当前位置:  首页  >  凯发国际娱乐  >  专家视点

互联网“平滑数据迁移”架构技术实践

互联网有很多“数据量较大,并发量较大,业务复杂度较高”的业务场景,其典型系统分层架构如下:

一、问题的提出

互联网有很多“数据量较大,并发量较大,业务复杂度较高”的业务场景,其典型系统分层架构如下: enter image description here
  1. 上游是业务层biz,实现个性化的业务逻辑
  2. 中游是服务层service,封装相对通用的数据访问
  3. 下游是数据层db,存储固化的业务数据
服务化分层架构的好处是,服务层屏蔽下游数据层的复杂性,例如缓存、分库分表、存储引擎等存储细节不需要向调用方暴露,而只向上游提供方便的RPC访问接口。当有一些数据层变化的时候,所有的调用方也不需要升级,只需要服务层升级即可。 互联网架构,很多时候面临着这样一些需求: enter image description here 需求1->底层表结构变更:数据量非常大的情况下,数据表增加了一些属性,删除了一些属性,修改了一些属性。 enter image description here 需求2->分库个数变换:由于数据量的持续增加,底层分库个数非成倍增加。 enter image description here 需求3->底层存储介质变换:底层存储引擎由一个数据库换为另一个数据库。 种种需求,都需要进行数据迁移,如何平滑迁移数据,迁移过程不停机,保证系统持续服务,是文本将要讨论的问题。

二、停机方案

在讨论平滑迁移数据方案之前,先看下不平滑的停机数据迁移方案,主要分三个步骤。 enter image description here 步骤一:挂一个类似“为了给广大用户提供更好的服务,服务器会在凌晨0:00-0:400进行停机维护”的公告,并在对应时段进行停机,这个时段系统没有流量进入。 enter image description here 步骤二:停机后,研发一个离线的数据迁移工具,进行数据迁移。针对第一节的三类需求,会分别开发不同的数据迁移工具。
  1. 底层表结构变更需求:开发旧表导新表的工具
  2. 分库个数变换需求:开发2库导3库的工具
  3. 底层存储介质变换需求:开发MongoDB导Mysql的工具 enter image description here
步骤三:恢复服务,并将流量切到新库,不同的需求,可能会涉及不同服务升级。
  1. 底层表结构变更需求:服务要升级到访问新表
  2. 分库个数变换需求:服务不需要升级,只需要改寻库路由配置
  3. 底层存储介质变换需求:服务升级到访问新的存储介质
总的来说,停机方案是相对直观和简单的,但对服务的可用性有影响,许多游戏公司的服务器升级,游戏分区与合区,可能会采用类似的方案。 除了影响服务的可用性,这个方案还有一个缺点,就是必须在指定时间完成升级,这个对研发、测试、运维同学来说,压力会非常大,一旦出现问题例如数据不一致,必须在规定时间内解决,否则只能回滚。根据经验,压力越大越容易出错,这个缺点一定程度上是致命的。 无论如何,停机方案并不是今天要讨论的重点,接下来看一下常见的平滑数据迁移方案。

