• 极客专栏正式上线!欢迎访问 https://www.jikewenku.com/topic.html
  • 极客专栏正式上线!欢迎访问 https://www.jikewenku.com/topic.html

如何不停机分库分表迁移?

技术杂谈 勤劳的小蚂蚁 4个月前 (01-02) 93次浏览 已收录 0个评论 扫描二维码

需求说明

类似订单表,用户表这种未来规模上亿甚至上十亿百亿的海量数据表,在项目初期为了快速上线,一般只是单表设计,不需要考虑分库分表。随着业务的发展,单表容量超过千万甚至达到亿级别以上,这时候就需要考虑分库分表这个问题了,而不停机分库分表迁移,这应该是分库分表最基本的需求,毕竟互联网项目不可能挂个广告牌“今晚10:00~次日10:00系统停机维护”,这得多low呀,以后跳槽面试,你跟面试官说这个迁移方案,面试官怎么想呀?

借鉴codis

笔者正好曾经碰到过这个问题,并借鉴了codis一些思想实现了不停机分库分表迁移方案;codis不是这篇文章的重点,这里只提及借鉴codis的地方–rebalance:
当迁移过程中发生数据访问时,Proxy会发送“SLOTSMGRTTAGSLOT”迁移命令给Redis,强制将客户端要访问的Key立刻迁移,然后再处理客户端的请求。( SLOTSMGRTTAGSLOT 是codis基于redis定制的)

分库分表

明白这个方案后,了解不停机分库分表迁移就比较容易了,接下来详细介绍笔者当初对installed_app表的实施方案;即用户已安装的APP信息表;

1. 确定sharding column

确定sharding column绝对是分库分表最最最重要的环节,没有之一。sharding column直接决定整个分库分表方案最终是否能成功落地;一个合适的sharding column的选取,基本上能让与这个表相关的绝大部分流量接口都能通过这个sharding column访问分库分表后的单表,而不需要跨库跨表,最常见的sharding column就是user_id,笔记这里选取的也是user_id

2. 分库分表方案

根据自身的业务选取最合适的sharding column后,就要确定分库分表方案了。笔者采用主动迁移被动迁移相结合的方案:
  1. 主动迁移就是一个独立程序,遍历需要分库分表的installed_app表,将数据迁移到分库分表后的目标表中。
  2. 被动迁移就是与installed_app表相关的业务代码自身将数据迁移到分库分表后对应的表中。
接下来详细介绍这两个方案;

