折中。但總體的原則是先從一個大的服務邊界開始，不要太細，因爲隨着架構、業務的演進，應用自然而然會再次拆分，讓正確的事情自然發生才最合理。
2.3 確定拆分後的應用目標
一旦系統的宏觀應用拆分圖出來後，就要落實到某一具體的應用拆分上了。
首先要確定的就是某一應用拆分後的目標。拆分優化是沒有底的，可能越做越深，越做越沒結果，繼而又影響自己和團隊的士氣。比如說可以定這期的目標就是將db、應用分拆出去，數據模型的重新設計可以在第二期。
2.4 確定當前要拆分應用的架構狀態、代碼情況、依賴狀況，並推演可能的各種異常。
動手前的思考成本遠遠低於動手後遇到問題的解決成本。應用拆分最怕的是中途說“他*的，這塊不能動，原來當時這樣設計是有原因的，得想別的路子！”這時的壓力可想而知，整個節奏不符合預期後，很可能會接二連三遇到同樣的問題，這時不僅同事們士氣下降，自己也會喪失信心，繼而可能導致拆分失敗。
2.5 給自己留個錦囊，“有備無患”。
錦囊就四個字“有備無患”，可以貼在桌面或者手機上。在以後具體實施過程中，多思考下“方案是否有多種可以選擇？複雜問題能否拆解？實際操作時是否有預案？”，應用拆分在具體實踐過程中比拼得就是細緻二字，多一份方案，多一份預案，不僅能提升成功概率，更給自己信心。
2.6 放鬆心情，緩解壓力
收拾下心情，開幹！
3 實踐
3.1 db拆分實踐
DB拆分在整個應用拆分環節裏最複雜，分爲垂直拆分和水平拆分兩種場景，我們都遇到了。垂直拆分是將庫裏的各個表拆分到合適的數據庫中。比如一個庫中既有消息表，又有人員組織結構表，那麼將這兩個表拆分到獨立的數據庫中更合適。
水平拆分：以消息表爲例好了，單表突破了千萬行記錄，查詢效率較低，這時候就要將其分庫分表。
3.1.1 主鍵id接入全局id發生器
DB拆分的第一件事情就是使用全局id發生器來生成各個表的主鍵id。爲什麼？
舉個例子，假如我們有一張表，兩個字段id和token，id是自增主鍵生成，要以token維度來分庫分表，這時繼續使用自增主鍵會出現問題。
正向遷移擴容中，通過自增的主鍵，到了新的分庫分表裏一定是唯一的，但是，我們要考慮遷移失敗的場景，如下圖所示，新的表裏假設已經插入了一條新的記錄，主鍵id也是2，這個時候假設開始回滾，需要將兩張表的數據合併成一張表（逆向迴流），就會產生主鍵衝突！
因此在遷移之前，先要用全局唯一id發生器生成的id來替代主鍵自增id。這裏有幾種全局唯一id生成方法可以選擇。
1）snowflake（非全局遞增）
2） mysql新建一張表用來專門生成全局唯一id（利用auto_increment功能）（全局遞增）；
3）有人說只有一張表怎麼保證高可用？那兩張表好了（在兩個不同db），一張表產生奇數，一張表產生偶數。或者是n張表，每張表的負責的步長區間不同（非全局遞增）
4）……
我們使用的是阿里巴巴內部的tddl-sequence（mysql+內存），保證全局唯一但非遞增，在使用上遇到一些坑：
1）對按主鍵id排序的sql要提前改造。因爲id已經不保證遞增，可能會出現亂序場景，這時候可以改造爲按gmt_create排序；
2）報主鍵衝突問題。這裏往往是代碼改造不徹底或者改錯造成的，比如忘記給某一insert sql的id添加#{}，導致繼續使用自增，從而造成衝突；
3.1.2 建新表&遷移數據&binlog同步
1） 新表字符集建議是utf8mb4，支持表情符。新表建好後索引不要漏掉，否則可能會導致慢sql！從經驗來看索引被漏掉時有發生，建議事先列計劃的時候將這些要點記下，後面逐條檢查；
2） 使用全量同步工具或者自己寫job來進行全量遷移；全量數據遷移務必要在業務低峯期時操作，並根據系統情況調整併發數；
3） 增量同步。全量遷移完成後可使用binlog增量同步工具來追數據，比如阿里內部使用精衛，其它企業可能有自己的增量系統，或者使用阿里開源的cannal/otter：
https://github.com/alibaba/canal?spm=5176.100239.blogcont11356.10.5eNr98
https://github.com/alibaba/otter/wiki/QuickStart?spm=5176.100239.blogcont11356.21.UYMQ17
