建站
咨詢(xún)
售后
建站咨詢(xún)
新聞中心
一、背景引入
首先簡(jiǎn)單介紹一下項(xiàng)目背景，公司對(duì)合作商家提供一個(gè)付費(fèi)級(jí)產(chǎn)品，這個(gè)商業(yè)產(chǎn)品背后涉及到數(shù)百人的研發(fā)團(tuán)隊(duì)協(xié)作開(kāi)發(fā)，包括各種業(yè)務(wù)系統(tǒng)來(lái)提供很多強(qiáng)大的業(yè)務(wù)功能，同時(shí)在整個(gè)平臺(tái)中包含了一個(gè)至關(guān)重要的核心數(shù)據(jù)產(chǎn)品，這個(gè)數(shù)據(jù)產(chǎn)品的定位是全方位支持用戶(hù)的業(yè)務(wù)經(jīng)營(yíng)和快速?zèng)Q策。
成都創(chuàng)新互聯(lián)堅(jiān)持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：成都網(wǎng)站設(shè)計(jì)、網(wǎng)站制作、外貿(mào)營(yíng)銷(xiāo)網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿(mǎn)足客戶(hù)于互聯(lián)網(wǎng)時(shí)代的瀘水網(wǎng)站設(shè)計(jì)、移動(dòng)媒體設(shè)計(jì)的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！
這篇文章就聊聊這個(gè)數(shù)據(jù)產(chǎn)品背后對(duì)應(yīng)的一套大型商家數(shù)據(jù)平臺(tái)，看看這個(gè)平臺(tái)在分布式、高并發(fā)、高可用、高性能、海量數(shù)據(jù)等技術(shù)挑戰(zhàn)下的架構(gòu)演進(jìn)歷程。
因?yàn)檎紫到y(tǒng)規(guī)模過(guò)于龐大，涉及研發(fā)人員很多，持續(xù)時(shí)間很長(zhǎng)，文章難以表述出其中各種詳細(xì)的技術(shù)細(xì)節(jié)以及方案，因此本文主要從整體架構(gòu)演進(jìn)的角度來(lái)闡述。
至于選擇這個(gè)商家數(shù)據(jù)平臺(tái)項(xiàng)目來(lái)聊架構(gòu)演進(jìn)過(guò)程，是因?yàn)檫@個(gè)平臺(tái)基本跟業(yè)務(wù)耦合度較低，不像我們負(fù)責(zé)過(guò)的C端類(lèi)的電商平臺(tái)以及其他業(yè)務(wù)類(lèi)平臺(tái)有那么重的業(yè)務(wù)在里面，文章可以專(zhuān)注闡述技術(shù)架構(gòu)的演進(jìn)，不需要牽扯太多的業(yè)務(wù)細(xì)節(jié)。
此外，這個(gè)平臺(tái)項(xiàng)目在筆者帶的團(tuán)隊(duì)負(fù)責(zé)過(guò)的眾多項(xiàng)目中，相對(duì)算比較簡(jiǎn)單的，但是前后又涉及到各種架構(gòu)的演進(jìn)過(guò)程，因此很適合通過(guò)文字的形式來(lái)展現(xiàn)出來(lái)。
二、商家數(shù)據(jù)平臺(tái)的業(yè)務(wù)流程
下面幾點(diǎn)，是這個(gè)數(shù)據(jù)產(chǎn)品最核心的業(yè)務(wù)流程：
- 每天從用戶(hù)使用的大量業(yè)務(wù)系統(tǒng)中實(shí)時(shí)的采集過(guò)來(lái)各種業(yè)務(wù)數(shù)據(jù)。
- 接著存儲(chǔ)在自己的數(shù)據(jù)中心里。
- 然后實(shí)時(shí)的運(yùn)算大量的幾百行~上千行的SQL來(lái)生成各種數(shù)據(jù)報(bào)表。
- 最后就可以提供這些數(shù)據(jù)報(bào)表給用戶(hù)來(lái)分析。
基本上用戶(hù)在業(yè)務(wù)系統(tǒng)使用過(guò)程中，只要數(shù)據(jù)一有變動(dòng)，立馬就反饋到各種數(shù)據(jù)報(bào)表中，用戶(hù)立馬就可以看到數(shù)據(jù)報(bào)表中的各種變化，進(jìn)而快速的指導(dǎo)自己的決策和管理。
