來談談MySQL的架構演變史

沒有什么東西是一成不變的,MySQL作為一個免費的開源的關系型數據庫,深受大家喜愛,從最初的無人問津到當下的去IOE,都體現出了MySQL舉足輕重的作用。今天我們就從淘寶的發展來闡述MySQL在大型網站下的架構演變史!

 

MySQL的可擴展性

架構的可擴展性往往和并發是息息相關,沒有并發的增長,也就沒有必要做高可擴展性的架構,這里對可擴展性進行簡單介紹一下,常用的擴展手段有以下兩種
Scale-up : 縱向擴展,通過替換為更好的機器和資源來實現伸縮,提升服務能力
Scale-out : 橫向擴展,  通過加節點(機器)來實現伸縮,提升服務能力
對于互聯網的高并發應用來說,無疑Scale out才是出路,通過縱向的買更高端的機器一直是我們所避諱的問題,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么?

可擴展性的理想狀態

一個服務,當面臨更高的并發的時候,能夠通過簡單增加機器來提升服務支撐的并發度,且增加機器過程中對線上服務無影響(no down time),這就是可擴展性的理想狀態!

MySQL架構的演變

MySQL簡單網站架構(V1.0)

一個簡單的小型網站或者應用背后的架構可以非常簡單,  數據存儲只需要一個mysql instance就能滿足數據讀取和寫入需求(這里忽略掉了數據備份的實例),處于這個時間段的網站,一般會把所有的信息存到一個database instance里面。

 

在這樣的架構下,我們來看看數據存儲的瓶頸是什么?
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滿足時,我們才需要考慮往下一級演變。 從此我們可以看出,事實上對于很多小公司小應用,這種架構已經足夠滿足他們的需求了,初期數據量的準確評估是杜絕過度設計很重要的一環,畢竟沒有人愿意為不可能發生的事情而浪費自己的經歷。
這里簡單舉個我的例子,對于用戶信息這類表 (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

MySQL的垂直架構(V2.0)

一般當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同的instance上,從而達到消除瓶頸的目標。以圖中的為例,將用戶信息數據,和業務數據拆分到不同的三個實例上。對于重復讀類型比較多的場景,我們還可以加一層cache,來減少對DB的壓力。

在這樣的架構下,我們來看看數據存儲的瓶頸是什么?
單實例單業務,依然存在V1.0所述瓶頸,遇到瓶頸時可以考慮往本文更高V版本升級, 若是讀請求導致達到性能瓶頸可以考慮往V3.0升級, 其他瓶頸考慮往V4.0升級

MySQL的主從架構(V3.0)

此類架構主要解決V2.0架構下的讀問題,通過給Instance掛數據實時備份的思路來遷移讀取的壓力,在Mysql的場景下就是通過主從結構,主庫抗寫壓力,通過從庫來分擔讀壓力,對于寫少讀多的應用,V3.0主從架構完全能夠勝任

 

在這樣的架構下,我們來看看數據存儲的瓶頸是什么?
寫入量主庫不能承受

MySQL的路由多集群架構(V4.0)

對于V2.0 V3.0方案遇到瓶頸時,都可以通過水平拆分來解決,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,而水平拆分之后,任何實例都只有全量的1/n的數據,以下圖Userinfo的拆分為例,將userinfo拆分為3個cluster,每個cluster持有總量的1/3數據,3個cluster數據的總和等于一份完整數據(注:這里不再叫單個實例 而是叫一個cluster 代表包含主從的一個小mysql集群)

數據如何路由?
1.Range拆分
sharding key按連續區間段路由,一般用在有嚴格自增ID需求的場景上,如Userid, Userid Range的小例子:以userid 3000W 為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拆分思路一樣,都是通過給不同的sharding key來路由到不同的cluster,但是具體方法有些不同,List主要用來做sharding key不是連續區間的序列落到一個cluster的情況,如以下場景:
假定有20個音像店,分布在4個有經銷權的地區,如下表所示:

 

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

業務希望能夠把一個地區的所有數據組織到一起來搜索,這種場景List拆分可以輕松搞定

3.Hash拆分
通過對sharding key 進行哈希的方式來進行拆分,常用的哈希方法有除余,字符串哈希等等,除余如按userid%n 的值來決定數據讀寫哪個cluster,其他哈希類算法這里就不細展開講了。


