Mysql在大型網站的應用架構演變

寫在最前:

　　本文主要描述在網站的不一樣的併發訪問量級下，Mysql架構的演變

　　可擴展性

　　架構的可擴展性每每和併發是息息相關，沒有併發的增加，也就沒有必要作高可擴展性的架構，這裏對可擴展性進行簡單介紹一下，經常使用的擴展手段有如下兩種

　　Scale-up :  縱向擴展，經過替換爲更好的機器和資源來實現伸縮，提高服務能力

　　Scale-out : 橫向擴展,  經過加節點（機器）來實現伸縮，提高服務能力

　　對於互聯網的高併發應用來講，無疑Scale out纔是出路，經過縱向的買更高端的機器一直是咱們所避諱的問題，也不是長久之計，在scale out的理論下，可擴展性的理想狀態是什麼？

　　可擴展性的理想狀態

　　一個服務，當面臨更高的併發的時候，可以經過簡單增長機器來提高服務支撐的併發度，且增長機器過程當中對線上服務無影響(no down time)，這就是可擴展性的理想狀態！

　架構的演變

　　V1.0  簡單網站架構

　　一個簡單的小型網站或者應用背後的架構能夠很是簡單,  數據存儲只須要一個mysql instance就能知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，通常會把全部的信息存到一個database instance裏面。

　　在這樣的架構下，咱們來看看數據存儲的瓶頸是什麼？

　　1.數據量的總大小  一個機器放不下時

　　2.數據的索引（B+ Tree）一個機器的內存放不下時

　　3.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知足時，咱們才須要考慮往下一級演變。 今後咱們能夠看出，事實上對於不少小公司小應用，這種架構已經足夠知足他們的需求了，初期數據量的準確評估是杜絕過分設計很重要的一環，畢竟沒有人願意爲不可能發生的事情而浪費本身的經歷。

　　這裏簡單舉個個人例子，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

V2.0 垂直拆分

　　通常當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一樣的instance上，從而達到消除瓶頸的目標。以圖中的爲例，將用戶信息數據，和業務數據拆分到不一樣的三個實例上。對於重複讀類型比較多的場景，咱們還能夠加一層cache，來減小對DB的壓力。

　　在這樣的架構下，咱們來看看數據存儲的瓶頸是什麼？

　　1.單實例單業務 依然存在V1.0所述瓶頸

　　遇到瓶頸時能夠考慮往本文更高V版本升級, 如果讀請求致使達到性能瓶頸能夠考慮往V3.0升級， 其餘瓶頸考慮往V4.0升級

　　V3.0  主從架構

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

　　在這樣的架構下，咱們來看看數據存儲的瓶頸是什麼？

　　1.寫入量主庫不能承受

　　V4.0  水平拆分

　　對於V2.0 V3.0方案遇到瓶頸時，均可以經過水平拆分來解決，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，而水平拆分以後，任何實例都只有全量的1/n的數據，如下圖Userinfo的拆分爲例，將userinfo拆分爲3個cluster，每一個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：這裏再也不叫單個實例 而是叫一個cluster 表明包含主從的一個小mysql集羣）

 

數據如何路由？

　　1.Range拆分

　　sharding key按連續區間段路由，通常用在有嚴格自增ID需求的場景上，如Userid, Userid Range的小例子：以userid 3000W 爲Range進行拆分   1號cluster  userid 1-3000W  2號cluster  userid   3001W-6000W

　　2.List拆分

　　List拆分與Range拆分思路同樣，都是經過給不一樣的sharding key來路由到不一樣的cluster,可是具體方法有些不一樣,List主要用來作sharding key不是連續區間的序列落到一個cluster的狀況，如如下場景：
假定有20個音像店，分佈在4個有經銷權的地區，以下表所示：

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

業務但願可以把一個地區的全部數據組織到一塊兒來搜索，這種場景List拆分能夠輕鬆搞定

　　3.Hash拆分

　　經過對sharding key 進行哈希的方式來進行拆分，經常使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一個cluster，其餘哈希類算法這裏就不細展開講了。