整個(gè)過(guò)程，大家看看下面的圖就明白了。
三、從0到1的過(guò)程中上線的最low版本
看著上面那張圖好像非常的簡(jiǎn)單，是不是？
看整個(gè)過(guò)程，似乎數(shù)據(jù)平臺(tái)只要想個(gè)辦法把業(yè)務(wù)系統(tǒng)的數(shù)據(jù)采集過(guò)來(lái)，接著放在MySQL的各種表里，直接咔嚓一下運(yùn)行100多個(gè)幾百行的大SQL，然后SQL運(yùn)行結(jié)果再寫(xiě)到另外一些MySQL的表里作為報(bào)表數(shù)據(jù)，接著用戶(hù)直接點(diǎn)擊報(bào)表頁(yè)面查詢(xún)MySQL里的報(bào)表數(shù)據(jù)，就可以了！
其實(shí)任何一個(gè)系統(tǒng)從0到1的過(guò)程，都是比較low的，剛開(kāi)始為了快速開(kāi)發(fā)出來(lái)這個(gè)數(shù)據(jù)平臺(tái)，還真的就是用了這種架構(gòu)來(lái)開(kāi)發(fā)，大家看下面的圖。
其實(shí)在剛開(kāi)始業(yè)務(wù)量很小，請(qǐng)求量很小，數(shù)據(jù)量很小的時(shí)候，上面那種架構(gòu)也沒(méi)啥問(wèn)題，還挺簡(jiǎn)單的。
我們直接基于自己研發(fā)的數(shù)據(jù)庫(kù)binlog采集中間件（這個(gè)是另外一套復(fù)雜系統(tǒng)了，不在本文討論的范圍里，以后有機(jī)會(huì)可以聊聊），感知各個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)庫(kù)中的數(shù)據(jù)變更，毫秒級(jí)同步到數(shù)據(jù)平臺(tái)自己的MySQL庫(kù)里。
接著數(shù)據(jù)平臺(tái)里做一些定時(shí)調(diào)度任務(wù)，每隔幾秒鐘就運(yùn)行上百個(gè)復(fù)雜大SQL，計(jì)算各種報(bào)表的數(shù)據(jù)并將結(jié)果存儲(chǔ)到MySQL庫(kù)中。
最后用戶(hù)只要對(duì)報(bào)表刷新一下，立馬就可以從MySQL庫(kù)里查到最新的報(bào)表數(shù)據(jù)。
基本上在無(wú)任何技術(shù)挑戰(zhàn)的前提下，這套簡(jiǎn)易架構(gòu)運(yùn)行的會(huì)很順暢，效果很好。然而，事情往往不是我們想的那么簡(jiǎn)單的，因?yàn)榇蠹叶贾绹?guó)內(nèi)那些互聯(lián)網(wǎng)巨頭公司最大的優(yōu)勢(shì)和資源之一，就是有豐富以及海量的C端用戶(hù)以及B端的合作商家。
對(duì)C端用戶(hù)，任何一個(gè)互聯(lián)網(wǎng)巨頭推出一個(gè)新的C端產(chǎn)品，很可能迅速就是上億用戶(hù)量。
對(duì)B端商家，任何一個(gè)互聯(lián)網(wǎng)巨頭如果打B端市場(chǎng)，憑借巨大的影響力以及合作資源，很可能迅速就可以聚攏數(shù)十萬(wàn)，乃至上百萬(wàn)的付費(fèi)B端用戶(hù)。
因此，很不幸，接下來(lái)的一兩年內(nèi)，這套系統(tǒng)將要面臨業(yè)務(wù)的高速增長(zhǎng)帶來(lái)的巨大技術(shù)挑戰(zhàn)和壓力。
四、海量數(shù)據(jù)存儲(chǔ)和計(jì)算的技術(shù)挑戰(zhàn)
其實(shí)跟很多大型系統(tǒng)遇到的第一個(gè)技術(shù)挑戰(zhàn)一樣，這套系統(tǒng)遇到的第一個(gè)大問(wèn)題，就是海量數(shù)據(jù)的存儲(chǔ)。
你一個(gè)系統(tǒng)剛開(kāi)始上線也許就幾十個(gè)商家用，接著隨著你們產(chǎn)品的銷(xiāo)售持續(xù)大力推廣，可能幾個(gè)月內(nèi)就會(huì)聚攏起來(lái)十萬(wàn)級(jí)別的用戶(hù)。