增量同步起始獲取的binlog位點必須在全量遷移之前，否則會丟數據，比如我中午12點整開始全量同步，13點整全量遷移完畢，那麼增量同步的binlog的位點一定要選在12點之前。
位點在前會不會導致重複記錄？不會！線上的MySQL binlog是row 模式，如一個delete語句刪除了100條記錄，binlog記錄的不是一條delete的邏輯sql，而是會有100條binlog記錄。insert語句插入一條記錄，如果主鍵衝突，插入不進去。
3.1.3 聯表查詢sql改造
現在主鍵已經接入全局唯一id，新的庫表、索引已經建立，且數據也在實時追平，現在可以開始切庫了嗎？no！
考慮以下非常簡單的聯表查詢sql，如果將B表拆分到另一個庫裏的話，這個sql怎麼辦？畢竟跨庫聯表查詢是不支持的！
因此，在切庫之前，需要將系統中上百個聯表查詢的sql改造完畢。
如何改造呢？
1） 業務避免
業務上松耦合後技術才能松耦合，繼而避免聯表sql。但短期內不現實，需要時間沉澱；
2） 全局表
每個應用的庫裏都冗餘一份表，缺點：等於沒有拆分，而且很多場景不現實，表結構變更麻煩；
3） 冗餘字段
就像訂單表一樣，冗餘商品id字段，但是我們需要冗餘的字段太多，而且要考慮字段變更後數據更新問題；
4） 內存拼接
4.1）通過RPC調用來獲取另一張表的數據，然後再內存拼接。1）適合job類的sql，或改造後RPC查詢量較少的sql；2）不適合大數據量的實時查詢sql。假設10000個ID，分頁RPC查詢，每次查100個，需要5ms，共需要500ms，rt太高。
4.2）本地緩存另一張表的數據
適合數據變化不大、數據量查詢大、接口性能穩定性要求高的sql。
3.1.4切庫方案設計與實現（兩種方案）
以上步驟準備完成後，就開始進入真正的切庫環節，這裏提供兩種方案，我們在不同的場景下都有使用。
a）DB停寫方案
優點：快，成本低；
缺點：
1）如果要回滾得聯繫DBA執行線上停寫操作，風險高，因爲有可能在業務高峯期回滾；
2）只有一處地方校驗，出問題的概率高，回滾的概率高
舉個例子，如果面對的是比較複雜的業務遷移，那麼很可能發生如下情況導致回滾：
sql聯表查詢改造不完全；
sql聯表查詢改錯&性能問題；
索引漏加導致性能問題；
字符集問題
此外，binlog逆向迴流很可能發生字符集問題（utf8mb4到gbk），導致迴流失敗。這些binlog同步工具爲了保證強最終一致性，一旦某條記錄迴流失敗，就卡住不同步，繼而導致新老表的數據不同步，繼而無法回滾！
b）雙寫方案
第2步“打開雙寫開關，先寫老表A再寫新表B”，這時候確保寫B表時try catch住，異常要用很明確的標識打出來，方便排查問題。第2步雙寫持續短暫時間後（比如半分鐘後），可以關閉binlog同步任務。
優點：
1）將複雜任務分解爲一系列可測小任務，步步爲贏；
2）線上不停服，回滾容易；
3）字符集問題影響小
缺點：
1）流程步驟多，週期長；
2）雙寫造成RT增加
3.1.5 開關要寫好
不管什麼切庫方案，開關少不了，這裏開關的初始值一定要設置爲null！
如果隨便設置一個默認值，比如”讀老表A“，假設我們已經進行到讀新表B的環節了。這時重啓了應用，在應用啓動的一瞬間，最新的“讀新表B”的開關推送等可能沒有推送過來，這個時候就可能使用默認值，繼而造成髒數據！
3.2 拆分後一致性怎麼保證？
以前很多表都在一個數據庫內，使用事務非常方便，現在拆分出去了，如何保證一致性？
1）分佈式事務
性能較差，幾乎不考慮。
2）消息機制補償
3）定時任務補償
用得較多，實現最終一致，分爲加數據補償，刪數據補償兩種。
3.3 應用拆分後穩定性怎麼保證？
一句話：懷疑第三方，防備使用方，做好自己！
1）懷疑第三方
a）防禦式編程，制定好各種降級策略；
- 比如緩存主備、推拉結合、本地緩存……
b）遵循快速失敗原則，一定要設置超時時間，並異常捕獲；
c）強依賴轉弱依賴，旁支邏輯異步化
- 我們對某一個核心應用的旁支邏輯異步化後，響應時間幾乎縮短了1/3，且後面中間件、其它應用等都出現過抖動情況，而核心鏈路一切正常；
d）適當保護第三方，慎重選擇重試機制
2）防備使用方