2.1 主动迁移

主动迁移就是一个独立的外挂迁移程序,其作用是遍历需要分库分表的installed_app表,将这里的数据复制到分库分表后的目标表中,由于主动迁移被动迁移会一起运行,所以需要处理主动迁移和被动迁移碰撞的问题,笔者的主动迁移伪代码如下:
publicvoidmigrate(){
   // 查询出当前表的最大ID, 用于判断是否迁移完成
   long maxId = execute(“select max(id) from installed_app”);
   long tempMinId = 0L;
   long stepSize = 1000;
   long tempMaxId = 0L;
   do{
       try {
           tempMaxId = tempMinId + stepSize;
           // 根据InnoDB索引特性, where id>=? and id<?这种SQL性能最高
           String scanSql = “select * from installed_app where id>=#{tempMinId} and id<#{tempMaxId}”;
           List<InstalledApp> installedApps = executeSql(scanSql);
           Iterator<InstalledApp> iterator = installedApps.iterator();
           while (iterator.hasNext()) {
               InstalledApp installedApp = iterator.next();
               // help GC
               iterator.remove();
               long userId = installedApp.getUserId();
               String status = executeRedis(“get MigrateStatus:${userId}”);
               if (“COMPLETED”.equals(status)) {
                   // migration finish, nothing to do
                   continue;
               }
               if (“MIGRATING”.equals(status)) {
                   // “被动迁移” migrating, nothing to do
                   continue;
               }
               // 迁移前先获取锁: set MigrateStatus:18 MIGRATING ex 3600 nx
               String result = executeRedis(“set MigrateStatus:${userId} MIGRATING ex 86400 nx”);
               if (“OK”.equals(result)) {
                   // 成功获取锁后, 先将这个用户所有已安装的app查询出来[即迁移过程以用户ID维度进行迁移]
                   String sql = “select * from installed_app where user_id=#{user_id}”;
                   List<InstalledApp> userInstalledApps = executeSql(sql);
                   // 将这个用户所有已安装的app迁移到分库分表后的表中(有user_id就能得到分库分表后的具体的表)
                   shardingInsertSql(userInstalledApps);
                   // 迁移完成后, 修改缓存状态
                   executeRedis(“setex MigrateStatus:${userId} 864000 COMPLETED”);
               } else {
                   // 如果没有获取到锁, 说明被动迁移已经拿到了锁, 那么迁移交给被动迁移即可[这种概率很低]
                   // 也可以加强这里的逻辑, “被动迁移”过程不可能持续很长时间, 可以尝试循环几次获取状态判断是否迁移完
                   logger.info(“Migration conflict. userId = {}”, userId);
               }
           }
           if (tempMaxId >= maxId) {
               // 更新max(id),最终确认是否遍历完成
               maxId = execute(“select max(id) from installed_app”);
           }
           logger.info(“Migration process id = {}”, tempMaxId);
       }catch (Throwable e){
           // 如果执行过程中有任何异常(这种异常只可能是redis和mysql抛出来的), 那么退出, 修复问题后再迁移
           // 并且将tempMinId的值置为logger.info(“Migration process id=”+tempMaxId);日志最后一次记录的id, 防止重复迁移
           System.exit(0);
       }
       tempMinId += stepSize;
   }while (tempMaxId < maxId);
}
这里有几点需要注意:
  1. 第一步查询出max(id)是为了尽量减少max(id)的查询次数,假如第一次查询max(id)为10000000,那么直到遍历的id到10000000以前,都不需要再次查询max(id);
  2. 根据id>=? and id<?遍历,而不要根据id>=? limit n或者limit m, n进行遍历,因为limit性能一般,且会随着遍历越往后,性能越差。而id>=? and id<?这种遍历方式即使会有一些踩空,也没有任何影响,且整个性能曲线非常平顺,不会有任何抖动;迁移程序毕竟是辅助程序,不能对业务程序有过多的影响;
  3. 根据id区间范围查询出来的List<InstalledApp>要转换为Iterator<InstalledApp>,每迭代处理完一个userId,要remove掉,否则可能导致GC异常,甚至OOM;