這些用戶(hù)每天都會(huì)大量的使用你提供的產(chǎn)品，進(jìn)而每天都會(huì)產(chǎn)生大量的數(shù)據(jù)，大家可以想象一下，在數(shù)十萬(wàn)規(guī)模的商家用戶(hù)使用場(chǎng)景下，每天你新增的數(shù)據(jù)量大概會(huì)是幾千萬(wàn)條數(shù)據(jù)，記住，這可是每天新增的數(shù)據(jù)！這將會(huì)給上面你看到的那個(gè)很low的架構(gòu)帶來(lái)巨大的壓力。
如果你在負(fù)責(zé)上面那套系統(tǒng)，結(jié)果慢慢的發(fā)現(xiàn)，每天都要涌入MySQL幾千萬(wàn)條數(shù)據(jù)，這種現(xiàn)象是令人感到崩潰的，因?yàn)槟愕腗ySQL中的單表數(shù)據(jù)量會(huì)迅速膨脹，很快就會(huì)達(dá)到單表幾億條數(shù)據(jù)，甚至是數(shù)十億條數(shù)據(jù)，然后你對(duì)那些怪獸一樣的大表運(yùn)行幾百行乃至上千行的SQL？其中包含了N層嵌套查詢(xún)以及N個(gè)各種多表連接？
我跟你打賭，如果你愿意試一下，你會(huì)發(fā)現(xiàn)你的數(shù)據(jù)平臺(tái)系統(tǒng)直接卡死，因?yàn)橐粋€(gè)大SQL可能都要幾個(gè)小時(shí)才能跑完。然后MySQL的cpu負(fù)載壓力直接100%，弄不好就把MySQL數(shù)據(jù)庫(kù)服務(wù)器給搞宕機(jī)了。
所以這就是第一個(gè)技術(shù)挑戰(zhàn)，數(shù)據(jù)量越來(lái)越大，SQL跑的越來(lái)越慢，MySQL服務(wù)器壓力越來(lái)越大。
我們當(dāng)時(shí)而言，已經(jīng)看到了業(yè)務(wù)的快速增長(zhǎng)，因此絕對(duì)要先業(yè)務(wù)一步來(lái)重構(gòu)系統(tǒng)架構(gòu)，不能讓上述情況發(fā)生，第一次架構(gòu)重構(gòu)，勢(shì)在必行！
五、離線計(jì)算與實(shí)時(shí)計(jì)算的拆分
其實(shí)在幾年前我們做這個(gè)項(xiàng)目的時(shí)候，大數(shù)據(jù)技術(shù)已經(jīng)在國(guó)內(nèi)開(kāi)始運(yùn)用的不錯(cuò)了，而且尤其在一些大型互聯(lián)網(wǎng)公司內(nèi)，我們基本上都運(yùn)用大數(shù)據(jù)技術(shù)支撐過(guò)很多生產(chǎn)環(huán)境的項(xiàng)目了，在大數(shù)據(jù)這塊技術(shù)的經(jīng)驗(yàn)積累，也是足夠的。
針對(duì)這個(gè)數(shù)據(jù)產(chǎn)品的需求，我們完全可以做到，將昨天以及昨天以前的數(shù)據(jù)都放在大數(shù)據(jù)存儲(chǔ)中，進(jìn)行離線存儲(chǔ)和離線計(jì)算，然后只有今天的數(shù)據(jù)是實(shí)時(shí)的采集的。
因此在這種技術(shù)挑戰(zhàn)下，第一次架構(gòu)重構(gòu)的核心要義，就是將離線計(jì)算與實(shí)時(shí)計(jì)算進(jìn)行拆分。
大家看上面那張圖，新的架構(gòu)之下，分為了離線與實(shí)時(shí)兩條計(jì)算鏈路。
一條是離線計(jì)算鏈路：每天凌晨，我們將業(yè)務(wù)系統(tǒng)MySQL庫(kù)中的昨天以前的數(shù)據(jù)，作為離線數(shù)據(jù)導(dǎo)入Hadoop HDFS中進(jìn)行離線存儲(chǔ)，然后凌晨就基于Hive / Spark對(duì)離線存儲(chǔ)中的數(shù)據(jù)進(jìn)行離線計(jì)算。
在離線計(jì)算鏈路全面采用大數(shù)據(jù)相關(guān)技術(shù)來(lái)支撐過(guò)后，完美解決了海量數(shù)據(jù)的存儲(chǔ)，哪怕你一天進(jìn)來(lái)上億條數(shù)據(jù)都沒(méi)事，分布式存儲(chǔ)可以隨時(shí)擴(kuò)容，同時(shí)基于分布式計(jì)算技術(shù)天然適合海量數(shù)據(jù)的離線計(jì)算。
