系统存储架构升级分享 | 京东云技术团队

原创
01/09 09:58
阅读数 25

业务背景

系统业务功能:系统内部进行数据处理及整合, 对外部系统提供结果数据的初始化(写)及查询数据结果服务。

系统网络架构:






  • 部署架构对切量上线的影响 - 内部管理系统上线对其他系统的读业务无影响
  • 分布式缓存可进行单独扩容, 与存储及查询功能升级无关
  • 通过缓存层的隔离, 系统扩展期间外部系统可保持不变, 只对内部管理系统升级
  • 内部系统上线/验证时, 除了业务场景1相关的初始化操作, 仍可提供读服务,降低上线影响



二、本次升级整体实施方案:



整体实施方案图例:





 

(一)、设立目标

商品全量渠道化-切量计划: (总量为当前10倍):





目前:

当前数据库常用表均已超过5000W, 其中部分结果表达6000W, 已达到MYSQL数据库表容量峰值, 对于全切量无法支持;



目标:

最高支持9亿: 根据切量计划, 全切量后系统约为6.7亿, 保留1/4的冗余, 取8.375亿; 向上取整9亿, 此值冗余量较大, 可满足未来5年数据支持

时间目标: 8月初方案设定, 8月17~8.22上线及验证, 8.24切量计划开始

(二)、当前系统现状

1、资源使用

当前部署结构

——机房分布,Mysql: 1主4从(机房A 1主, 3从; 机房B只读从)

——机房分布,Doris: 32C, 63个节点, 3副本

当前应用容器(docker)数量,db最大连接数

——应用容器数量: 62 (Web分组: 25, Worker分组: 31, MQ分组: 6)

——db最大连接数100 (每个容器配置)

当前业务是否读写分离,读写比例情况

——无读写分离

各业务场景下,是否可容忍主从延迟?可容忍的延迟时长是多少

——目前业务人员修改操作多数为同步操作, 修改完成后返回操作结果到前端, 从业务方操作+查询结果来说, 无法空忍延迟

——后台任务场景, 对于中间数据处理, 可以容忍主从延迟

产品层面,系统出现瓶颈压力时,是否接受限流?是否接受数据延迟展示?

——对外服务接口本次不涉及开发, 服务接口不受影响;业务页面访问量少,可接受短时间内的延迟

团队是否有ES使用经验

——部分了解, 未在项目中使用



2、数据库内部使用情况

使用通用性的盘点框架对系统进行全面性现状梳理

表内空间, 业务场景等信息 (部分)

表名 当前表记录数 (单位:万) 最大支持条数 (单位:万) 表字段数 是否可拆分出分片键 分片键字段 是否存在不带分片字段的SQL 是否有跨表查询场景 数据记录读写比 是否存在写后立即查询 使用场景 数据是否 可截转 可接受的截转时长 切量后预估量 分布式DB ES 判断条件:是否有复杂查询 ES直接双写 判断条件: 写后立即查询
审批流表 3.5KW 4KW 43 sku 存在 存在 1000/1 存在写后用户手动再查询操作 1、页面创建审批流 2、页面查询审批流 3、页面数据置失效 4、审批平台回调修改  +3亿 UI修改后需重新点击"查询"按钮;
审批流细目表 (历史数据已清理) 800W 4KW 20 增加sku 存在 1000/1 存在写后用户手动再查询操作 1、刷新审批流(删除+增加) 2、查询审核中流程(任务) 审批通过可转冷备  转冷备 
业务数据表1 3.3KW 4KW 15 sku 100/1  1、审批流通过后, 创建 2、数据失效, 删除操作 3、后台工具: 同步缓存(存在复杂+分页查询)  +3亿
业务数据表2 5.9KW 4KW 16 sku 存在 (新增后异常按id删除) 1000/1  1、业务查询/导出维度1数据 2、业务查询维度2数据2 3、后台工具: 同步缓存  +5亿 同步大数据推送数据到缓存, 使用creator字段查询; 多个SKU分页查询
支持数据表(大数据平台计算后推送) 1.2KW 4KW 12 item_sku_id 5/1  1、运维工具: 增加/删除记录 2、清理历史数据(任务) 3、数据查询(显示使用) 4、计算 5、大数据推送数据 按日期推送, 目前保留3天 历史数据无用 doris? 一天3~4KW 删除数据dt
.....                





(三)、技术方案选型

系统特点:单表高并发写、复杂读

1、存储选型:

结论:

内部分布式DB: 由单分片拓展到多分片, 解决海量数据存储及简单查询

ES: 新引入, 实现复杂查询(分词查询)及全局排序

redis: 保留, 需扩容

Doris: 保留, 容量增大



复杂查询(原因: 前端业务访问存在多表关联场景(2张千万级别表关联查询), 随着表容量变大, 关联查询性能下降, 已无法满足业务高效需求)

复杂查询决策因素:

  分布式DB(mysql) es doris TiDB
决策指标 产品定位 数据库 (OLTP) 搜索引擎 数据库 (OLAP) 数据库(OLTP+80%OLAP)
优势 1、高并发、高吞吐量事务处理 2、稳定性 3、数据实时(写后即读) 1、全文索引 2、复杂结构化查询 高并发查询分析 1、兼具事务处理+数据分析 2、自动拓展 3、数据实时(写后即读)
劣势 1、大量数据分析 2、手动拓展 1、事务处理 2、实时(写后即读) 1、事务处理 2、实时(写后即读) 高并发、高吞吐量事务处理
可靠性 高(多机房) 高(多机房) 低(共享集群) 低(单机房)
拓展性 库维度:平台管理 表维度:应用控制 平台管理  库维度:平台管理 表维度:应用控制
数据一致性 最终一致性 最终一致性  强一致性
运维支持 DBA 分公司运维 无专业运维团队 分公司DBA
总结 复杂业务查询慢 无法支持大数据量跨表查询、多维度复杂查询及全局排序 单表使用分片字段查询性能快 复杂业务查询性能高 部署结构为共享集群,(特别是)写性能受外部影响大 部署架构为单机房,无法满足0级系统可靠性要求

 架构目标    
结论 海量存储及高并发写 ✅ 大数据量存储,基于分库字段单表查询性能高, 单库事务处理 ✖️ 高并发下的事务处理 ✖️ 查询受写入/更新操作影响大 ✖️ 高并发下的事务处理 可靠性
复杂度查询 ✖️ 性能差, 可能会存在跨库查询 ✅ 可靠性高 大数据量下的复杂业务查询 ✖️ 查询受写入/更新操作影响大 ✖️ 可靠性



2、数据同步方案

A-准实时同步方案:

方案描述:使用DRC平台配置化完成分布式DB到ES的准实时数据同步 (注: DRC为公司内部通用数据同步平台, 可在多个数据源之间进行数据同步)

优势:简单无序代码开发 劣势:可能存在业务写后即查场景,数据不一致风险





B-双写强一致方案:

方案描述:双写分布式DB与ES, 保证数据一致性

优势:保障数据写即读场景一致性 劣势:代码开发成本高





数据同步方案选择建议:

先选择A-准实时同步方案 -> 线上验证是否满足业务操作体验-> 再选择是否实施B-双写强一致方案



数据同步难点及解决方案:

问题:

双表联合查询场景无法直接使用DRC平台同步, 需另开发相应的同步模块jar包, 嵌入DRC任务, 或放弃使用DRC, 直接使用代码同步, 都存在开发时间长问题
ES索引空间占用多, 冗余记录条数多, , 查询结果需排重, 查询复杂

难点:流程表与流程细目节点表涉及联合查询, 两表都存在单表增删改的操作; 导致同步到ES的数据模型复杂、同步困难





解决方案:(数据库表增加冗余字段, 冗余字段专用于ES查询)

在DB的流程表增加待审人员, 已审人员字段, 字段的值使用空格分隔, 使用ES的分词功能, 同时ES可直接使用DRC工具直接同步此表数据, 减少同步的开发时间

方案成本: 增加/修改流程细目时同步修改流程表新增字段; 开发刷新历史数据工具







(四)、分阶段开发及上线实施步骤

1、系统业务改造-表字段增加(8月10日)

1) 业务表新增分库字段

部分业务表缺少分库字段,无法直接分片。针对业务表新增sku分片字段, 同时对现有逻辑改造增加SKU条件,以提升查询效率;

2) ES相关查询冗余字段的增加 (刷数据)



2、分布式DB分库数据同步+验证(8月11日)

1) 完成分布式DB分片库+ ES初始化;

2) 配置DRC完成原单库到分布式DB分片库的全量+增量数据同步;

3) 配置DRC完成分布式DB分片库到ES的全量+增量数据同步;

4) 通过检验工具,定期比对分布式DB单片、分布式DB分片及ES间的数据一致性。





3、读流量切换+验证 (8月17日)

1) 新增AOP切面, 通过DUCC配置(erp白名单, 全量读, 结果对比等维度配置),将读请求逐步切量到新应用集群

2) 待产品、业务侧完成验证后,切换全部读流量至新应用集群(: 新应用集群使用数据库只读帐号





4、写流量切换(8.21)

1) 上线前周知业务方及上下游系统,告知上线时间段及预估时长,减少业务影响

2) 新增一个静态页面提示用户系统升级中不可用,切换前端域名至静态页面, 避免用户操作

3) 停止原系统分组,确保原单库不再存有写流量,同时协调DBA对原库执行禁写(关闭worker, 暂停MQ消费)

4) 等待并确保原库数据均同步至目的库后,再次通过手动+自动方式校验新老两个数据库的数据一致性

5) 新系统分组切换为读写帐号, 进行部署

7) 研发及测试人员对新系统分组功能使用测试商品进行功能验证, 无问题后交由业务人员验证(切换静态运维页面)

8) 启动worker及接入MQ





5、上线后效果

上线后系统运行正常, 8.23至今已结转商品 2.6亿; 目前系统支持商品场维度数据3.16亿; 最大DB表数据已有2.84亿; ES数据4356W;

前后对比: erp:xxx; 此erp帐号数据29w 原查询9s,新查询1s;

四、总结

好的建议:

全面、清晰的系统现状盘点:可以降低复杂度、提高质量
清晰的上线计划:指导人员合理分工、缩短上线时间、降低上线难度





 

未解决问题:

目前分布式DB分布式事务支持比较弱, 无法保证跨分库时多条记录在一个事务中修改的正确性, 需要提交后进行读取后再验证确保数据正确保存

业务人员名下商品数据百万时, 查询时间仍然效长, 查询性能将持续优化

作者:京东零售 王凯

来源:京东云开发者社区 转载请注明来源

展开阅读全文
加载中
点击引领话题📣 发布并加入讨论🔥
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部