高性能服務端優化之路

業務場景

達達是全國領先的最後三千米物流配送平臺。 達達的業務模式與滴滴以及Uber很類似，以衆包的方式利用社會閒散人力資源，解決O2O最後三千米即時性配送難題。 達達業務主要包含兩部分：商家發單，配送員接單配送，以下圖所示。

達達的業務規模增加極大，在1年左右的時間從零增加到天天近百萬單，給後端帶來極大的訪問壓力。壓力主要分爲兩類：讀壓力、寫壓力。讀壓力來源於配送員在APP中搶單，高頻刷新查詢周圍的訂單，天天訪問量幾億次，高峯期QPS高達數千次/秒。寫壓力來源於商家發單、達達接單、取貨、完成等操做。達達業務讀的壓力遠大於寫壓力，讀請求量約是寫請求量的30倍以上。

下圖是達達過去6個月，天天的訪問量及QPS變化趨勢圖變化趨圖，可見增加極快

極速增加的業務，對技術的要求愈來愈高，咱們必須在架構上作好充分的準備，才能迎接業務的挑戰。接下來，咱們一塊兒看看達達的後臺架構是如何演化的。

最初的技術選型

做爲創業公司，最重要的一點是敏捷，快速實現產品，對外提供服務，因而咱們選擇了公有云服務，保證快速實施和可擴展性，節省了自建機房等時間。在技術選型上，爲快速的響應業務需求，業務系統使用python作爲開發語言，數據庫使用Mysql。以下圖所示，應用層的幾大系統都訪問一個數據庫。

讀寫分離

隨着業務的發展，訪問量的極速增加，上述的方案很快不能知足性能需求。每次請求的響應時間愈來愈長，好比配送員在app中刷新周圍訂單，響應時間從最初的500毫秒增長到了2秒以上。業務高峯期，系統甚至出現過宕機，一些商家和配送員甚至所以而懷疑咱們的服務質量。在這生死存亡的關鍵時刻，經過監控，咱們發現高期峯Mysql CPU使用率已接近80%，磁盤IO使用率接近90%，Slow query從天天1百條上升到1萬條，並且一天比一天嚴重。數據庫儼然已成爲瓶頸，咱們必須得快速作架構升級。

以下是數據庫一週的qps變化圖，可見數據庫壓力的增加極快。

當Web應用服務出現性能瓶頸的時候，因爲服務自己無狀態（stateless），咱們能夠經過加機器的水平擴展方式來解決。 而數據庫顯然沒法經過簡單的添加機器來實現擴展，所以咱們採起了Mysql主從同步和應用服務端讀寫分離的方案。

Mysql支持主從同步，實時將主庫的數據增量複製到從庫，並且一個主庫能夠鏈接多個從庫同步（細節參考Replication）。利用此特性，咱們在應用服務端對每次請求作讀寫判斷，如果寫請求，則把此次請求內的全部DB操做發向主庫；如果讀請求，則把此次請求內的全部DB操做發向從庫，以下圖所示。

實現讀寫分離後，數據庫的壓力減小了許多，CPU使用率和IO使用率都降到了5%內，Slow Query也趨近於0。主從同步、讀寫分離給咱們主要帶來以下兩個好處：

減輕了主庫（寫）壓力：達達的業務主要來源於讀操做，作讀寫分離後，讀壓力轉移到了從庫，主庫的壓力減少了數十倍。

從庫（讀）可水平擴展（加從庫機器）：因系統壓力主要是讀請求，而從庫又可水平擴展，當從庫壓力太時，可直接添加從庫機器，緩解讀請求壓力

以下是優化後數據庫qps的變化圖：

讀寫分離前主庫的select qps

讀寫分離後主庫的select qps

固然，沒有一個方案是萬能的。讀寫分離，暫時解決了Mysql壓力問題，同時也帶來了新的挑戰。業務高峯期，商家發完訂單，在個人訂單列表中卻看不到當發的訂單（典型的read after write）；系統內部偶爾也會出現一些查詢不到數據的異常。經過監控，咱們發現，業務高峯期Mysql可能會出現主從延遲，極端狀況，主從延遲高達10秒。