即使是每天凌晨耗費(fèi)幾個(gè)小時(shí)將昨天以前的數(shù)據(jù)完成計(jì)算，這個(gè)也沒(méi)事，因?yàn)榱璩恳话闶菦](méi)人看這個(gè)數(shù)據(jù)的，所以主要在人家早上8點(diǎn)上班以前，完成數(shù)據(jù)計(jì)算就可以了。
另外一條是實(shí)時(shí)計(jì)算鏈路：每天零點(diǎn)過(guò)后，當(dāng)天最新的數(shù)據(jù)變更，全部還是走之前的老路子，秒級(jí)同步業(yè)務(wù)庫(kù)的數(shù)據(jù)到數(shù)據(jù)平臺(tái)存儲(chǔ)中，接著就是數(shù)據(jù)平臺(tái)系統(tǒng)定時(shí)運(yùn)行大量的SQL進(jìn)行計(jì)算。同時(shí)在每天零點(diǎn)的時(shí)候，還會(huì)從數(shù)據(jù)平臺(tái)的存儲(chǔ)中清理掉昨天的數(shù)據(jù)，僅僅保留當(dāng)天一天的數(shù)據(jù)而已。
實(shí)時(shí)計(jì)算鏈路最大的改變，就是僅僅在數(shù)據(jù)平臺(tái)的本地存儲(chǔ)中保留當(dāng)天一天的數(shù)據(jù)而已，這樣就大幅度降低了要放在MySQL中的數(shù)據(jù)量了。
舉個(gè)例子：比如一天就幾千萬(wàn)條數(shù)據(jù)放在MySQL里，那么單表數(shù)據(jù)量被維持在了千萬(wàn)的級(jí)別上，此時(shí)如果對(duì)SQL對(duì)應(yīng)索引以及優(yōu)化到極致之后，勉強(qiáng)還是可以在幾十秒內(nèi)完成所有報(bào)表的計(jì)算。
六、持續(xù)增長(zhǎng)的數(shù)據(jù)量和計(jì)算壓力
但是如果僅僅只是做到上面的架構(gòu)，還是只能暫時(shí)性的緩解系統(tǒng)架構(gòu)的壓力，因?yàn)闃I(yè)務(wù)還在加速狂飆，繼續(xù)增長(zhǎng)。
你老是期望單日的數(shù)據(jù)量在千萬(wàn)級(jí)別，怎么可能？業(yè)務(wù)是不會(huì)給你這個(gè)機(jī)會(huì)的。很快就可以預(yù)見(jiàn)到單日數(shù)據(jù)量將會(huì)達(dá)到幾億，甚至十億的級(jí)別。
如果一旦單日數(shù)據(jù)量達(dá)到了數(shù)十億的級(jí)別，單表數(shù)據(jù)量上億，你再怎么優(yōu)化SQL性能，有無(wú)法保證100多個(gè)幾百行的復(fù)雜SQL可以快速的運(yùn)行完畢了。
到時(shí)候又會(huì)回到最初的問(wèn)題，SQL計(jì)算過(guò)慢會(huì)導(dǎo)致數(shù)據(jù)平臺(tái)核心系統(tǒng)卡死，甚至給MySQL服務(wù)器過(guò)大壓力，CPU 100%負(fù)載后宕機(jī)。
而且此外還有另外一個(gè)問(wèn)題，那就是單個(gè)MySQL數(shù)據(jù)庫(kù)服務(wù)器的存儲(chǔ)容量是有限的，如果一旦單日數(shù)據(jù)量達(dá)到甚至超過(guò)了單臺(tái)MySQL數(shù)據(jù)庫(kù)服務(wù)器的存儲(chǔ)極限，那么此時(shí)也會(huì)導(dǎo)致單臺(tái)MySQL數(shù)據(jù)庫(kù)無(wú)法容納所有的數(shù)據(jù)了，這也是一個(gè)很大的問(wèn)題！
第二次架構(gòu)重構(gòu)，勢(shì)在必行！
七、大數(shù)據(jù)領(lǐng)域的實(shí)時(shí)計(jì)算技術(shù)的缺陷
在幾年前做這個(gè)項(xiàng)目的背景下，當(dāng)時(shí)可供選擇的大數(shù)據(jù)領(lǐng)域的實(shí)時(shí)計(jì)算技術(shù)，主要還是Storm，算是比較成熟的一個(gè)技術(shù)，另外就是Spark生態(tài)里的Spark Streaming。當(dāng)時(shí)可沒(méi)有什么現(xiàn)在較火的Flink、Druid等技術(shù)。