三、平滑迁移-追日志法

平滑迁移方案一,追日志法,这个方案主要分为五个步骤。 enter image description here 数据迁移前,上游业务应用通过旧的服务访问旧的数据。 enter image description here 步骤一:服务进行升级,记录“对旧库上的数据修改”的日志(这里的修改,为数据的insert、delete、update),这个日志不需要记录详细数据,主要记录:
  1. 被修改的库
  2. 被修改的表
  3. 被修改的唯一主键
具体新增了什么行,修改后的数据格式是什么,不需要详细记录。这样的好处是,不管业务细节如何变化,日志的格式一定是固定的,这样能保证方案的通用性。 这个服务升级风险较小:
  1. 写接口是少数接口,改动点较少
  2. 升级只是增加了一些日志,对业务功能没有任何影响 enter image description here
步骤二:研发一个数据迁移工具,进行数据迁移。这个数据迁移工具和离线迁移工具一样,把旧库中的数据转移到新库中来。 这个小工具的风险较小:
  1. 整个过程依然是旧库对线上提供服务
  2. 小工具的复杂度较低
  3. 任何时间发现问题,都可以把新库中的数据干掉重来
  4. 可以限速慢慢迁移,技术同学没有时间压力
数据迁移完成之后,就能够切到新库提供服务了么? 答案是否定的,在数据迁移的过程中,旧库依然对线上提供着服务,库中的数据随时可能变化,这个变化并没有反映到新库中来,于是旧库和新库的数据并不一致,所以不能直接切库,需要将数据追平。 哪些数据发生了变化呢?步骤一中日志里记录的不就是么? enter image description here 步骤三:研发一个读取日志并迁移数据的小工具,要把步骤二迁移数据过程中产生的差异数据追平。这个小工具需要做的是:
  1. 读取日志,得到哪个库、哪个表、哪个主键发生了变化
  2. 把旧库中对应主键的记录读取出来
  3. 把新库中对应主键的记录替换掉
无论如何,原则是数据以旧库为准。 这个小工具的风险也很小:
  1. 整个过程依然是旧库对线上提供服务
  2. 小工具的复杂度较低
  3. 任何时间发现问题,大不了从步骤二开始重来
  4. 可以限速慢慢重放日志,技术同学没有时间压力
日志重放之后,就能够切到新库提供服务了么? 答案依然是否定的,在日志重放的过程中,旧库中又可能有数据发生了变化,导致数据不一致,所以还是不能切库,需要进一步读取日志,追平记录。可以看到,重放日志追平数据的程序是一个while(1)的程序,新库与旧库中的数据追平也会是一个“无限逼近”的过程。 什么时候数据会完全一致呢? enter image description here 步骤四:在持续重放日志,追平数据的过程中,研发一个数据校验的小工具,将旧库和新库中的数据进行比对,直到数据完全一致。 这个小工具的风险依旧很小:
  1. 整个过程依然是旧库对线上提供服务 (2)小工具的复杂度较低 (3)任何时间发现问题,大不了从步骤二开始重来 (4)可以限速慢慢比对数据,技术同学没有时间压力 enter image description here
步骤五:在数据比对完全一致之后,将流量迁移到新库,新库提供服务,完成迁移。 如果步骤四数据一直是99.9%的一致,不能完全一致,也是正常的,可以做一个秒级的旧库readonly,等日志重放程序完全追上数据后,再进行切库切流量。 至此,升级完毕,整个过程能够持续对线上提供服务,不影响服务的可用性。

