如何做到不停機分庫分表遷移？
需求說明
類似訂單表，用戶表這種未來規(guī)模上億甚至上十億百億的海量數(shù)據(jù)表，在項目初期為了快速上線，一般只是單表設(shè)計，不需要考慮分庫分表。隨著業(yè)務(wù)的發(fā)展，單表容量超過千萬甚至達(dá)到億級別以上，這時候就需要考慮分庫分表這個問題了，而不停機分庫分表遷移，這應(yīng)該是分庫分表最基本的需求，畢竟互聯(lián)網(wǎng)項目不可能掛個廣告牌"今晚10:00~次日10:00系統(tǒng)停機維護"，這得多l(xiāng)ow呀，以后跳槽面試，你跟面試官說這個遷移方案，面試官怎么想呀？
借鑒codis
筆者正好曾經(jīng)碰到過這個問題，并借鑒了codis一些思想實現(xiàn)了不停機分庫分表遷移方案；codis不是這篇文章的重點，這里只提及借鑒codis的地方--rebalance：
當(dāng)遷移過程中發(fā)生數(shù)據(jù)訪問時，Proxy會發(fā)送“SLOTSMGRTTAGSLOT”遷移命令給Redis，強制將客戶端要訪問的Key立刻遷移，然后再處理客戶端的請求。（ SLOTSMGRTTAGSLOT 是codis基于redis定制的）
分庫分表
明白這個方案后，了解不停機分庫分表遷移就比較容易了，接下來詳細(xì)介紹筆者當(dāng)初對installed_app表的實施方案；即用戶已安裝的APP信息表；
1. 確定sharding column
確定sharding column絕對是分庫分表最最最重要的環(huán)節(jié)，沒有之一。sharding column直接決定整個分庫分表方案最終是否能成功落地；一個合適的sharding column的選取，基本上能讓與這個表相關(guān)的絕大部分流量接口都能通過這個sharding column訪問分庫分表后的單表，而不需要跨庫跨表，最常見的sharding column就是user_id，筆記這里選取的也是user_id；
2. 分庫分表方案
根據(jù)自身的業(yè)務(wù)選取最合適的sharding column后，就要確定分庫分表方案了。筆者采用主動遷移與被動遷移相結(jié)合的方案：
- 主動遷移就是一個獨立程序，遍歷需要分庫分表的installed_app表，將數(shù)據(jù)遷移到分庫分表后的目標(biāo)表中。
- 被動遷移就是與installed_app表相關(guān)的業(yè)務(wù)代碼自身將數(shù)據(jù)遷移到分庫分表后對應(yīng)的表中。
接下來詳細(xì)介紹這兩個方案；
2.1 主動遷移
主動遷移就是一個獨立的外掛遷移程序，其作用是遍歷需要分庫分表的installed_app表，將這里的數(shù)據(jù)復(fù)制到分庫分表后的目標(biāo)表中，由于主動遷移和被動遷移會一起運行，所以需要處理主動遷移和被動遷移碰撞的問題，筆者的主動遷移偽代碼如下：
- public void migrate(){
- // 查詢出當(dāng)前表的***ID, 用于判斷是否遷移完成
- long maxId = execute("select max(id) from installed_app");
- long tempMinId = 0L;
- long stepSize = 1000;
- long tempMaxId = 0L;
- do{
- try {
- tempMaxId = tempMinId + stepSize;
- // 根據(jù)InnoDB索引特性, where id>=? and id<?這種SQL性能***
- 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:${userId}");
- if ("COMPLETED".equals(status)) {
- // migration finish, nothing to do
- continue;
- }
- if ("MIGRATING".equals(status)) {
- // "被動遷移" migrating, nothing to do
- continue;
- }
- // 遷移前先獲取鎖: set MigrateStatus:18 MIGRATING ex 3600 nx
- String result = executeRedis("set MigrateStatus:${userId} MIGRATING ex 86400 nx");
- if ("OK".equals(result)) {
- // 成功獲取鎖后, 先將這個用戶所有已安裝的app查詢出來[即遷移過程以用戶ID維度進(jìn)行遷移]