　　數據拆分後引入的問題：

　　數據水平拆分引入的問題主要是隻能經過sharding key來讀寫操做，例如以userid爲sharding key的切分例子，讀userid的詳細信息時，必定須要先知道userid,這樣才能推算出再哪一個cluster進而進行查詢，假設我須要按username進行檢索用戶信息，須要引入額外的反向索引機制（相似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經過查詢username->userid，再經過userid查詢相應的信息。

　　實際上這個作法很簡單，可是咱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必須須要是一致的，這個保證起來不少時候是一件比較困難的事情，舉個例子來講，對於修改用戶名這個場景，你須要同時修改redis和mysql,這兩個東西是很難作到事務保證的,如mysql操做成功 可是redis卻操做失敗了（分佈式事務引入成本較高）,對於互聯網應用來講，可用性是最重要的，一致性是其次，因此可以容忍小量的不一致出現. 畢竟從佔比來講，這類的不一致的比例能夠微乎其微到忽略不計（通常寫更新也會採用mq來保證直到成功爲止才中止重試操做）

　　在這樣的架構下，咱們來看看數據存儲的瓶頸是什麼？

　　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),不過確有一件噁心的事情，那就是cluster擴容的時候重作數據的成本，如我原來有3個cluster，可是如今個人數據增加比較快，我須要6個cluster，那麼咱們須要將每一個cluster 一拆爲二，通常的作法是

　　1.摘下一個slave,停同步,

　　2.對寫記錄增量log（實現上能夠業務方對寫操做 多一次寫持久化mq  或者mysql主建立trigger記錄寫 等等方式）

　　3.開始對靜態slave作數據, 一拆爲二

　　4.回放增量寫入,直到追上的全部增量,與原cluster基本保持同步

　　5.寫入切換，由原3 cluster 切換爲6cluster

　　有沒有相似飛機空中加油的感受，這是一個髒活，累活，容易出問題的活，爲了不這個，咱們通常在最開始的時候，設計足夠多的sharding cluster來防止可能的cluster擴容這件事情

　　V5.0  雲計算 騰飛  

　　雲計算如今是各大IT公司內部做爲節約成本的一個突破口，對於數據存儲的mysql來講，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，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這個問題中並非特別難辦的一件事情，因此這裏重點說一下可擴展性。

　　Mysql做爲一個saas服務，在架構演變爲V4.0以後，依賴良好的sharding key設計, 已經再也不存在擴展性問題，只是他在面對擴容縮容時，有一些髒活須要幹，而做爲saas,並不能避免擴容縮容這個問題，因此只要能把V4.0的髒活變成 1. 擴容縮容對前端APP透明(業務代碼不須要任何改動)  2.擴容縮容全自動化且對在線服務無影響 那麼他就拿到了做爲Saas的門票.

　　對於架構實現的關鍵點，須要知足對業務透明，擴容縮容對業務不須要任何改動，那麼就必須eat our own dog food，在你mysql saas內部解決這個問題，通常的作法是咱們須要引入一個Proxy,Proxy來解析sql協議，按sharding key 來尋找cluster, 判斷是讀操做仍是寫操做來請求主 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須要幹哪些事情

　　百度也有相似的解決方案，見文章最後資料部分連接

　　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做即爲數據拆分和數據合併，要作到徹底自動化有很是多不一樣的實現方式，整體思路和V4.0介紹的瓶頸部分有關，這裏就不細展開講了。以擴容爲例，擴容後的服務和擴容前數據已經基本同步了，這時候如何作到切換對業務無影響？ 其實關鍵點仍是在引入的proxy,這個問題轉換爲了如何讓proxy作熱切換後端的問題。這已經變成一個很是好處理的問題了.

　　另外值得關注的是：2014年5月28日——爲了知足當下對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不少Fabric的資料，有興趣的能夠看看，說不定會是之後的一個方向