基於TableStore的海量電商訂單元數據管理

摘要： # 1、背景 訂單系統存在於各行各業，如電商訂單、銀行流水、運營商話費帳單等，是一個很是普遍、通用的系統。對於這類系統，在過去十幾年發展中已經造成了經典的作法。可是隨着互聯網的發展，以及各企業對數據的重視，須要存儲和持久化的訂單量愈來愈大。

1、背景
訂單系統存在於各行各業，如電商訂單、銀行流水、運營商話費帳單等，是一個很是普遍、通用的系統。對於這類系統，在過去十幾年發展中已經造成了經典的作法。可是隨着互聯網的發展，以及各企業對數據的重視，須要存儲和持久化的訂單量愈來愈大。數據的重視程度與數據規模的膨脹帶來了新的挑戰，原有的系統是否還能繼續知足需求成了焦點？

需求場景
某電商平臺A，須要進行持久化全部平臺產生的訂單數據。同時，基於全部的訂單數據，系統又須要向外提供面向多種角色：消費者、店家、平臺三類人羣的多元化的查詢服務。消費者能夠查詢本身的歷史訂單，商家能夠統計熱銷產品，平臺也能夠分析用戶行爲、平臺交易規模等。主要查詢方式涵蓋訂單的多維度檢索，以及訂單數據的分析、統計等，例如：
面向消費者：【A消費者】【近1年】【產品名含'電腦'字段】訂單查詢；
面向店家：【B店家】【近1個月】【每一個產品】銷售量排名；
......

技術點
在訂單場景中，技術上一般須要考慮的技術點，主要包含以下幾個方面：

查詢能力：須要具有豐富的查詢類型，如多維度、範圍、模糊查詢等，同時具有排序、統計等功能；
數據量：存儲海量數據的同時，知足強一致、高可用、低成本等要求；
服務性能：應對高併發請求高併發的同時，保證低延遲；
2、方案演進
應對訂單場景，電商一般會採用MySQL傳統方案。藉助關係型數據庫強大的查詢能力，用戶可直接經過SQL語句實現訂單數據的多維度查詢、數據統計等。所謂數據膨脹，分爲橫向、縱向兩種，橫向即不斷迭代引入的新字段維度，縱向即總的存儲數據量。在面對這兩種訂單數據膨脹上，單MySql方案逐漸變得吃力。 SQL + NoSQL的組合方案（如下稱：組合方案）便應運而生，藉助兩個數據庫各自的優點分別解決不一樣場景各自的需求。但組合方案一樣也帶來了新的問題，組合方案犧牲空間成本，同時也增長了開發工做量與運維複雜度。在保證數據一致性上產生額外開銷。

下面讓咱們看一下以下幾個常規方案：

常規方案
一、MySql分庫分表方案
MySql自身擁有強大的數據查詢、分析功能，基於MyQql建立訂單系統，能夠應對訂單數據多維查詢、統計場景。伴隨着訂單數據量的增長，用戶會採起分庫、分表方案應對，經過這種僞分佈式方案，解決數據膨脹帶來的問題。但數據一旦達到瓶頸，便須要從新建立更大規模的分庫+數據的全量遷移，麻煩就會不斷出現。數據迭代、膨脹帶來的困擾，是MySql方案難於逾越的。僅僅依靠MySql的傳統訂單方案短板凸顯。
一、數據縱向（數據規模）膨脹：採用分庫分表方案，MySql在部署時須要預估分庫規模，數據量一旦達到上限後，從新部署並作數據全量遷移；
二、數據橫向（字段維度）膨脹：schema需預約義，迭代新增新字段變動複雜。而維度到達必定量後影響數據庫性能；

二、MySql+HBase方案
引入雙數據的方案應運而生，經過實時數據、歷史數據分存的方案，能夠必定程度解決數據量膨脹問題。該方案將數據歸類成兩部分存儲：實時數據、歷史數據。同時經過數據同步服務，將過時數據同步至歷史數據。
一、實時訂單數據（例如：近3個月的訂單）：將實時訂單存入MySql數據庫。實時訂單的總量膨脹的速度獲得了限制，同時保證了實時數據的多維查詢、分析能力；
二、歷史訂單數據（例如：3個月之前的訂單）：將歷史訂單數據存入HBase，藉助於HBase這一分佈式NoSql數據庫，有效應對了訂單數據膨脹困擾。也保證了歷史訂單數據的持久化；
可是，該方案犧牲了歷史訂單數據對用戶、商家、平臺的使用價值，假設了歷史數據的需求頻率極低。可是一旦有需求，便須要全表掃描，查詢速度慢、IO成本很高。而維護數據同步又帶來了數據一致性、同步運維成本飆升等難題；