- String sql = "select * from installed_app where user_id=#{user_id}";
- List<InstalledApp> userInstalledApps = executeSql(sql);
- // 將這個用戶所有已安裝的app遷移到分庫分表后的表中(有user_id就能得到分庫分表后的具體的表)
- shardingInsertSql(userInstalledApps);
- // 遷移完成后, 修改緩存狀態(tài)
- executeRedis("setex MigrateStatus:${userId} 864000 COMPLETED");
- } else {
- // 如果沒有獲取到鎖, 說明被動遷移已經(jīng)拿到了鎖, 那么遷移交給被動遷移即可[這種概率很低]
- // 也可以加強這里的邏輯, "被動遷移"過程不可能持續(xù)很長時間, 可以嘗試循環(huán)幾次獲取狀態(tài)判斷是否遷移完
- logger.info("Migration conflict. userId = {}", userId);
- }
- }
- if (tempMaxId >= maxId) {
- // 更新max(id)，最終確認(rèn)是否遍歷完成
- maxId = execute("select max(id) from installed_app");
- }
- logger.info("Migration process id = {}", tempMaxId);
- }catch (Throwable e){
- // 如果執(zhí)行過程中有任何異常(這種異常只可能是redis和mysql拋出來的), 那么退出, 修復(fù)問題后再遷移
- // 并且將tempMinId的值置為logger.info("Migration process id="+tempMaxId);日志***一次記錄的id, 防止重復(fù)遷移
- System.exit(0);
- }
- tempMinId += stepSize;
- }while (tempMaxId < maxId);
- }
這里有幾點需要注意：
- ***步查詢出max(id)是為了盡量減少max(id)的查詢次數(shù)，假如***次查詢max(id)為10000000，那么直到遍歷的id到10000000以前，都不需要再次查詢max(id)；
- 根據(jù)id>=? and id<?遍歷，而不要根據(jù)id>=? limit n或者limit m, n進(jìn)行遍歷，因為limit性能一般，且會隨著遍歷越往后，性能越差。而id>=? and id<?這種遍歷方式即使會有一些踩空，也沒有任何影響，且整個性能曲線非常平順，不會有任何抖動；遷移程序畢竟是輔助程序，不能對業(yè)務(wù)程序有過多的影響；
- 根據(jù)id區(qū)間范圍查詢出來的List<InstalledApp>要轉(zhuǎn)換為Iterator<InstalledApp>，每迭代處理完一個userId，要remove掉，否則可能導(dǎo)致GC異常，甚至OOM；
2.2 被動遷移
被動遷移就是在正常與installed_app表相關(guān)的業(yè)務(wù)邏輯前插入了遷移邏輯，以新增用戶已安裝APP為例，其偽代碼如下：
- // 被動遷移方法是公用邏輯，所以與`installed_app`表相關(guān)的業(yè)務(wù)邏輯前都需要調(diào)用這個方法；
- public void migratePassive(long userId)throws Exception{
- String status = executeRedis("get MigrateStatus:${userId}");
- if ("COMPLETED".equals(status)) {
- // 該用戶數(shù)據(jù)已經(jīng)遷移完成, nothing to do
- logger.info("user's installed app migration completed. user_id = {}", userId);
- }else if ("MIGRATING".equals(status)) {
- // "被動遷移" migrating, 等待直到遷移完成; 為了防止死循環(huán), 可以增加***等待時間邏輯
- do{
- Thread.sleep(10);
- status = executeRedis("get MigrateStatus:${userId}");
- }while ("COMPLETED".equals(status));
- }else {
- // 準(zhǔn)備遷移