那如何監控主從同步狀態？在從庫機器上，執行show slave status，查看Seconds_Behind_Master值，表明主從同步從庫落後主庫的時間，單位爲秒，若主從同步無延遲，這個值爲0。Mysql主從延遲一個重要的緣由之一是主從複製是單線程串行執行。

那如何爲避免或解決主從延遲？咱們作了以下一些優化：

優化Mysql參數，好比增大innodb_buffer_pool_size，讓更多操做在Mysql內存中完成，減小磁盤操做。

使用高性能CPU主機

數據庫使用物理主機，避免使用虛擬雲主機，提高IO性能

使用SSD磁盤，提高IO性能。SSD的隨機IO性能約是SATA硬盤的10倍。

業務代碼優化，將實時性要求高的某些操做，使用主庫作讀操做

垂直分庫

讀寫分離很好的解決讀壓力問題，每次讀壓力增長，能夠經過加從庫的方式水平擴展。可是寫操做的壓力隨着業務爆發式的增加沒有頗有效的緩解辦法，好比商家發單起來越慢，嚴重影響了商家的使用體驗。咱們監控發現，數據庫寫操做愈來愈慢，一次普通的insert操做，甚至可能會執行1秒以上。

下圖是數據庫主庫的壓力， 可見磁盤IO使用率已經很是高，高峯期IO響應時間最大達到636毫秒，IO使用率最高達到100%。

同時，業務愈來愈複雜，多個應用系統使用同一個數據庫，其中一個很小的非核心功能出現Slow query，經常影響主庫上的其它核心業務功能。咱們有一個應用系統在MySql中記錄日誌，日誌量很是大，近1億行記錄，而這張表的ID是UUID，某一天高峯期，整個系統忽然變慢，進而引起了宕機。監控發現，這張表insert極慢，拖慢了整個MySql Master，進而拖跨了整個系統。（固然在mysql中記日誌不是一種好的設計，所以咱們開發了大數據日誌系統，敬請關注本博客後續文章。另外一方面，UUID作主鍵是個糟糕的選擇，在下文的水平分庫中，針對ID的生成，有更深刻的講述）。

這時，主庫成爲了性能瓶頸，咱們意識到，必需得再一次作架構升級，將主庫作拆分，一方面以提高性能，另外一方面減小系統間的相互影響，以提高系統穩定性。這一次，咱們將系統按業務進行了垂直拆分。以下圖所示，將最初龐大的數據庫按業務拆分紅不一樣的業務數據庫，每一個系統僅訪問對應業務的數據庫，避免或減小跨庫訪問。

下圖是垂直拆分後，數據庫主庫的壓力，可見磁盤IO使用率已下降了許多，高峯期IO響應時間在2.33毫秒內，IO使用率最高只到22.8%。

將來是美好的，道路是曲折的。垂直分庫過程，咱們也遇到很多挑戰，最大的挑戰是：不能跨庫join，同時須要對現有代碼重構。單庫時，能夠簡單的使用join關聯表查詢；拆庫後，拆分後的數據庫在不一樣的實例上，就不能跨庫使用join了。好比在CRM系統中，須要經過商家名查詢某個商家的全部訂單，在垂直分庫前，能夠join商家和訂單表作查詢，以下如示：

select * from tborder where supplierid in (select id from supplier where name=‘上海海底撈’)；

分庫後，則要重構代碼，先經過商家名查詢商家id，再經過商家Id查詢訂單表，以下所示：

supplierids = select id from supplier where name=‘上海海底撈’

select * from tb_order where supplierid in (supplierids )

垂直分庫過程當中的經驗教訓，使咱們制定了SQL最佳實踐，其中一條即是程序中禁用或少用join，而應該在程序中組裝數據，讓SQL更簡單。一方面爲之後進一步垂直拆分業務作準備，另外一方面也避免了Mysql中join的性能較低的問題。