在仔細(xì)調(diào)研了一番過(guò)后發(fā)現(xiàn)，根本沒(méi)有任何一個(gè)大數(shù)據(jù)領(lǐng)域的實(shí)時(shí)計(jì)算技術(shù)可以支撐這個(gè)需求。
因?yàn)镾torm是不支持SQL的，而且即使勉強(qiáng)你讓他支持了，他的SQL支持也會(huì)很弱，完全不可能運(yùn)行幾百行甚至上千行的復(fù)雜SQL在這種流式計(jì)算引擎上的執(zhí)行。
Spark Streaming也是同理，當(dāng)時(shí)功能還是比較弱小的，雖然可以支持簡(jiǎn)單SQL的執(zhí)行，但是完全無(wú)法支持這種復(fù)雜SQL的精準(zhǔn)運(yùn)算。
因此很不幸的是，在當(dāng)時(shí)的技術(shù)背景下，遇到的這個(gè)實(shí)時(shí)數(shù)據(jù)運(yùn)算的痛點(diǎn)，沒(méi)有任何開(kāi)源的技術(shù)是可以解決的。必須得自己根據(jù)業(yè)務(wù)的具體場(chǎng)景，從0開(kāi)始定制開(kāi)發(fā)自己的一套數(shù)據(jù)平臺(tái)系統(tǒng)架構(gòu)。
八、分庫(kù)分表解決數(shù)據(jù)擴(kuò)容問(wèn)題
首先我們要先解決第一個(gè)痛點(diǎn)，就是一旦單臺(tái)數(shù)據(jù)庫(kù)服務(wù)器無(wú)法存儲(chǔ)下當(dāng)日的數(shù)據(jù)，該怎么辦？
第一個(gè)首選的方案當(dāng)然就是分庫(kù)分表了。我們需要將一個(gè)庫(kù)拆分為多庫(kù)，不用的庫(kù)放在不同的數(shù)據(jù)庫(kù)服務(wù)器上，同時(shí)每個(gè)庫(kù)里放多張表。
采用這套分庫(kù)分表架構(gòu)之后，可以做到每個(gè)數(shù)據(jù)庫(kù)服務(wù)器放一部分的數(shù)據(jù)，而且隨著數(shù)據(jù)量日益增長(zhǎng)，可以不斷地增加更多的數(shù)據(jù)庫(kù)服務(wù)器來(lái)容納更多的數(shù)據(jù)，做到按需擴(kuò)容。
同時(shí)，每個(gè)庫(kù)里單表分為多表，這樣可以保證單表數(shù)據(jù)量不會(huì)太大，控制單表的數(shù)據(jù)量在幾百萬(wàn)的量級(jí)，基本上性能優(yōu)化到極致的SQL語(yǔ)句跑起來(lái)效率還是不錯(cuò)的，秒級(jí)出結(jié)果是可以做到的。
同樣，給大家來(lái)一張圖，大家直觀的感受一下：
九、讀寫(xiě)分離降低數(shù)據(jù)庫(kù)服務(wù)器的負(fù)載
此時(shí)分庫(kù)分表之后，又面臨著另外一個(gè)問(wèn)題，就是現(xiàn)在如果對(duì)每個(gè)數(shù)據(jù)庫(kù)服務(wù)器又是寫(xiě)入又是讀取的話，會(huì)導(dǎo)致數(shù)據(jù)庫(kù)服務(wù)器的CPU負(fù)載和IO負(fù)載非常的高！
為什么這么說(shuō)呢？因?yàn)樵诖藭r(shí)寫(xiě)數(shù)據(jù)庫(kù)的每秒并發(fā)已經(jīng)達(dá)到幾千了，同時(shí)還頻繁的運(yùn)行那種超大SQL來(lái)查詢(xún)數(shù)據(jù)，數(shù)據(jù)庫(kù)服務(wù)器的CPU運(yùn)算會(huì)極其的繁忙。
因此我們將MySQL做了讀寫(xiě)分離的部署，每個(gè)主數(shù)據(jù)庫(kù)服務(wù)器都掛了多個(gè)從數(shù)據(jù)庫(kù)服務(wù)器，寫(xiě)只能寫(xiě)入主庫(kù)，查可以從從庫(kù)來(lái)查。
大家一起來(lái)看看下面這張圖：
十、自研的滑動(dòng)窗口動(dòng)態(tài)計(jì)算引擎
但是光是做到這一點(diǎn)還是不夠的，因?yàn)槠鋵?shí)在生產(chǎn)環(huán)境發(fā)現(xiàn)，哪怕單表數(shù)據(jù)量限制在了幾百萬(wàn)的級(jí)別，你運(yùn)行幾百個(gè)幾百行復(fù)雜SQL，也要幾十秒甚至幾分鐘的時(shí)間，這個(gè)時(shí)效性對(duì)付費(fèi)級(jí)的產(chǎn)品已經(jīng)有點(diǎn)無(wú)法接受，產(chǎn)品提出的極致性能要求是，秒級(jí)！