a）設計一個好的接口，避免誤用
- 遵循接口最少暴露原則；很多同學搭建完新應用後會隨手暴露很多接口，而這些接口由於沒人使用而缺乏維護，很容易給以後挖坑。聽到過不只一次對話，”你怎麼用我這個接口啊，當時隨便寫的，性能很差的“；
- 不要讓使用方做接口可以做的事情；比如你只暴露一個getMsgById接口，別人如果想批量調用的話，可能就直接for循環rpc調用，如果提供getMsgListByIdList接口就不會出現這種情況了。
- 避免長時間執行的接口；特別是一些老系統，一個接口背後對應的可能是for循環select DB的場景。
- …
b）容量限制
- 按應用優先級進行流控；不僅有總流量限流，還要區分應用，比如核心應用的配額肯定比非核心應用配額高；
- 業務容量控制。有些時候不僅僅是系統層面的限制，業務層面也需要限制。舉個例子，對saas化的一些系統來說，”你這個租戶最多1w人使用“。
3）做好自己
a）單一職責
b）及時清理歷史坑
- 例：例如我們改造時候發現一年前留下的坑，去掉後整個集羣cpu使用率下降1/3
c） 運維SOP化
- 說實話，線上出現問題，如果沒有預案，再怎麼處理都會超時。曾經遇到過一次DB故障導致髒數據問題，最終只能硬着頭皮寫代碼來清理髒數據，但是時間很長，只能眼睜睜看着故障不斷升級。經歷過這個事情後，我們馬上設想出現髒數據的各種場景，然後上線了三個清理髒數據的job，以防其它不可預知的產生髒數據的故障場景，以後只要遇到出現髒數據的故障，直接觸發這三個清理job，先恢復再排查。
d）資源使用可預測
- 應用的cpu、內存、網絡、磁盤心中有數
- 正則匹配耗cpu
- 耗性能的job優化、降級、下線（循環調用rpc或sql）
- 慢sql優化、降級、限流
- tair/redis、db調用量要可預測
- 例：tair、db
舉個例子: 某一個接口類似於秒殺功能，qps非常高（如下圖所示），請求先到tair，如果找不到會回源到DB，當請求突增時候，甚至會觸發tair/redis這層緩存的限流，此外由於緩存在一開始是沒數據的，請求會穿透到db，從而擊垮db。
這裏的核心問題就是tair/redis這層資源的使用不可預測，因爲依賴於接口的qps，怎麼讓請求變得可預測呢？
如果我們再增加一層本地緩存（guava，比如超時時間設置爲1秒），保證單機對一個key只有一個請求回源，那樣對tair/redis這層資源的使用就可以預知了。假設有500臺client，對一個key來說，一瞬間最多500個請求穿透到Tair/redis，以此類推到db。
再舉個例子：
比如client有500臺，對某key一瞬間最多有500個請求穿透到db，如果key有10個，那麼請求最多可能有5000個到db，恰好這些sql的RT有些高，怎麼保護DB的資源？
可以通過一個定時程序不斷將數據從db刷到緩存。這裏就將不可控的5000個qps的db訪問變爲可控的個位數qps的db訪問。
4 總結
1）做好準備面對壓力！
2）複雜問題要拆解爲多步驟，每一步可測試可回滾！
這是應用拆分過程中的最有價值的實踐經驗！
3）墨菲定律：你所擔心的事情一定會發生，而且會很快發生，所以準備好你的SOP**（標準化解決方案）！
某個週五和組裏同事喫飯時討論到某一個功能存在風險，約定在下週解決，結果週一剛上班該功能就出現故障了。以前講小概率不可能發生，但是概率再小也是有值的，比如p=0.00001%，互聯網環境下，請求量足夠大，小概率事件就真發生了。
4）借假修真
這個詞看上去有點玄乎，顧名思義，就是在借者一些事情，來提升另外一種能力，前者稱爲假，後者稱爲真。在任何一個單位，對核心系統進行大規模拆分改造的機會很少，因此一旦你承擔起責任，就毫不猶豫地全力以赴吧！不要被過程的曲折所嚇倒，心智的磨礪，纔是本真。
另外，關注公衆號Java技術棧，在後臺回覆：面試，可以獲取我整理的 Java 系列面試題和答案，非常齊全。 近期熱文推薦：
1.Java 15 正式發佈， 14 個新特性，刷新你的認知！！
2.終於靠開源項目弄到 IntelliJ IDEA 激活碼了，真香！
3.我用 Java 8 寫了一段邏輯，同事直呼看不懂，你試試看。。
覺得不錯，別忘了隨手點贊+轉發哦！