數據拆分后引入的問題:
數據水平拆分引入的問題主要是只能通過sharding key來讀寫操作,例如以userid為sharding key的切分例子,讀userid的詳細信息時,一定需要先知道userid,這樣才能推算出再哪個cluster進而進行查詢,假設我需要按username進行檢索用戶信息,需要引入額外的反向索引機制(類似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通過查詢username->userid,再通過userid查詢相應的信息。
實際上這個做法很簡單,但是我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里的username->userid和存儲在mysql里的userid->username必須需要是一致的,這個保證起來很多時候是一件比較困難的事情,舉個例子來說,對于修改用戶名這個場景,你需要同時修改redis和mysql,這兩個東西是很難做到事務保證的,如mysql操作成功 但是redis卻操作失敗了(分布式事務引入成本較高),對于互聯網應用來說,可用性是最重要的,一致性是其次,所以能夠容忍小量的不一致出現. 畢竟從占比來說,這類的不一致的比例可以微乎其微到忽略不計(一般寫更新也會采用mq來保證直到成功為止才停止重試操作)

在這樣的架構下,我們來看看數據存儲的瓶頸是什么?
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),不過確有一件惡心的事情,那就是cluster擴容的時候重做數據的成本,如我原來有3個cluster,但是現在我的數據增長比較快,我需要6個cluster,那么我們需要將每個cluster 一拆為二,一般的做法是
1.摘下一個slave,停同步, 
2.對寫記錄增量log(實現上可以業務方對寫操作 多一次寫持久化mq  或者mysql主創建trigger記錄寫 等等方式)
3.開始對靜態slave做數據, 一拆為二
4.回放增量寫入,直到追上的所有增量,與原cluster基本保持同步
5.寫入切換,由原3 cluster 切換為6cluster 

有沒有類似飛機空中加油的感覺,這是一個臟活,累活,容易出問題的活,為了避免這個,我們一般在最開始的時候,設計足夠多的sharding cluster來防止可能的cluster擴容這件事情

MySQL的云計算架構(云數據庫)V5.0

云計算現在是各大IT公司內部作為節約成本的一個突破口,對于數據存儲的mysql來說,如何讓其成為一個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為"three headed monster". 可配置性和多用戶存儲結構設計在Mysql saas這個問題中并不是特別難辦的一件事情,所以這里重點說一下可擴展性。
Mysql作為一個saas服務,在架構演變為V4.0之后,依賴良好的sharding key設計, 已經不再存在擴展性問題,只是他在面對擴容縮容時,有一些臟活需要干,而作為saas,并不能避免擴容縮容這個問題,所以只要能把V4.0的臟活變成 
1. 擴容縮容對前端APP透明(業務代碼不需要任何改動)  
2.擴容縮容全自動化且對在線服務無影響 

對于架構實現的關鍵點,需要滿足對業務透明,擴容縮容對業務不需要任何改動,那么就必須eat our own dog food,在你mysql saas內部解決這個問題,一般的做法是我們需要引入一個Proxy,Proxy來解析sql協議,按sharding key 來尋找cluster, 判斷是讀操作還是寫操作來請求主 或者 從,這一切內部的細節都由proxy來屏蔽。 這里借淘寶的圖來列舉一下proxy需要干哪些事情

對于架構實現的關鍵點,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作即為數據拆分和數據合并,要做到完全自動化有非常多不同的實現方式,總體思路和V4.0介紹的瓶頸部分有關,目前來看這個問題比較好的方案就是實現一個偽裝slave的sync slave, 解析mysql同步協議,然后實現數據拆分邏輯,把全量數據進行拆分。具體架構見下圖:

其中Sync slave對于Original Master來說,和一個普通的Mysql Slave沒有任何區別,也不需要任何額外的區分對待。需要擴容/縮容時,掛上一個Sync slave,開始全量同步+增量同步,等待一段時間追數據。以擴容為例,若擴容后的服務和擴容前數據已經基本同步了,這時候如何做到切換對業務無影響? 其實關鍵點還是在引入的proxy,這個問題轉換為了如何讓proxy做熱切換后端的問題。這已經變成一個非常好處理的問題了.
另外值得關注的是:2014年5月28日——為了滿足當下對Web及云應用需求,甲骨文宣布推出MySQL Fabric,在對應的資料部分我也放了很多Fabric的資料,有興趣的可以看看,說不定會是以后的一個解決云數據庫擴容縮容的手段