因此對(duì)上述系統(tǒng)架構(gòu)，我們?cè)俅巫隽思軜?gòu)的優(yōu)化，在數(shù)據(jù)平臺(tái)中嵌入了自己純自研的滑動(dòng)窗口計(jì)算引擎，核心思想如下：
- 在數(shù)據(jù)庫(kù)binlog采集中間件采集的過(guò)程中，要將數(shù)據(jù)的變更切割為一個(gè)一個(gè)的滑動(dòng)時(shí)間窗口，每個(gè)滑動(dòng)時(shí)間窗口為幾秒鐘，對(duì)每個(gè)窗口內(nèi)的數(shù)據(jù)打上那個(gè)窗口的標(biāo)簽。
- 同時(shí)需要維護(hù)一份滑動(dòng)時(shí)間窗口的索引數(shù)據(jù)，包括每個(gè)分片的數(shù)據(jù)在哪個(gè)窗口里，每個(gè)窗口的數(shù)據(jù)的一些具體的索引信息和狀態(tài)。
- 接著數(shù)據(jù)平臺(tái)中的核心計(jì)算引擎，不再是每隔幾十秒就運(yùn)行大量SQL對(duì)當(dāng)天所有的數(shù)據(jù)全部計(jì)算一遍了，而是對(duì)一個(gè)接一個(gè)的滑動(dòng)時(shí)間窗口，根據(jù)窗口標(biāo)簽提取出那個(gè)窗口內(nèi)的數(shù)據(jù)進(jìn)行計(jì)算，計(jì)算的僅僅是最近一個(gè)滑動(dòng)時(shí)間窗口內(nèi)的數(shù)據(jù)。
- 接著對(duì)這個(gè)滑動(dòng)時(shí)間窗口內(nèi)的數(shù)據(jù)，可能最多就千條左右吧，運(yùn)行所有的復(fù)雜SQL計(jì)算出這個(gè)滑動(dòng)時(shí)間窗口內(nèi)的報(bào)表數(shù)據(jù)，然后將這個(gè)窗口數(shù)據(jù)計(jì)算出的結(jié)果，與之前計(jì)算出來(lái)的其他窗口內(nèi)的計(jì)算結(jié)果進(jìn)行合并，最后放入MySQL中的報(bào)表內(nèi)。
- 此外，這里需要考慮到一系列的生產(chǎn)級(jí)機(jī)制，包括滑動(dòng)時(shí)間窗口如果計(jì)算失敗怎么辦？如果一個(gè)滑動(dòng)時(shí)間窗口計(jì)算過(guò)慢怎么辦？滑動(dòng)窗口計(jì)算過(guò)程中系統(tǒng)宕機(jī)了如何在重啟之后自動(dòng)恢復(fù)計(jì)算？等等。
通過(guò)這套滑動(dòng)窗口的計(jì)算引擎，我們直接將系統(tǒng)計(jì)算性能提升了幾十倍，基本上每個(gè)滑動(dòng)窗口的數(shù)據(jù)只要幾秒鐘就可以完成全部報(bào)表的計(jì)算，相當(dāng)于一下子把最終呈現(xiàn)給用戶(hù)的實(shí)時(shí)數(shù)據(jù)的時(shí)效性提升到了幾秒鐘，而不是幾十秒。
同樣，大家看看下面的圖。
十一、離線計(jì)算鏈路的性能優(yōu)化
實(shí)時(shí)計(jì)算鏈路的性能問(wèn)題通過(guò)自研滑動(dòng)窗口計(jì)算引擎來(lái)解決了，但是離線計(jì)算鏈路此時(shí)又出現(xiàn)了性能問(wèn)題。
因?yàn)槊刻炝璩繌臉I(yè)務(wù)庫(kù)中離線導(dǎo)入的是歷史全量數(shù)據(jù)，接著需要在凌晨針對(duì)百億量級(jí)的全量數(shù)據(jù)，運(yùn)行很多復(fù)雜的上千行復(fù)雜SQL來(lái)進(jìn)行運(yùn)算，當(dāng)數(shù)據(jù)量達(dá)到百億之后，這個(gè)過(guò)程耗時(shí)很長(zhǎng)，有時(shí)候要從凌晨一直計(jì)算到上午。
關(guān)鍵問(wèn)題就在于，離線計(jì)算鏈路，每天都是導(dǎo)入全量數(shù)據(jù)來(lái)進(jìn)行計(jì)算，這就很坑了。