通過一個星期緊鑼密鼓的底層架構調整，以及業務代碼重構，終於完成了數據庫的垂直拆分。拆分以後，每一個應用程序只訪問對應的數據庫，一方面將單點數據庫拆分紅了多個，分攤了主庫寫壓力；另外一方面，拆分後的數據庫各自獨立，實現了業務隔離，再也不互相影響。

水平分庫（sharding）

讀寫分離，經過從庫水平擴展，解決了讀壓力；垂直分庫經過按業務拆分主庫，緩存了寫壓力，但系統依然存在如下隱患：

單表數據量愈來愈大。如訂單表，單表記錄數很快將過億，超出MySql的極限，影響讀寫性能。

核心業務庫的寫壓力愈來愈大，已不能再進一次垂直拆分，Mysql 主庫不具有水平擴展的能力

之前，系統壓力逼迫咱們架構升級，這一次，咱們需提早作好架構升級，實現數據庫的水平擴展(sharding)。業務相似於咱們的Uber在公司成立的5年後（2014）年才實施了水平分庫（mezzanine-migration）,但咱們的業務發展要求咱們在成立18月就要開始實施水平分庫。邏輯架構圖以下圖所示：

水平分庫面臨的第一個問題是，按什麼邏輯進行拆分。一種方案是按城市拆分，一個城市的全部數據在一個數據庫中；另外一種方案是按訂單ID平均拆分數據。按城市拆分的優勢是數據聚合度比較高，作聚合查詢比較簡單，實現也相對簡單，缺點是數據分佈不均勻，某些城市的數據量極大，產生熱點，而這些熱點之後可能還要被迫再次拆分。按訂單ID拆分則正相反，優勢是數據分佈均勻，不會出現一個數據庫數據極大或極小的狀況，缺點是數據太分散，不利於作聚合查詢。好比，按訂單ID拆分後，一個商家的訂單可能分佈在不一樣的數據庫中，查詢一個商家的全部訂單，可能須要查詢多個數據庫。針對這種狀況，一種解決方案是將須要聚合查詢的數據作冗餘表，冗餘的表不作拆分，同時在業務開發過程當中，減小聚合查詢。

反覆權衡利弊，並參考了Uber等公司的分庫方案後，咱們最後決定按訂單ID作水平分庫。從架構上，咱們將系統分爲三層：

應用層：即各種業務應用系統

數據訪問層：統一的數據訪問接口，對上層應用層屏蔽讀寫分庫、分庫、緩存等技術細節。

數據層：對DB數據進行分片，並可動態的添加shard分片。

水平分庫的技術關鍵點在於數據訪問層的設計，數據訪問層主要包含三部分：

ID生成器：生成每張表的主鍵

數據源路由：將每次DB操做路由到不一樣的shard數據源上

緩存： 採用Redis實現數據的緩存，提高性能（之後會有詳細文章）

ID生成器是整個水平分庫的核心，它決定了如何拆分數據，以及查詢存儲-檢索數據。ID須要跨庫全局惟一，不然會引起業務層的衝突。此外，ID必須是數字且升序，這主要是考慮到升序的ID能保證Mysql的性能（如果UUID等隨機字符串，在高併發和大數據量狀況下，性能極差。對比性能測試數據可供參考uuid-vs-int-insert-performance）。同時，ID生成器必須很是穩定，由於任何故障都會影響全部的數據庫操做。

咱們的ID的生成策略借鑑了Instagram的ID生成算法（sharding-ids-at-instagram）。具體方案以下：

整個ID的二進制長度爲64位

前36位使用時間戳，以保證ID是升序增長

中間13位是分庫標識，用來標識當前這個ID對應的記錄在哪一個數據庫中

後15位爲自增序列，以保證在同一秒內併發時，ID不會重複。每一個shard庫都有一個自增序列表，生成自增序列時，從自增序列表中獲取當前自增序列值，並加1，作爲當前ID的後15位。