用户中心,1亿数据,架构如何设计?

本文较长,可提前收藏。

用户中心 ,几乎是所有互联网公司,必备的子系统。随着数据量不断增加,吞吐量不断增大,用户中心的架构,该如何演进呢。

什么是用户中心业务?

用户中心是一个通用业务,主要 提供用户注册、登录、信息查询与修改的服务

用户中心的数据结构是怎么样的?

用户中心的核心数据结构为:

User(uid, login_name, passwd, sex, age, nickname, …)

其中:

(1) uid 为用户ID,为主键;

(2) login_name, passwd, sex  等是用户属性;

系统架构又是怎么样的呢?

在业务初期, 单库单表 ,配合 用户中心微服务 ,就能满足绝大部分业务需求,其典型的架构为:

(1) user-center :用户中心服务,对调用者提供友好的RPC接口;

(2) user-db :对用户进行数据存储;

当数据量越来越大,例如达到1亿注册量时,会出现什么问题呢?

随着数据量越来越大,单库无法承载所有的数据, 此时需要对数据库进行水平切分。

常见的水平切分算法有“ 范围法 ”和“ 哈希法 ”。

水平切分,什么是范围法?

范围法,以用户中心的业务主键 uid 为划分依据, 采用区间的方式 ,将数据水平切分到两个数据库实例上去:

用户中心,1亿数据,架构如何设计?

(1) user-db1 :存储0到1千万的 uid 数据;

(2) user-db2 :存储1千万到2千万的 uid 数据;

范围法有什么优点?

(1) 切分策略简单 ,根据 uid ,按照范围, user-center 很快能够定位到数据在哪个库上;

(2) 扩容简单 ,如果容量不够,只要增加 user-db3 ,拓展2千万到3千万的 uid 即可;

范围法有什么缺点?

(1) uid 必须要满足递增的特性

(2) 数据量不均 ,新增的 user-db3 ,在初期的数据会比较少;

(3) 请求量不均 ,一般来说,新注册的用户活跃度会比较高,故 user-db2 往往会比 user-db1 负载要高,导致服务器利用率不平衡;

画外音:数据库层面的负载均衡,既要考虑数据量的均衡,又要考虑负载的均衡。

水平切分,什么是哈希法?

哈希法,也是以用户中心的业务主键 uid 为划分依据, 采用哈希的方式 将数据水平切分到两个数据库实例上去:

用户中心,1亿数据,架构如何设计?

(1) user-db1 :存储奇数的 uid 数据;

(2) user-db2 :存储偶数的 uid 数据;

哈希法有什么优点?

(1) 切分策略简单 ,根据 uid ,按照hash, user-center 很快能够定位到数据在哪个库上;

(2) 数据量均衡 ,只要 uid 是随机的,数据在各个库上的分布一定是均衡的;

(3) 请求量均衡 ,只要 uid 随机 的,负载在各个库上的分布一定是均衡的;

画外音:如果采用分布式id生成器,id的生成,一般都是随机的。

哈希法有什么缺点?

(1) 扩容麻烦 ,如果容量不够,要增加一个库,重新hash可能会导致数据迁移;

用户中心架构,实施了水平切分之后,会带来什么新的问题呢?

使用 uid 来进行水平切分之后, 对于 uid 属性上的查询,可以直接路由到库 ,假设访问 uid=124 的数据,取模后能够直接定位 db-user1

用户中心,1亿数据,架构如何设计?

对于非 uid 属性上的查询,就悲剧了 ,例如 login_name 属性上的查询

用户中心,1亿数据,架构如何设计?

假设访问 login_name=shenjian 的数据,由于不知道数据落在哪个库上, 往往需要遍历所有库 ,当分库数量多起来,性能会显著降低。

用户中心,非 uid 属性查询,有哪些业务场景?

