首頁>科技>

業務場景

達達是全國領先的最後三公里物流配送平臺。達達的業務模式與滴滴以及Uber很相似,以眾包的方式利用社會閒散人力資源,解決O2O最後三公里即時性配送難題。達達業務主要包含兩部分:商家發單,配送員接單配送,如下圖所示。

達達的業務規模增長極大,在1年左右的時間從零增長到每天近百萬單,給後端帶來極大的訪問壓力。壓力主要分為兩類:讀壓力、寫壓力。讀壓力來源於配送員在APP中搶單,高頻重新整理查詢周圍的訂單,每天訪問量幾億次,高峰期QPS高達數千次/秒。寫壓力來源於商家發單、達達接單、取貨、完成等操作。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,每天的訪問量及QPS變化趨勢圖變化趨圖,可見增長極快

極速增長的業務,對技術的要求越來越高,我們必須在架構上做好充分的準備,才能迎接業務的挑戰。接下來,我們一起看看達達的後臺架構是如何演化的。

最初的技術選型

作為創業公司,最重要的一點是敏捷,快速實現產品,對外提供服務,於是我們選擇了公有云服務,保證快速實施和可擴充套件性,節省了自建機房等時間。在技術選型上,為快速的響應業務需求,業務系統使用python做為開發語言,資料庫使用Mysql。如下圖所示,應用層的幾大系統都訪問一個數據庫。

讀寫分離

隨著業務的發展,訪問量的極速增長,上述的方案很快不能滿足效能需求。每次請求的響應時間越來越長,比如配送員在app中重新整理周圍訂單,響應時間從最初的500毫秒增加到了2秒以上。業務高峰期,系統甚至出現過宕機,一些商家和配送員甚至因此而懷疑我們的服務品質。在這生死存亡的關鍵時刻,通過監控,我們發現高期峰Mysql CPU使用率已接近80%,磁碟IO使用率接近90%,Slow query從每天1百條上升到1萬條,而且一天比一天嚴重。資料庫儼然已成為瓶頸,我們必須得快速做架構升級。如下是資料庫一週的qps變化圖,可見資料庫壓力的增長極快。

當Web應用服務出現效能瓶頸的時候,由於服務本身無狀態(stateless),我們可以通過加機器的水平擴充套件方式來解決。而資料庫顯然無法通過簡單的新增機器來實現擴充套件,因此我們採取了Mysql主從同步和應用服務端讀寫分離的方案。

Mysql支援主從同步,實時將主庫的資料增量複製到從庫,而且一個主庫可以連線多個從庫同步(細節參考Replication)。利用此特性,我們在應用服務端對每次請求做讀寫判斷,若是寫請求,則把這次請求內的所有DB操作發向主庫;若是讀請求,則把這次請求內的所有DB操作發向從庫,如下圖所示。

實現讀寫分離後,資料庫的壓力減少了許多,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、讀寫分離給我們主要帶來如下兩個好處:

減輕了主庫(寫)壓力:達達的業務主要來源於讀操作,做讀寫分離後,讀壓力轉移到了從庫,主庫的壓力減小了數十倍。從庫(讀)可水平擴充套件(加從庫機器):因系統壓力主要是讀請求,而從庫又可水平擴充套件,當從庫壓力太時,可直接新增從庫機器,緩解讀請求壓力

如下是優化後資料庫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

當然,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。業務高峰期,商家發完訂單,在我的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資料的異常。通過監控,我們發現,業務高峰期Mysql可能會出現主從延遲,極端情況,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,檢視SecondsBehindMaster值,代表主從同步從庫落後主庫的時間,單位為秒,若主從同步無延遲,這個值為0。Mysql主從延遲一個重要的原因之一是主從複製是單執行緒序列執行。

那如何為避免或解決主從延遲?我們做了如下一些優化:

優化Mysql引數,比如增大innodbbufferpool_size,讓更多操作在Mysql記憶體中完成,減少磁碟操作。使用高效能CPU主機資料庫使用物理主機,避免使用虛擬雲主機,提升IO效能使用SSD磁碟,提升IO效能。SSD的隨機IO效能約是SATA硬碟的10倍。業務程式碼優化,將實時性要求高的某些操作,使用主庫做讀操作垂直分庫

讀寫分離很好的解決讀壓力問題,每次讀壓力增加,可以通過加從庫的方式水平擴充套件。但是寫操作的壓力隨著業務爆發式的增長沒有很有效的緩解辦法,比如商家發單起來越慢,嚴重影響了商家的使用體驗。我們監控發現,資料庫寫操作越來越慢,一次普通的insert操作,甚至可能會執行1秒以上。

下圖是資料庫主庫的壓力, 可見磁碟IO使用率已經非常高,高峰期IO響應時間最大達到636毫秒,IO使用率最高達到100%。

同時,業務越來越複雜,多個應用系統使用同一個資料庫,其中一個很小的非核心功能出現Slow query,常常影響主庫上的其它核心業務功能。我們有一個應用系統在MySql中記錄日誌,日誌量非常大,近1億行記錄,而這張表的ID是UUID,某一天高峰期,整個系統突然變慢,進而引發了宕機。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。(當然在mysql中記日誌不是一種好的設計,因此我們開發了大資料日誌系統,敬請關注本部落格後續文章。另一方面,UUID做主鍵是個糟糕的選擇,在下文的水平分庫中,針對ID的生成,有更深入的講述)。這時,主庫成為了效能瓶頸,我們意識到,必需得再一次做架構升級,將主庫做拆分,一方面以提升效能,另一方面減少系統間的相互影響,以提升系統穩定性。這一次,我們將系統按業務進行了垂直拆分。如下圖所示,將最初龐大的資料庫按業務拆分成不同的業務資料庫,每個系統僅訪問對應業務的資料庫,避免或減少跨庫訪問。