- String result = executeRedis("set MigrateStatus:${userId} MIGRATING ex 86400 nx");
- if ("OK".equals(result)) {
- // 成功獲取鎖后, 先將這個用戶所有已安裝的app查詢出來[即遷移過程以用戶ID維度進(jìn)行遷移]
- String sql = "select * from installed_app where user_id=#{user_id}";
- List<InstalledApp> userInstalledApps = executeSql(sql);
- // 將這個用戶所有已安裝的app遷移到分庫分表后的表中(有user_id就能得到分庫分表后的具體的表)
- shardingInsertSql(userInstalledApps);
- // 遷移完成后, 修改緩存狀態(tài)
- executeRedis("setex MigrateStatus:${userId} 864000 COMPLETED");
- }else {
- // 如果沒有獲取到鎖, 應(yīng)該是其他地方先獲取到了鎖并正在遷移, 可以嘗試等待, 直到遷移完成
- }
- }
- }
- // 與`installed_app`表相關(guān)的業(yè)務(wù)--新增用戶已安裝的APP
- public void addInstalledApp(InstalledApp installedApp) throws Exception{
- // 先嘗試被動遷移
- migratePassive(installedApp.getUserId());
- // 將用戶已安裝app信息(installedApp)插入到分庫分表后的目標(biāo)表中
- shardingInsertSql(installedApp);
- }
無論是CRUD中哪種操作，先根據(jù)緩存中MigrateStatus:${userId}的值進(jìn)行判斷：
- 如果值為COMPLETED，表示已經(jīng)遷移完成，那么將請求轉(zhuǎn)移到分庫分表后的表中進(jìn)行處理即可；
- 如果值為MIGRATING，表示正在遷移中，可以循環(huán)等待直到值為COMPLETED即遷移完成后，再將請求轉(zhuǎn)移到分庫分表后的表中進(jìn)行處理處理；
- 否則值為空，那么嘗試獲取鎖再進(jìn)行數(shù)據(jù)遷移。遷移完成后，將緩存值更新為COMPLETED，***再將請求轉(zhuǎn)移到分庫分表后的表中進(jìn)行處理處理；
3.方案完善
當(dāng)所有數(shù)據(jù)遷移完成后，CRUD操作還是會先根據(jù)緩存中MigrateStatus:${userId}的值進(jìn)行判斷，數(shù)據(jù)遷移完成后這一步已經(jīng)是多余的。可以加個總開關(guān)，當(dāng)所有數(shù)據(jù)遷移完成后，將這個開關(guān)的值通過類似TOPIC的方式發(fā)送，所有服務(wù)接收到TOPIC后將開關(guān)local cache化。那么接下來服務(wù)的CRUD都不需要先根據(jù)緩存中MigrateStatus:${userId}的值進(jìn)行判斷；
4.遺留工作
遷移完成后，將主動遷移程序下線，并將被動遷移程序中對migratePassive()的調(diào)用全部去掉，并可以集成一些第三方分庫分表中間件，例如sharding-jdbc，可以參考sharding-jdbc集成實戰(zhàn)
回顧總結(jié)
回顧這個方案，***的缺點就是如果碰到sharding column（例如userId）的總記錄數(shù)比較多，且主動遷移正在進(jìn)行中，被動遷移與主動遷移碰撞，那么被動遷移可能需要等待較長時間。
不過根據(jù)DB性能，一般批量插入1000條數(shù)據(jù)都是10ms級別，并且同一sharding column的記錄分庫分表后只屬于一張表，不涉及跨表。所以，只要在遷移前先通過sql統(tǒng)計待遷移表中沒有這類異常sharding column即可放心遷移；
筆者當(dāng)初遷移installed_app表時，用戶最多也只擁有不超過200個APP，所以不需要過多考慮碰撞帶來的性能問題；沒有***的方案，但是有適合自己的方案；
如果有那種上萬條記錄的sharding column，可以把這些sharding column先緩存起來，遷移程序在夜間上線，優(yōu)先遷移這些緩存的sharding column的數(shù)據(jù)，就可以盡可能的降低遷移程序?qū)@些用戶的體驗。當(dāng)然你也可以使用你想出來的更好的方案。