三、MySql+Elasticsearch方案
組合方案還有MySql+Elasticsearch，該方案一樣是將數據分兩部分存儲，能夠必定程度解決訂單索引維度增加問題。用戶本身維護數據同步服務，保證兩部分數據的一致性；
一、全量數據：將全量的訂單數據存入MySql數據庫，訂單ID以外的數據總體存爲一個字段。該全量數據做爲持久化存儲，也用於非索引字段的反查；
二、查詢數據：僅將須要檢索的字段存入Elasticsearch（基於Lucene分佈式索引數據庫），藉助於Elasticsearch的索引能力，提供能夠應付維度膨脹的訂單數據，而後必要時反查MySql獲取訂單完整信息；
該方案應付了數據維度膨脹帶來的困擾，可是隨着訂單量的不斷膨脹，MySql擴展性差的問題再次暴露出來。同時數據同步至Elasticsearch的方案，開發、運維成本很高，方案選擇也存在弊端。

TableStore方案
若是使用表格存儲（TableStore）研發的多元索引（SearchIndex）方案，則能夠完美地解決以上問題。TableStore具備即開即用，按量收費等特色。多元索引隨時建立，是海量電商訂單元數據管理的優質方案。
TableStore做爲阿里雲提供的一款全託管、分佈式NoSql型數據存儲服務，具備【海量數據存儲】、【熱點數據自動分片】、【海量數據多維檢索】等功能，自然地解決了訂單數據大爆炸這一挑戰；
同時，SearchIndex功能在保證用戶數據高可用的基礎上，提供了數據多維度搜索、統計等能力。針對多種場景建立多種索引，實現多種模式的檢索。用戶能夠僅在須要的時候建立、開通索引。由TableStore來保證數據同步的一致性，這極大的下降了用戶的方案設計、服務運維、代碼開發等工做量。

3、基於表格存儲實現的訂單場景Demo
業務描述：
每成功完成一筆交易，就會生成一筆交易數據。交易數據包含了交易中的必要元素，如：交易時間、交易的雙方、交易的產品、數量、價格等，這裏選擇最基本元素舉例，僅將必要字段簡歷索引，格式以下：

訂單持久化數據
表名："order_table"

建立訂單表
用戶僅需維護一個數據庫，按以下方式建立：用戶能夠經過控制檯建立、管理Table，也可經過SDK

List<PrimaryKeySchema> primaryKey = Arrays.asList(

new PrimaryKeySchema("order_id", PrimaryKeyType.STRING)

);

TableMeta tableMeta = new TableMeta(tableName);
tableMeta.addPrimaryKeyColumns(primaryKey);
CreateTableRequest request = new CreateTableRequest(tableMeta, new TableOptions(-1, 1));
CreateTableResponse createTableResponse = otsClient.createTable(request);
建立索引
用戶根據自身需求，在須要的時候隨時建立索引。TableStore自動作全量、增量的索引數據同步：用戶能夠經過控制檯建立、管理SearchIndex，也可經過SDK按以下方式建立（索引暫不支持update）

CreateSearchIndexRequest createSearchIndexRequest = new CreateSearchIndexRequest();
createSearchIndexRequest.setTableName("tableName");
createSearchIndexRequest.setIndexName("indexName");

IndexSchema indexSchema = new IndexSchema();
indexSchema.setIndexSetting(new IndexSetting(1));//必寫
indexSchema.setFieldSchemas(Arrays.asList(

new FieldSchema("product_id", FieldType.KEYWORD).setIndex(true).setEnableSortAndAgg(true).setStore(true),
    new FieldSchema("product_name", FieldType.TEXT).setIndex(true),//TEXT不能設置docValues
    new FieldSchema("product_type", FieldType.KEYWORD).setIndex(true).setEnableSortAndAgg(true).setStore(true),
    new FieldSchema("product_count", FieldType.DOUBLE).setIndex(true).setEnableSortAndAgg(true).setStore(true),
    new FieldSchema("consumer_id", FieldType.KEYWORD).setIndex(true).setEnableSortAndAgg(true).setStore(true),
    new FieldSchema("seller_id", FieldType.KEYWORD).setIndex(true).setEnableSortAndAgg(true).setStore(true),
    new FieldSchema("total_pay", FieldType.DOUBLE).setIndex(true).setEnableSortAndAgg(true).setStore(true),
    new FieldSchema("time_stamp", FieldType.LONG).setIndex(true).setEnableSortAndAgg(true).setStore(true)