下圖是垂直拆分後,資料庫主庫的壓力,可見磁碟IO使用率已降低了許多,高峰期IO響應時間在2.33毫秒內,IO使用率最高只到22.8%。

未來是美好的,道路是曲折的。垂直分庫過程,我們也遇到不少挑戰,最大的挑戰是:不能跨庫join,同時需要對現有程式碼重構。單庫時,可以簡單的使用join關聯表查詢;拆庫後,拆分後的資料庫在不同的例項上,就不能跨庫使用join了。比如在CRM系統中,需要通過商家名查詢某個商家的所有訂單,在垂直分庫前,可以join商家和訂單表做查詢,如下如示:

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

分庫後,則要重構程式碼,先通過商家名查詢商家id,再通過商家Id查詢訂單表,如下所示:

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

垂直分庫過程中的經驗教訓,使我們制定了SQL最佳實踐,其中一條便是程式中禁用或少用join,而應該在程式中組裝資料,讓SQL更簡單。一方面為以後進一步垂直拆分業務做準備,另一方面也避免了Mysql中join的效能較低的問題。

經過一個星期緊鑼密鼓的底層架構調整,以及業務程式碼重構,終於完成了資料庫的垂直拆分。拆分之後,每個應用程式只訪問對應的資料庫,一方面將單點資料庫拆分成了多個,分攤了主庫寫壓力;另一方面,拆分後的資料庫各自獨立,實現了業務隔離,不再互相影響。

水平分庫(sharding)

讀寫分離,通過從庫水平擴充套件,解決了讀壓力;垂直分庫通過按業務拆分主庫,快取了寫壓力,但系統依然存在以下隱患:

單表資料量越來越大。如訂單表,單表記錄數很快將過億,超出MySql的極限,影響讀寫效能。核心業務庫的寫壓力越來越大,已不能再進一次垂直拆分,Mysql 主庫不具備水平擴充套件的能力

以前,系統壓力逼迫我們架構升級,這一次,我們需提前做好架構升級,實現資料庫的水平擴充套件(sharding)。業務類似於我們的Uber在公司成立的5年後(2014)年才實施了水平分庫(mezzanine-migration),但我們的業務發展要求我們在成立18月就要開始實施水平分庫。邏輯架構圖如下圖所示:

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,一個城市的所有資料在一個數據庫中;另一種方案是按訂單ID平均拆分資料。按城市拆分的優點是資料聚合度比較高,做聚合查詢比較簡單,實現也相對簡單,缺點是資料分佈不均勻,某些城市的資料量極大,產生熱點,而這些熱點以後可能還要被迫再次拆分。按訂單ID拆分則正相反,優點是資料分佈均勻,不會出現一個數據庫資料極大或極小的情況,缺點是資料太分散,不利於做聚合查詢。比如,按訂單ID拆分後,一個商家的訂單可能分佈在不同的資料庫中,查詢一個商家的所有訂單,可能需要查詢多個數據庫。針對這種情況,一種解決方案是將需要聚合查詢的資料做冗餘表,冗餘的表不做拆分,同時在業務開發過程中,減少聚合查詢。

反覆權衡利弊,並參考了Uber等公司的分庫方案後,我們最後決定按訂單ID做水平分庫。從架構上,我們將系統分為三層:

應用層:即各類業務應用系統資料訪問層:統一的資料訪問介面,對上層應用層遮蔽讀寫分庫、分庫、快取等技術細節。資料層:對DB資料進行分片,並可動態的新增shard分片。

水平分庫的技術關鍵點在於資料訪問層的設計,資料訪問層主要包含三部分:

ID生成器:生成每張表的主鍵資料來源路由:將每次DB操作路由到不同的shard資料來源上快取:採用Redis實現資料的快取,提升效能(以後會有詳細文章)

ID生成器是整個水平分庫的核心,它決定了如何拆分資料,以及查詢儲存-檢索資料。ID需要跨庫全域性唯一,否則會引發業務層的衝突。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的效能(若是UUID等隨機字串,在高併發和大資料量情況下,效能極差。對比效能測試資料可供參考uuid-vs-int-insert-performance)。同時,ID生成器必須非常穩定,因為任何故障都會影響所有的資料庫操作。

我們的ID的生成策略借鑑了Instagram的ID生成演算法(sharding-ids-at-instagram)。具體方案如下:

整個ID的二進位制長度為64位前36位使用時間戳,以保證ID是升序增加中間13位是分庫標識,用來標識當前這個ID對應的記錄在哪個資料庫中後15位為自增序列,以保證在同一秒內併發時,ID不會重複。每個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,做為當前ID的後15位

水平分庫是一個極具挑戰的專案,我們也還在夜以繼日的開發中,欲知詳情,敬請繼續關注本部落格。

總結

創業是與時間賽跑的過程,前期為了快速滿足業務需求,我們採用簡單高效的方案,如使用雲服務、應用服務直接訪問單點DB;後期隨著系統壓力增大,效能和穩定性逐漸納入考慮範圍,而DB最容易出現效能瓶頸,我們採用讀寫分離、垂直分庫、水平分庫等方案。面對高效能和高穩定性,架構升級需要儘可能超前完成,否則,系統隨時可能出現系統響應變慢甚至宕機的情況。當然,架構升級的過程都是痛並快樂著,每次通宵達旦實施系統架構升級,一邊享受公司準備的美味佳餚夜宵,一邊感受解決技術難題,釋放公司生產力的成就感,不亦樂乎。

  • 整治雙十一購物亂象,國家再次出手!該跟這些套路說再見了
  • iOS13.2確認省電!訊號改善流暢升級,車很穩放心上