100億資料1萬屬性資料架構設計

一分鐘系列之《啥，又要為表增加一列屬性？》分享了兩種資料庫屬性擴充套件思路，被噴得厲害。第二天補充了一篇《這才是真正的表擴充套件方案》，分享了網際網路大資料高併發情況下，資料庫屬性擴容的成熟工具及思路。

 

對於version + ext方案，還是有很多朋友質疑“線上不可能這麼用”。本篇將講述一下58同城最核心的資料“帖子”的架構實現技術細節，說明不僅不是“不可能這麼用”，而是大資料，可變屬性，高吞吐場景下的“常用手段”。

 

一、背景描述及業務介紹

問：什麼是資料庫擴充套件的version + ext方案？

使用ext來承載不同業務需求的個性化屬性，使用version來標識ext裡各個欄位的含義。

例如上述user表：

verion=0表示ext裡是passwd/nick

version=1表示ext裡是passwd/nick/age/sex

 

優點？

（1）可以隨時動態擴充套件屬性，擴充套件性好

（2）新舊兩種資料可以同時存在，相容性好

不足？

（1）ext裡的欄位無法建立索引

（2）ext裡的key值有大量冗餘，建議key短一些

 

問：什麼是58同城最核心的資料？

58同城是一個資訊平臺，有很多垂直品類：招聘、房產、二手物品、二手車、黃頁等等，每個品類又有很多子品類，不管哪個品類，最核心的資料都是“帖子資訊”（業務像一個大論壇？）。

 

問：帖子資訊有什麼特點？

大家去58同城的首頁上看看就知道了：

（1）每個品類的屬性千差萬別，招聘帖子和二手帖子屬性完全不同，二手手機和二手家電的屬性又完全不同，目前恐怕有近萬個屬性

（2）帖子量很大，100億級別

（3）每個屬性上都有查詢需求（各組合屬性上都可能有組合查詢需求），招聘要查職位/經驗/薪酬範圍，二手手機要查顏色/價格/型號，二手要查冰箱/洗衣機/空調

（4）查詢量很大，每秒幾10萬級別

 

如何解決100億資料量，1萬屬性，多屬性組合查詢，10萬併發查詢的技術難題，是今天要討論的內容。

 

二、最容易想到的方案

每個公司的發展都是一個從小到大的過程，撇開併發量和資料量不談，先看看

（1）如何實現屬性擴充套件性需求

（2）多屬性組合查詢需求

 

最開始，可能只有一個招聘品類，那帖子表可能是這麼設計的：

tiezi(tid,uid, c1, c2, c3)

那如何滿足各屬性之間的組合查詢需求呢？

最容易想到的是通過組合索引：

index_1(c1,c2) index_2(c2, c3) index_3(c1, c3)

 

隨著業務的發展，又新增了一個房產類別，新增了若干屬性，新增了若干組合查詢，於是帖子表變成了：

tiezi(tid,uid, c1, c2, c3, c10, c11, c12, c13)

其中c1,c2,c3是招聘類別屬性，c10,c11,c12,c13是房產類別屬性，這兩塊屬性一般沒有組合查詢需求

但為了滿足房產類別的查詢需求，又要建立了若干組合索引（不敢想有多少個索引能覆蓋所有兩屬性查詢，三屬性查詢）

是不是發現玩不下去了？

 

三、友商的玩法

新增屬性是一種擴充套件方式，新增表也是一種方式，有友商是這麼玩的，按照業務進行垂直拆分：

tiezi_zhaopin(tid,uid, c1, c2, c3)

tiezi_fangchan(tid,uid, c10, c11, c12, c13)

這些表，這些服務維護在不同的部門，不同的研發同學手裡，看上去各業務線靈活性強，這恰恰是悲劇的開始：

（1）tid如何規範？

（2）屬性如何規範？

（3）按照uid來查詢怎麼辦（查詢自己釋出的所有帖子）？

（4）按照時間來查詢怎麼辦（最新發布的帖子）？

（5）跨品類查詢怎麼辦（例如首頁搜尋框）？

（6）技術範圍的擴散，有的用mongo儲存，有的用mysql儲存，有的自研儲存

（7）重複開發了不少元件

（8）維護成本過高

（9）…

想想看，電商的商品表，不可能一個類目一個表的。

 

四、58同城的玩法

【統一帖子中心服務】

平臺型創業型公司，可能有多個品類，例如58同城的招聘房產二手，很多異構資料的儲存需求，到底是分還是合，無需糾結：基礎資料基礎服務的統一，無疑是58同城技術路線發展roadmap上最正確的決策之一，把這個方針堅持下來，@老崔 @曉飛 這些高瞻遠矚的先賢功不可沒，業務線會有“擴充套件性”“靈活性”上的微詞，後文看看先賢們如何通過一些巧妙的技術方案來解決的。

如何將不同品類，異構的資料統一儲存起來，採用的就是類似version+ext的方式：

tiezi(tid,uid, time, title, cate, subcate, xxid, ext)