));
createSearchIndexRequest.setIndexSchema(indexSchema);

CreateSearchIndexResponse createSearchIndexResponse = otsClient.createSearchIndex(createSearchIndexRequest);
數據讀取
數據讀取分爲兩類：
一、基於原生表格存儲的主鍵列獲取：getRow, getRange, batchGetRow等;
二、基於新SearchIndex功能Query：search;

主鍵讀取
GetRowRequest getRowRequest = new GetRowRequest();

PrimaryKey pk = new PrimaryKey(new PrimaryKeyColumn[]{

new PrimaryKeyColumn("order_id", PrimaryKeyValue.fromString("fa960b5af"))

});

SingleRowQueryCriteria singleRowQueryCriteria = new SingleRowQueryCriteria("order_table", pk);
singleRowQueryCriteria.setMaxVersions(1);
getRowRequest.setRowQueryCriteria(singleRowQueryCriteria);

GetRowResponse rowResponse = o​tsClient.getRow(getRowRequest);
Search讀取
新增的search接口，經過設置QueryRequest實現不一樣query，不一樣aggregation，不一樣sort的功能

SearchQuery searchQuery = new SearchQuery();

//設置查詢條件，用戶發揮
searchQuery.setQuery(Query anyQuery);

//作分頁
searchQuery.setLimit(10);
searchQuery.setOffSet(0);

SearchRequest searchRequest = new SearchRequest("tableName", "indexName", searchQuery);

SearchRequest.ColumnsToGet columnsToGet = new SearchRequest.ColumnsToGet();
columnsToGet.setColumns(columnsToShow);//List<String> columnsToShow
searchRequest.setColumnsToGet(columnsToGet);

SearchResponse resp = otsClient.search(searchRequest);
返回結構

SearchResponse extends Response {

private long totalCount;//query匹配成功數據總數
private List<Row> rows;//query匹配數據列表（1）
private boolean isAllSuccess;

}
場景Demo
search功能主要分爲三種：（多維度）查詢，排序，聚合，使用上經過三種功能的組合來實現；

場景1：多維度查詢
【"consumer_001"用戶】【上個月】購買【產品名含某"牙膏"字段】的訂單記錄
使用：BoolQuery, TermQuery, RangeQuery, MatchPhraseQuery

BoolQuery boolQuery = new BoolQuery();

TermQuery termQuery = new TermQuery();
termQuery.setFieldName("consumer_id");
termQuery.setTerm(ColumnValue.fromString("consumer_001"));

RangeQuery rangeQuery = new RangeQuery();
rangeQuery.setFieldName("time_stamp");
rangeQuery.greaterThanOrEqual(ColumnValue.fromLong(fromTime));
rangeQuery.lessThanOrEqual(ColumnValue.fromLong(toTime));

MatchPhraseQuery matchPhraseQuery = new MatchPhraseQuery();
matchPhraseQuery.setFieldName("product_name");
matchPhraseQuery.setText("牙膏");

boolQuery.setMustQueries(Arrays.asList(

termQuery, rangeQuery, matchPhraseQuery

));

SearchQuery searchQuery = new SearchQuery();
searchQuery.setQuery(boolQuery);
searchQuery.setLimit(10);

//僅構建Query
SearchRequest searchRequest = new SearchRequest("tableName", "indexName", searchQuery);
場景2：查詢，排序
整個平臺【上個月】【單訂單支付金額】排行榜Top10
使用：RangeQuery, FieldSort

RangeQuery rangeQuery = new RangeQuery();
rangeQuery.setFieldName("time_stamp");
rangeQuery.greaterThanOrEqual(ColumnValue.fromLong(fromTime));
rangeQuery.lessThanOrEqual(ColumnValue.fromLong(toTime));

//排序因子
FieldSort fieldSort = new FieldSort("total_pay");
fieldSort.setOrder(SortOrder.DESC);

SearchQuery searchQuery = new SearchQuery();
searchQuery.setQuery(rangeQuery);
searchQuery.setSort(new Sort(Arrays.asList(fieldSort)));
searchQuery.setLimit(10);

//構建Query+SortSearchRequest searchRequest = new SearchRequest("tableName", "indexName", searchQuery);