微博首页的博文消息主体部分,也有有很多计数,分别是一条博文的:画外音:浏览计数有点难,每秒100W次PV,就有100W次计数。
在业务复杂,计数扩展频繁,数据量大,并发量大的情况下,计数系统的架构演进与实践,是本文将要分享的问题。(1)调用层:处于端上的browser或者APP;(2)站点层:拼装html或者json返回的web-server层;(3)服务层:提供RPC调用接口的service层;(4)数据层:提供固化数据存储的db,以及加速存储的cache;针对上文微博计数的例子,主要涉及“关注”业务,“粉丝”业务,“微博消息”业务,一般来说,会有相应的db存储相关数据,相应的service提供相关业务的RPC接口:(1)关注服务:提供关注数据的增删查改RPC接口;(2)粉丝服务:提供粉丝数据的增删查改RPC接口;(3)消息服务:提供微博消息数据的增删查改RPC接口,消息业务相对比较复杂,涉及微博消息、转发、评论、点赞等数据的存储;对关注、粉丝、微博业务进行了初步解析,那首页的计数需求应该如何满足呢?很容易想到,关注服务+粉丝服务+消息服务均提供相应接口,就能拿到相关计数数据。例如,个人中心首页,需要展现博文数量这个计数,web层访问message-service的count接口,这个接口执行:select count(*) from t_msg where uid = XXX这个方案叫做“count”计数法,在数据量并发量不大的情况下,最容易想到且最经常使用的就是这种方法。随着数据量的上升,并发量的上升,这个方法的弊端将逐步展现。例如,微博首页有很多条微博消息,每条消息有若干计数,此时计数的拉取就成了一个庞大的工程:list<msg_id> = getHomePageMsg(uid);// 获取首页所有消息
for( msg_id in list<msg_id>){ // 对每一条消息
getReadCount(msg_id); // 阅读计数
getForwordCount(msg_id); // 转发计数
getCommentCount(msg_id); // 评论计数
getPraiseCount(msg_id); // 赞计数
}
(1)每一个微博消息的若干个计数,都对应4个后端服务访问;(2)每一个访问,对应一条count的数据库访问(count要了老命了);其效率之低,资源消耗之大,处理时间之长,可想而知。(3)一次查询一个count,每个计数都是一个count语句;计数是一个通用的需求,有没有可能,这个计数的需求实现在一个通用的系统里,而不是由关注服务、粉丝服务、微博服务来分别来提供相应的功能呢?画外音:各个业务系统具备的通用痛点,应该下沉统一解决。(1)用户(uid)维度的计数:用户的关注计数,粉丝计数,发布的微博计数;(2)微博消息(msg_id)维度的计数:消息转发计数,评论计数,点赞计数;于是可以抽象出两个表,针对这两个维度来进行计数的存储:t_user_count (uid, gz_count, fs_count, wb_count);
t_msg_count (msg_id, forword_count, comment_count, praise_count);
t_count(id, type, c1, c2, c3, …)通过type来判断,id究竟是uid还是msg_id,但并不建议这么做。存储抽象完,再抽象出一个计数服务对这些数据进行管理,提供友善的RPC接口:这样,在查询一条微博消息的若干个计数的时候,不用进行多次数据库count操作,而会转变为一条数据的多个属性的查询:for(msg_id in list<msg_id>) {
select forword_count, comment_count, praise_count
from t_msg_count
where msg_id=$msg_id;
}
甚至,可以将微博首页所有消息的计数,转变为一条IN语句(不用多次查询了)的批量查询:select * from t_msg_count
where msg_id IN
($msg_id1, $msg_id2, $msg_id3, …);
那么,当有微博被转发、评论、点赞的时候,计数服务如何同步的进行计数的变更呢?如果让业务服务来调用计数服务,势必会导致业务系统与计数系统耦合。可以通过MQ来解耦,在业务发生变化的时候,向MQ发送一条异步消息,通知计数系统计数发生了变化即可:(3)counting-service从MQ接收消息;(4)counting-service变更这个uid发布微博消息计数;画外音:其实发送一条微博本来就会发MQ消息,计数系统只是新增一个订阅方。(1)通过counting-service单独保存计数;计数外置,本质是数据的冗余,架构设计上,数据冗余必将引发数据的一致性问题,需要有机制来保证计数系统里的数据与业务系统里的数据一致,常见的方法有:(1)对于一致性要求比较高的业务,要有定期check并fix的机制,例如关注计数,粉丝计数,微博消息计数等;(2)对于一致性要求比较低的业务,即使有数据不一致,业务可以接受,例如微博浏览数,微博转发数等;计数外置很大程度上解决了计数存取的性能问题,但是否还有优化空间呢?
像关注计数,粉丝计数,微博消息计数,变化的频率很低,查询的频率很高,这类读多些少的业务场景,非常适合使用缓存来进行查询优化,减少数据库的查询次数,降低数据库的压力。t_uid_count(uid, c1, c2, c3)缓存kv结构的value是计数,看来只能在key上做设计,很容易想到,可以使用uid:type来做key,存储对应type的计数。对于uid=123的用户,其关注计数,粉丝计数,微博消息计数的缓存就可以设计为:此时对应的counting-service架构变为:如此这般,多个uid的多个计数,又可能会变为多次缓存的访问:for(uid in list<uid>) {
memcache::get($uid:c1, $uid:c2, $uid:c3);
}
画外音:其实写多读少,一致性要求不高的计数,也可以先用缓存保存,然后定期刷到数据库中,以降低数据库的读写压力。(2)使用id:type的方式作为缓存的key,使用count来作为缓存的value;缓存的使用能够极大降低数据库的压力,但多次缓存交互依旧存在优化空间,有没有办法进一步优化呢?
不要陷入思维定式,谁说value一定只能是一个计数,难道不能多个计数存储在一个value中么?
缓存kv结构的key是uid,value可以是多个计数同时存储。对于uid=123的用户,其关注计数,粉丝计数,微博消息计数的缓存就可以设计为:memcache::get($uid1, $uid2, $uid3, …);然后对获取的value进行分析,得到关注计数,粉丝计数,微博计数。如果计数value能够事先预估一个范围,甚至可以用一个整数的不同bit来存储多个计数,用整数的与或非计算提高效率。(1)使用id作为key,使用同一个id的多个计数的拼接作为value;考虑完效率,架构设计上还需要考虑扩展性,如果uid除了关注计数,粉丝计数,微博计数,还要增加一个计数,这时系统需要做什么变更呢?t_user_count(uid, gz_count, fs_count, wb_count)这种设计,通过列来进行计数的存储,如果增加一个XX计数,数据库的表结构要变更为:t_user_count(uid, gz_count, fs_count, wb_count, XX_count)在数据量很大的情况下,频繁的变更数据库schema的结构显然是不可取的,有没有扩展性更好的方式呢?
不要陷入思维定式,谁说只能通过扩展列来扩展属性,能不能通过扩展行来扩展属性呢?
t_user_count(uid, count_key, count_value)如果需要新增一个计数XX_count,只需要增加一行即可,而不需要变更表结构:小小的计数,在数据量大,并发量大的时候,其架构实践思路为:(1)计数外置:由“count计数法”升级为“计数外置法”;(2)读多写少,甚至写多但一致性要求不高的计数,需要进行缓存优化,降低数据库压力;(3)缓存kv设计优化,可以由[key:type]->[count],优化为[key]->[c1:c2:c3]