微博分布式存储作业实现方法
可能通过「高可用架构」听说过在微博的系统中，单张 MySQL 在线业务表 60 亿条数据的场景。很多关注互联网架构的工程师也非常关注如何如何设计类似系统。下面是一道微博新兵训练营的分布式存储课堂练习，要设计合格才能上岗。
考虑到网上有很多架构师也在讨论，补充题目一些说明如下。
1、访问场景
由于上面题目的应用场景，用户一般情况下，主要查看用户查看自己收到的最新的微博，以及某个特定用户 profile 的所有微博。
- 收到的微博，考虑微博以拉为主的模式，则需要访问关注用户最近 n 条最新的微博。
- 用户 profile，需要访问用户历史上所有发表的微博，而且支持分页查看，可以直接跳转到某一页或者某个时间段， 因此需要适当考虑分页的效率 （可参考扩展阅读）。
访问特征
- 从上面描述以及社交网络的用户访问特点来看，用户大部分情况( > 90% )是访问最近 7 天的数据。
不需要考虑的点
- 此题主要是存储层的设计，因此不需要考虑缓存如何设计。
- 由于微博是 异步写入 的，在某种程度可以起到错峰作用，所以作业暂时不需要考虑写入的峰值。
- 不需要考虑 id 如何产生，假定已经有发号服务。
- 不需要考虑用户收到的微博怎么聚合，那个是更上层服务层的职责。
2、设计需要考虑的点
Scale-out 扩展性
- 将数据拆分到多个独立的单元存储
- 可以在适当时机进一步拆分，拆分时候需要继续提供在线访问
- 存储在廉价硬件上，考虑到数据规模比较大，需要适当考虑方案的整体成本，因此不要假定默认全部使用 SSD 存储。
Cost 成本
- 不同访问级别的数据存储在不同访问速度（成本）的硬件上。
High availability 高可用，以及 Reliability 可靠性 – 复制
在当前场景下，主要通过 MySQL replication 来解决可用性、以及分担读的请求。
3、Sharding 策略
Shard 常用策略
range based：根据用户 uid 来分布，相邻 uid 的数据保存在一起。hash based：根据某个 hash 函数，将一个用户 uid 的数据保存在指定的分片。
Re-Sharding 拆分设计
当数据持续增长，原先存储的数据（或者访问量）超过当前节点的容量上限，则需要对节点进行进一步拆分。
如何确定shard数量
db buffer > hot data
容量规划
- 预规划: 容纳未来一段时间的数据
- 2 的指数倍: shard 数量变更简单
Tradeoff
- 分片多：影响 IO 效率;
- 分片少：扩容频繁、复杂
4、扩展阅读
关于分页：
为什么超长列表数据的翻页技术实现复杂
为什么超长列表数据的翻页技术实现复杂（二）5、部分投稿案例
案例一：使用 user id range 作为分片
案例二：使用user id hash作为分片
方案三 （via 张亮）
历史数据：
1. 每半年根据日期分库，如：2015.01-2015.06为一个库。每天增加1亿数据，半年180亿，约为0.72T数据，可以保留在1T的磁盘中。
2. 根据 uid 取模分库（表），便于查询和分散数据。
当前 n 日数据：
1. 暂定n为10，存储10亿数据。
2. 根据uid + 权重的hash算法分库。权重可以根据每个uid的微博id数量，粉丝数等指标离线计算。
hash算法需保证：
1. 同一uid需落在一个库。
2. 权重接近的用户尽量均匀的落在不同库。
3. 为了应对突然发生的事件导致访问量激增，需要考虑2级甚至3级分片，而不宜直接做re-sharding导致数据迁移。多级分片可考虑读取一个标记，放在zk中。根据标记确定分片的hash算法加入小时等维度。
查询索引：
1. 增加发帖索引字段，记录每个用户的每个帖子的索引。
2. 增加发帖总数统计表，以用户为维度，每个用户发一次贴则发帖总数++。
3. 增加二级索引表，记录每个用户，每次分片库的发帖索引。如：uid 1的用户，在2015年第一帖是该用户发帖的总数的第10贴，2015年最后一贴是该用户发帖总数的第50贴。
4. 分页查询使用二级索引表，先查到该查哪个真实库（可能是多个），再到真实库中获取数据。
总结：
1. 通过灵活的运用时间维度分片，免去因uid分片数量不足导致的大规模迁移，使用外部flag灵活的控制分片策略。而且用时间维度分片更易做到冷热分离。
分片逻辑可以灵活到，zk中记录时间段，某个时间段内，按月分，某个时间段，按年分，之类。
2. 通过离线计算权重的方式均匀分散数据访问。权重周期性调整，对于调整权重的用户，需要重点考虑当前n日数据的数据迁移方案。但由于调整权重的用户属于少量，所以迁移应该数据变动较小。历史数据不需权重概念，无需数据迁移。
3. 查询使用二级索引。使用修改btree结构去掉二级索引能有效减少数据量，但实现难度较大，可以在之后的局部优化中实现，对总体数据库结构影响不大。
4. 将前n日数据和当天数据整合在一起，之前对微博的场景理解不深，以为有首屏显示这样的概念。
正文到此结束
热门推荐
相关文章
近期评论
-
666
-
文章和留言都翻到11页了 没有OOM
-
-
朋友，翻页到11页，及以后，会出现OOM，无法访问
-
-
-
-
版本号是多少，你可以下载哪个代码仓库，jdk选1.8 直接跑就行
-
-
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