之所以這么做，是因?yàn)閺臉I(yè)務(wù)庫(kù)同步數(shù)據(jù)時(shí)，每天都涉及到數(shù)據(jù)的更新操作，而hadoop里的數(shù)據(jù)是沒(méi)法跟業(yè)務(wù)庫(kù)那樣來(lái)進(jìn)行更新的，因此最開(kāi)始都是每天導(dǎo)入全量歷史數(shù)據(jù)，作為一個(gè)最新快照來(lái)進(jìn)行全量計(jì)算。
在這里，我們對(duì)離線計(jì)算鏈路進(jìn)行了優(yōu)化，主要就是全量計(jì)算轉(zhuǎn)增量計(jì)算：每天數(shù)據(jù)在導(dǎo)入hadoop之后，都會(huì)針對(duì)數(shù)據(jù)的業(yè)務(wù)時(shí)間戳來(lái)分析和提取出來(lái)每天變更過(guò)的增量數(shù)據(jù)，將這些增量數(shù)據(jù)放入獨(dú)立的增量數(shù)據(jù)表中。
同時(shí)需要根據(jù)具體的業(yè)務(wù)需求，自動(dòng)分析數(shù)據(jù)計(jì)算的基礎(chǔ)血緣關(guān)系，有可能增量數(shù)據(jù)需要與部分全量數(shù)據(jù)混合才能完成計(jì)算，此時(shí)可能會(huì)提取部分全量歷史數(shù)據(jù)，合并完成計(jì)算。計(jì)算完成之后，將計(jì)算結(jié)果與歷史計(jì)算結(jié)果進(jìn)行合并。
在完成這個(gè)全量計(jì)算轉(zhuǎn)增量計(jì)算的過(guò)程之后，離線計(jì)算鏈路在凌晨基本上百億級(jí)別的數(shù)據(jù)量，只要對(duì)昨天的增量數(shù)據(jù)花費(fèi)一兩個(gè)小時(shí)完成計(jì)算之后，就可以完成離線計(jì)算的全部任務(wù)，性能相較于全量計(jì)算提升至少十倍以上。
十二、階段性總結(jié)
到此為止，就是這套系統(tǒng)在最初一段時(shí)間做出來(lái)的一套架構(gòu)，不算太復(fù)雜，還有很多缺陷，不完美，但是在當(dāng)時(shí)的業(yè)務(wù)背景下效果相當(dāng)?shù)牟诲e(cuò)。
在這套架構(gòu)對(duì)應(yīng)的早期業(yè)務(wù)背景下，每天新增數(shù)據(jù)大概是億級(jí)左右，但是分庫(kù)分表之后，單表數(shù)據(jù)量在百萬(wàn)級(jí)別，單臺(tái)數(shù)據(jù)庫(kù)服務(wù)器的高峰期寫(xiě)入壓力在2000/s，查詢(xún)壓力在100/s，數(shù)據(jù)庫(kù)集群承載的總高峰寫(xiě)入壓力在1萬(wàn)/s，查詢(xún)壓力在500/s，有需要還可以隨時(shí)擴(kuò)容更多的數(shù)據(jù)庫(kù)服務(wù)器，承載更多的數(shù)據(jù)量，更高的寫(xiě)入并發(fā)與查詢(xún)并發(fā)。
而且，因?yàn)樽隽俗x寫(xiě)分離，因此每個(gè)數(shù)據(jù)庫(kù)服務(wù)器的CPU負(fù)載和IO負(fù)載都不會(huì)在高峰期打滿(mǎn)，避免數(shù)據(jù)庫(kù)服務(wù)器的負(fù)載過(guò)高。
而基于滑動(dòng)時(shí)間窗口的自研計(jì)算引擎，可以保證當(dāng)天更新的實(shí)時(shí)數(shù)據(jù)主要幾秒鐘就可以完成一個(gè)微批次的計(jì)算，反饋到用戶(hù)看到的數(shù)據(jù)報(bào)表中。
同時(shí)這套引擎自行管理著計(jì)算的狀態(tài)與日志，如果出現(xiàn)某個(gè)窗口的計(jì)算失敗、系統(tǒng)宕機(jī)、計(jì)算超時(shí)，等各種異常的情況，這個(gè)套引擎可以自動(dòng)重試與恢復(fù)。
此外，昨天以前的海量數(shù)據(jù)都是走Hadoop與Spark生態(tài)的離線存儲(chǔ)與計(jì)算。經(jīng)過(guò)性能優(yōu)化之后，每天凌晨花費(fèi)一兩個(gè)小時(shí)，算好昨天以前所有的數(shù)據(jù)即可。