2.2 被动迁移

被动迁移就是在正常与installed_app表相关的业务逻辑前插入了迁移逻辑,以新增用户已安装APP为例,其伪代码如下:
// 被动迁移方法是公用逻辑,所以与`installed_app`表相关的业务逻辑前都需要调用这个方法;
publicvoidmigratePassive(long userId)throws Exception{
   String status = executeRedis(“get MigrateStatus:${userId}”);
   if (“COMPLETED”.equals(status)) {
       // 该用户数据已经迁移完成, nothing to do
       logger.info(“user’s installed app migration completed. user_id = {}”, userId);
   }elseif (“MIGRATING”.equals(status)) {
       // “被动迁移” migrating, 等待直到迁移完成; 为了防止死循环, 可以增加最大等待时间逻辑
       do{
           Thread.sleep(10);
           status = executeRedis(“get MigrateStatus:${userId}”);
       }while (“COMPLETED”.equals(status));
   }else {
       // 准备迁移
       String result = executeRedis(“set MigrateStatus:${userId} MIGRATING ex 86400 nx”);
       if (“OK”.equals(result)) {
           // 成功获取锁后, 先将这个用户所有已安装的app查询出来[即迁移过程以用户ID维度进行迁移]
           String sql = “select * from installed_app where user_id=#{user_id}”;
           List<InstalledApp> userInstalledApps = executeSql(sql);
           // 将这个用户所有已安装的app迁移到分库分表后的表中(有user_id就能得到分库分表后的具体的表)
           shardingInsertSql(userInstalledApps);
           // 迁移完成后, 修改缓存状态
           executeRedis(“setex MigrateStatus:${userId} 864000 COMPLETED”);
       }else {
           // 如果没有获取到锁, 应该是其他地方先获取到了锁并正在迁移, 可以尝试等待, 直到迁移完成
       }
   }
}
// 与`installed_app`表相关的业务–新增用户已安装的APP
publicvoidaddInstalledApp(InstalledApp installedApp) throws Exception{
   // 先尝试被动迁移
   migratePassive(installedApp.getUserId());
   // 将用户已安装app信息(installedApp)插入到分库分表后的目标表中
   shardingInsertSql(installedApp);
}
无论是CRUD中哪种操作,先根据缓存中MigrateStatus:${userId}的值进行判断:
  1. 如果值为COMPLETED,表示已经迁移完成,那么将请求转移到分库分表后的表中进行处理即可;
  2. 如果值为MIGRATING,表示正在迁移中,可以循环等待直到值为COMPLETED即迁移完成后,再将请求转移到分库分表后的表中进行处理处理;
  3. 否则值为空,那么尝试获取锁再进行数据迁移。迁移完成后,将缓存值更新为COMPLETED,最后再将请求转移到分库分表后的表中进行处理处理;

3.方案完善

当所有数据迁移完成后,CRUD操作还是会先根据缓存中MigrateStatus:${userId}的值进行判断,数据迁移完成后这一步已经是多余的。可以加个总开关,当所有数据迁移完成后,将这个开关的值通过类似TOPIC的方式发送,所有服务接收到TOPIC后将开关local cache化。那么接下来服务的CRUD都不需要先根据缓存中MigrateStatus:${userId}的值进行判断;

4.遗留工作

迁移完成后,将主动迁移程序下线,并将被动迁移程序中对migratePassive()的调用全部去掉,并可以集成一些第三方分库分表中间件,例如sharding-jdbc,可以参考sharding-jdbc集成实战

回顾总结

回顾这个方案,最大的缺点就是如果碰到sharding column(例如userId)的总记录数比较多,且主动迁移正在进行中,被动迁移与主动迁移碰撞,那么被动迁移可能需要等待较长时间。
不过根据DB性能,一般批量插入1000条数据都是10ms级别,并且同一sharding column的记录分库分表后只属于一张表,不涉及跨表。所以,只要在迁移前先通过sql统计待迁移表中没有这类异常sharding column即可放心迁移;
笔者当初迁移installed_app表时,用户最多也只拥有不超过200个APP,所以不需要过多考虑碰撞带来的性能问题;没有万能的方案,但是有适合自己的方案;
如果有那种上万条记录的sharding column,可以把这些sharding column先缓存起来,迁移程序在夜间上线,优先迁移这些缓存的sharding column的数据,就可以尽可能的降低迁移程序对这些用户的体验。当然你也可以使用你想出来的更好的方案。

丨极客文库, 版权所有丨如未注明 , 均为原创丨
本网站采用知识共享署名-非商业性使用-相同方式共享 3.0 中国大陆许可协议进行授权
转载请注明原文链接:如何不停机分库分表迁移?
喜欢 (0)
[247507792@qq.com]
分享 (0)
勤劳的小蚂蚁
关于作者:
温馨提示:本文来源于网络,转载文章皆标明了出处,如果您发现侵权文章,请及时向站长反馈删除。

您必须 登录 才能发表评论!

  • 精品技术教程
  • 编程资源分享
  • 问答交流社区
  • 极客文库知识库

客服QQ


QQ:2248886839


工作时间:09:00-23:00