任何脱离业务的架构设计都是耍流氓。

在进行架构讨论之前,先来对业务进行简要分析,用户中心非 uid 属性上,有 两类典型的业务需求

第一大类,用户侧,前台访问 ,最典型的有两类需求:

(1) 用户登录 :通过登录名 login_name 查询用户的实体,1%请求属于这种类型;

(2) 用户信息查询 :登录之后,通过 uid 来查询用户的实例,99%请求属这种类型;

用户侧的查询,基本上是 单条记录的查询,访问量较大,服务需要高可用,并且对一致性的要求较高

第二大类,运营侧,后台访问 ,根据产品、运营需求,访问模式各异,按照年龄、性别、头像、登陆时间、注册时间来进行查询。

运营侧的查询,基本上是 批量分页 的查询,由于是内部系统, 访问量很低,对可用性的要求不高,对一致性的要求也没这么严格

对于这两类不同的业务需求,应该使用什么样的架构方案来解决呢?

总的来说,针对这两类业务需求,架构设计的核心思路为:

(1) 用户侧 ,采用“ 建立非 uid 属性到 uid 的映射关系 ”的架构方案;

(2) 运营侧 ,采用“ 前台与后台分离 ”的架构方案;

用户侧,如何实施“ 建立非 uid 属性到 uid 的映射关系 ”呢?

常见的方法有 四种

(1) 索引表法

(2) 缓存映射法

(3) 生成 uid

(4) 基因法

接下来,咱们一一介绍。

什么是,索引表法?

索引表法的思路是: uid 能直接定位到库, login_name 不能直接定位到库,如果 通过 login_name 能查询到 uid ,问题便能得到解决。

具体的解决方案如下:

(1)建立一个索引表记录 login_name uid 的映射关系;

(2)用 login_name 来访问时, 先通过索引表查询到 uid ,再通过 uid 定位相应的库

(3)索引表属性较少,可以容纳非常多数据,一般不需要分库;

(4)如果数据量过大,可以通过 login_name 来分库;

索引表法,有什么缺点呢?

数据访问, 会增加一次数据库查询 ,性能会有所下降。

什么是,缓存映射法?

缓存映射法的思路是:访问索引表性能较低, 把映射关系放在缓存里 ,能够提升性能。

具体的 决方案如下:

(1) login_name 查询先到 cache 中查询 uid ,再根据 uid 定位数据库;

(2)假设 cache miss ,扫描所有分库,获取 login_name 对应的 uid ,放入 cache

(3) login_name uid 的映射关系不会变化,映射关系一旦放入缓存,不会更改,无需淘汰,缓存命中率超高

(4)如果数据量过大,可以通过 login_name 进行 cache 水平切分;

缓存映射法,有什么缺点呢?

仍然多了一次网络交互 ,即一次 cache 查询。

什么是,生成 uid 法?

生成 uid 法的思路是: 不进行远程查询,由 login_name 直接得到 uid

具体的 决方案如下:

(1)在用户注册时, 设计函数 login_name 生成 uid uid=f(login_name) ,按 uid 分库插入数据;

(2)用 login_name 来访问时,先通过函数计算出 uid ,即 uid=f(login_name) 再来一遍,由 uid 路由到对应库;

生成 uid 法,有什么缺点呢?

该函数设计需要非常讲究技巧,且 uid 生成冲突风险

画外音: uid 冲突,是业务无法接受的,故生产环境中,一般不使用这个方法。

什么是,基因法?

基因法的思路是:不能用 login_name 生成 uid ,但可以 login_name 抽取“基因”,融入 uid

假设分8库,采用 uid %8路由,潜台词是, uid 的最后3个bit决定这条数据落在哪个库上,这3个bit就是所谓的“基因”。

具体的 决方案如下:

用户中心,1亿数据,架构如何设计?

(1)在用户注册时, 设计函数 login_name 生成3bit基因, login_name_gene = f(login_name) ,如上图 粉色 部分;

(2)同时,生成61bit的全局唯一id,作为用户的标识,如上图 绿色 部分;

(3)接着 把3bit的 login_name_gene 也作为 uid 的一部分 ,如上图 屎黄色 部分;

(4)生成64bit的 uid ,由id和 login_name_gene 拼装而成,并按照 uid 分库插入数据;

(5)用 login_name 来访问时,先通过函数由 login_name 再次复原3bit基因, login_name_gene = f(login_name) ,通过 login_name_gene %8直接定位到库;

画外音:基因法,有点意思,在分库时经常使用。

用户侧,如何实施“前台与后台分离”的架构方案呢?