最后實(shí)時(shí)與離線的計(jì)算結(jié)果在同一個(gè)MySQL數(shù)據(jù)庫(kù)中融合，此時(shí)用戶(hù)如果對(duì)業(yè)務(wù)系統(tǒng)做出操作，實(shí)時(shí)數(shù)據(jù)報(bào)表在幾秒后就會(huì)刷新，如果要看昨天以前的數(shù)據(jù)可以隨時(shí)選擇時(shí)間范圍查看即可，暫時(shí)性是滿(mǎn)足了業(yè)務(wù)的需求。
早期的幾個(gè)月里，日增上億數(shù)據(jù)，離線與實(shí)時(shí)兩條鏈路中的整體數(shù)據(jù)量級(jí)達(dá)到了百億級(jí)別，無(wú)論是存儲(chǔ)擴(kuò)容，還是高效計(jì)算，這套架構(gòu)基本是撐住了。
十三、下一階段的展望
這個(gè)大型系統(tǒng)架構(gòu)演進(jìn)實(shí)踐是一個(gè)系列的文章，將會(huì)包含很多篇文章，因?yàn)橐粋€(gè)大型的系統(tǒng)架構(gòu)演進(jìn)的過(guò)程，會(huì)持續(xù)很長(zhǎng)時(shí)間，做出很多次的架構(gòu)升級(jí)與重構(gòu)，不斷的解決日益增長(zhǎng)的技術(shù)挑戰(zhàn)，最終完美的抗住海量數(shù)據(jù)、高并發(fā)、高性能、高可用等場(chǎng)景。
下一篇文章會(huì)說(shuō)說(shuō)下一步是如何將數(shù)據(jù)平臺(tái)系統(tǒng)重構(gòu)為一套高可用高容錯(cuò)的分布式系統(tǒng)架構(gòu)的，來(lái)解決單點(diǎn)故障、單系統(tǒng)CPU負(fù)載過(guò)高、自動(dòng)故障轉(zhuǎn)移、自動(dòng)數(shù)據(jù)容錯(cuò)等相關(guān)的問(wèn)題。包括之后還會(huì)有多篇文章涉及到我們自研的更加復(fù)雜的支撐高并發(fā)、高可用、高性能、海量數(shù)據(jù)的平臺(tái)架構(gòu)。
十四、上篇文章的答疑
之前發(fā)布過(guò)一篇文章，寫(xiě)了一個(gè)分布式鎖的高并發(fā)優(yōu)化的文章，具體參見(jiàn)：??為什么公司規(guī)定所有接口都必須加上分布式鎖，你知道嗎？??收到了大家很多的提問(wèn)，其實(shí)最終都是一個(gè)問(wèn)題：
針對(duì)那篇文章里的用分布式鎖的分段加鎖的方式，解決庫(kù)存超賣(mài)問(wèn)題，那如果一個(gè)分段的庫(kù)存不滿(mǎn)足要購(gòu)買(mǎi)的數(shù)量，怎么辦？
第一，我當(dāng)時(shí)文章里提了一句，可能沒(méi)寫(xiě)太詳細(xì)，如果一個(gè)分段庫(kù)存不足，要鎖其他的分段，進(jìn)行合并扣減，如果你做分段加鎖，那就是這樣的，很麻煩。
如果大家去看看Java 8里的LongAdder的源碼，他的分段加鎖的優(yōu)化，也是如此的麻煩，要做段遷移。
第二，我在那篇文章里反復(fù)強(qiáng)調(diào)了一下，不要對(duì)號(hào)入座，因?yàn)閷?shí)際的電商庫(kù)存超賣(mài)問(wèn)題，有很多其他的技術(shù)手段，我們就用的是其他的方案，不是這個(gè)方案，以后有機(jī)會(huì)給大家專(zhuān)門(mén)講如何解決電商庫(kù)存超賣(mài)問(wèn)題。
那篇文章僅僅是用那個(gè)例作為一個(gè)業(yè)務(wù)案例而已，闡述一下分布式鎖的并發(fā)問(wèn)題，以及高并發(fā)的優(yōu)化手段，方便大家來(lái)理解那個(gè)意思，僅此而已。
第三，最后再?gòu)?qiáng)調(diào)一下，大家關(guān)注分段加鎖的思想就好，切記不要對(duì)號(hào)入座，不要關(guān)注過(guò)多在庫(kù)存超賣(mài)業(yè)務(wù)上了。
分享題目：別光看NB的Github開(kāi)源項(xiàng)目，你得參考他們?nèi)ピO(shè)計(jì)自己的架構(gòu)
文章轉(zhuǎn)載：http://www.fisionsoft.com.cn/article/djijgie.html