四、平滑迁移-双写法

平滑迁移方案二,双写法,这个方案主要分为四个步骤。 enter image description here 数据迁移前,上游业务应用通过旧的服务访问旧的数据。 enter image description here 步骤一:服务进行升级,对“对旧库上的数据修改”(这里的修改,为数据的insert、delete、update),在新库上进行相同的修改操作,这就是所谓的“双写”,主要修改操作包括:
  1. 旧库与新库的同时insert
  2. 旧库与新库的同时delete
  3. 旧库与新库的同时update
由于新库中此时是没有数据的,所以双写旧库与新库中的affect rows可能不一样,不过这完全不影响业务功能,只要不切库,依然是旧库提供业务服务。 这个服务升级风险较小:
  1. 写接口是少数接口,改动点较少
  2. 新库的写操作执行成功与否,对业务功能没有任何影响 enter image description here
步骤二:研发一个数据迁移工具,进行数据迁移。这个数据迁移工具在本文中已经出现第三次了,把旧库中的数据转移到新库中来。 这个小工具的风险较小:
  1. 整个过程依然是旧库对线上提供服务
  2. 小工具的复杂度较低
  3. 任何时间发现问题,都可以把新库中的数据干掉重来
  4. 可以限速慢慢迁移,技术同学没有时间压力
数据迁移完成之后,就能够切到新库提供服务了么? 答案是肯定的,因为前置步骤进行了双写,所以理论上数据迁移完之后,新库与旧库的数据应该完全一致。 由于迁移数据的过程中,旧库新库双写操作在同时进行,怎么证明数据迁移完成之后数据就完全一致了呢? enter image description here 如上图所示:
  1. 左侧是旧库中的数据,右侧是新库中的数据
  2. 按照primary key从min到max的顺序,分段,限速进行数据的迁移,假设已经迁移到now这个数据段
数据迁移过程中的修改操作分别讨论:
  1. 假设迁移过程中进行了一个双insert操作,旧库新库都插入了数据,数据一致性没有被破坏
  2. 假设迁移过程中进行了一个双delete操作,这又分为两种情况
    • 假设这delete的数据属于[min, now]范围,即已经完成迁移,则旧库新库都删除了数据,数据一致性没有被破坏
    • 假设这delete的数据属于[now, max]范围,即未完成迁移,则旧库中删除操作的affect rows为1,新库中删除操作的affect rows为0,但是数据迁移工具在后续数据迁移中,并不会将这条旧库中被删除的数据迁移到新库中,所以数据一致性仍没有被破坏
  3. 假设迁移过程中进行了一个双update操作,可以认为update操作是一个delete加一个insert操作的复合操作,所以数据仍然是一致的
除非除非除非,在一种非常非常非常极限的情况下:
  1. date-migrate-tool刚好从旧库中将某一条数据X取出
  2. 在X插入到新库中之前,旧库与新库中刚好对X进行了双delete操作
  3. date-migrate-tool再将X插入到新库中
这样,会出现新库比旧库多出一条数据X。但无论如何,为了保证数据的一致性,切库之前,还是需要进行数据校验的。 enter image description here 步骤三:在数据迁移完成之后,需要使用数据校验的小工具,将旧库和新库中的数据进行比对,完全一致则符合预期,如果出现步骤二中的极限不一致情况,则以旧库中的数据为准。 这个小工具的风险依旧很小:
  1. 整个过程依然是旧库对线上提供服务
  2. 小工具的复杂度较低
  3. 任何时间发现问题,大不了从步骤二开始重来
  4. 可以限速慢慢比对数据,技术同学没有时间压力 enter image description here
步骤四:数据完全一致之后,将流量切到新库,完成平滑数据迁移。 至此,升级完毕,整个过程能够持续对线上提供服务,不影响服务的可用性。

五、总结

针对互联网很多“数据量较大,并发量较大,业务复杂度较高”的业务场景,在
  1. 底层表结构变更
  2. 分库个数变换
  3. 底层存储介质变换
的众多需求下,需要进行数据迁移,完成“平滑迁移数据,迁移过程不停机,保证系统持续服务”有两种常见的解决方案。 追日志法,五个步骤:
  1. 服务进行升级,记录“对旧库上的数据修改”的日志
  2. 研发一个数据迁移工具,进行数据迁移
  3. 研发一个读取日志小工具,追平数据差异
  4. 研发一个数据比对小工具,校验数据一致性
  5. 流量切到新库,完成平滑迁移
双写法,四个步骤:
  1. 服务进行升级,记录“对旧库上的数据修改”进行新库的双写
  2. 研发一个数据迁移工具,进行数据迁移
  3. 研发一个数据比对小工具,校验数据一致性
  4. 流量切到新库,完成平滑迁移
OK,今天先到这里,希望大家有收获,下期再见。
吐了个 "CAO" !
扫码关注 PHP1 官方微信号
PHP1.CN | 中国最专业的PHP中文社区 | 凯发国际娱乐 | 凯发国际娱乐下载 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | PHP问答
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved PHP1.CN 第一PHP社区 版权所有