前台用户侧,业务需求基本都是 单行记录的访问 ,只要建立非 uid 属性 login_name uid 的映射关系,就能解决问题。

后台运营侧,业务需求各异,基本是 批量分页的访问 ,这类访问计算量较大,返回数据量较大,比较消耗数据库性能。

此时的架构,存在什么问题?

此时,前台业务和后台业务共用一批服务和一个数据库,有可能导致,由于后台的“少数几个请求”的“批量查询”的“低效”访问,导致数据库的cpu偶尔瞬时100%,影响前台正常用户的访问(例如,登录超时)。

画外音:本质上,是系统的耦合。

用户中心,1亿数据,架构如何设计?

而且,为了满足后台业务各类“奇形怪状”的需求,往往会在数据库上建立各种索引,这些索引占用大量内存,会使得用户侧前台业务 uid / login_name 上的查询性能与写入性能大幅度降低,处理时间增长。

对于这一类业务,应该采用“前台与后台分离”的架构方案。

什么是,前台与后台分离的架构方案?

用户中心,1亿数据,架构如何设计?

用户侧前台业务需求架构依然不变,产品运营侧后台业务需求则抽取 独立的 web / service / db 来支持 ,解除系统之间的耦合,对于“业务复杂”“并发量低”“无需高可用”“能接受一定延时”的后台业务:

(1)可以去掉 service 层,在运营后台 web 层通过 dao 直接访问 db

(2)不需要反向代理,不需要集群冗余;

(3)不需要访问实时库,可以通过 MQ 或者线下异步同步数据;

(4)在数据库非常大的情况下,可以使用更契合大量数据允许接受更高延时的“索引外置”或者“ HIVE ”的设计方案;

用户中心,1亿数据,架构如何设计?

总结

用户中心,是 典型的“单KEY”类业务 ,这一类业务, 都可以使用上述架构方案

常见的数据库 水平切分方式有两种

(1) 范围法

(2) 哈希法

水平切分后碰到的问题 是:

(1)通过 uid 属性查询能直接定位到库, 通过非 uid 属性查询不能定位到库

uid 属性查询,有两类 典型的业务

(1) 用户侧,前台访问 ,单条记录的查询,访问量较大,服务需要高可用,并且对一致性的要求较高;

(2) 运营侧,后台访问 ,根据产品、运营需求,访问模式各异,基本上是批量分页的查询,由于是内部系统,访问量很低,对可用性的要求不高,对一致性的要求也没这么严格;

针对这两类业务, 架构设计的思路是

(1)用户侧,采用“ 建立非 uid 属性到 uid 的映射关系 ”的架构方案;

(2)运营侧,采用“ 前台与后台分离 ”的架构方案;

前台 用户侧, “建立非 uid 属性到 uid 的映射关系”,有四种常见的实践

(1) 索引表法 :数据库中记录 login_name uid 的映射关系;

(2) 缓存映射法 :缓存中记录 login_name uid 的映射关系;

(3) 生成 uid login_name 生成 uid

(4) 基因法 login_name 基因融入 uid

后台 运营侧, “前台与后台分离”的最佳实践是

(1)前台、后台系统 web/service/db 分离解耦,避免后台低效查询引发前台查询抖动;

(2)可以采用数据冗余的设计方式;

(3)可以采用“外置索引”(例如ES搜索系统)或者“大数据处理”(例如 HIVE )来满足后台变态的查询需求;

任何脱离业务的架构设计都是耍流氓。

成为架构师 关注架构师之路

用户中心,1亿数据,架构如何设计?

架构师之路 -分享架构思路

码字不易, 转发,点赞,再看 三连,谢谢。

原文 

http://mp.weixin.qq.com/s?__biz=MjM5ODYxMDA5OQ==&mid=2651964586&idx=1&sn=fc110da8cc2098eced6152ab99aedd76

本站部分文章源于互联网,本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供。如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。

PS:推荐一个微信公众号: askHarries 或者qq群:474807195,里面会分享一些资深架构师录制的视频录像:有Spring,MyBatis,Netty源码分析,高并发、高性能、分布式、微服务架构的原理,JVM性能优化这些成为架构师必备的知识体系。还能领取免费的学习资源,目前受益良多

转载请注明原文出处:Harries Blog™ » 用户中心,1亿数据,架构如何设计?

赞 (0)
分享到:更多 ()

评论 0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址