（1）一些通用的欄位抽取出來單獨儲存

（2）通過cate, subcate, xxid等來定義ext是何種含義（和version有點像？）

（3）通過ext來儲存不同業務線的個性化需求

例如招聘的帖子：

ext : {“job”:”driver”,”salary”:8000,”location”:”bj”}

而二手的帖子：

ext : {”type”:”iphone”,”money”:3500}

 

58同城最核心的帖子資料，100億的資料量，分256庫，異構資料mysql儲存，上層架了一個服務，使用memcache做快取，就是這樣一個簡單的架構，一直堅持這這麼多年。上層的這個服務，就是58同城最核心的統一服務IMC（Imformation Management Center），注意這個最核心，是沒有之一。

 

解決了海量異構資料的儲存問題，遇到的新問題是：

（1）每條記錄ext內key都需要重複儲存，佔據了大量的空間，能否壓縮儲存

（2）cateid已經不足以描述ext內的內容，品類有層級，深度不確定，ext能否具備自描述性

（3）隨時可以增加屬性，保證擴充套件性

 

【統一類目屬性服務】

每個業務有多少屬性，這些屬性是什麼含義，值的約束等揉不到帖子服務裡，怎麼辦呢？

58同城的先賢們抽象出一個統一的類目、屬性服務，單獨來管理這些資訊，而帖子庫ext欄位裡json的key，統一由數字來表示，減少儲存空間。

如上圖所示，json裡的key不再是”salary” ”location” ”money” 這樣的長字串了，取而代之的是數字1,2,3,4，這些數字是什麼含義，屬於哪個子分類，值的校驗約束，統一都儲存在類目、屬性服務裡。

這個表裡對帖子中心服務裡ext欄位裡的數字key進行了解釋：

1代表job，屬於招聘品類下100子品類，其value必須是一個小於32的[a-z]字元

4代表type，屬於二手品類下200子品類，其value必須是一個short

這樣就對原來帖子表ext裡的

ext : {“1”:”driver”,”2”:8000,”3”:”bj”}

ext : {”4”:”iphone”,”5”:3500}

key和value都做了統一約束。

 

除此之外，如果ext裡某個key的value不是正則校驗的值，而是列舉值時，需要有一個對值進行限定的列舉表來進行校驗：

這個列舉校驗，說明key=4的屬性（對應屬性表裡二手，手機型別欄位），其值不只是要進行“short型別”校驗，而是value必須是固定的列舉值。

ext : {”4”:”iphone”,”5”:3500}這個ext就是不合法的（key=4的value=iphone不合法），合法的應該為

ext : {”4”:”5”,”5”:3500}

 

此外，類目屬性服務還能記錄類目之間的層級關係：

（1）一級類目是招聘、房產、二手…

（2）二手下有二級類目二手傢俱、二手手機…

（3）二手手機下有三級類目二手iphone，二手小米，二手三星…

（4）…

 

協助解釋58同城最核心的帖子資料，描述品類層級關係，保證各類目屬性擴充套件性，保證各屬性值合理性校驗，就是58同城另一個統一的核心服務CMC（Category Management Center）。

 

多提一句，類目、屬性服務像不像電商系統裡的SKU擴充套件服務？

（1）品類層級關係，對應電商裡的類別層級體系

（2）屬性擴充套件，對應電商裡各類別商品SKU的屬性

（3）列舉值校驗，對應屬性的列舉值，例如顏色：紅，黃，藍

 

解決了key壓縮，key描述，key擴充套件，value校驗，品類層級的問題，還有這樣的一個問題沒有解決：每個品類下帖子的屬性各不相同，查詢需求各不相同，如何解決100億資料量，1萬屬性的查詢需求，是58同城面臨的新問題。

 

【統一檢索服務】

資料量很大的時候，不同屬性上的查詢需求，不可能通過組合索引來滿足所有查詢需求，怎麼辦呢？

58同城的先賢們，從一早就確定了“外接索引，統一檢索服務”的技術路線：

（1）資料庫提供“帖子id”的正排查詢需求

（2）所有非“帖子id”的個性化檢索需求，統一走外接索引

後設資料與索引資料的操作遵循：

（1）對帖子進行tid正排查詢，直接訪問帖子服務

（2）對帖子進行修改，帖子服務通知檢索服務，同時對索引進行修改

（3）對帖子進行復雜查詢，通過檢索服務滿足需求

 

這個扛起58同城80%終端請求（不管來自PC還是APP，不管是主頁、城市頁、分類頁、列表頁、詳情頁，很可能這個請求最終會是一個檢索請求）的服務，就是58同城另一個統一的核心服務E-search，這個搜尋引擎的每一行程式碼都來自58同城@老崔 @老龔 等先賢們，目前系統維護者，就是“架構師之路”裡屢次提到的@龍神 。

 

對於這個服務的架構，簡單展開說明一下：

為應對100億級別資料量、幾十萬級別的吞吐量，業務線各種複雜的複雜檢索查詢，擴充套件性是設計重點：

（1）統一的Java代理層叢集，其無狀態效能夠保證增加機器就能擴充系統效能

（2）統一的合併層C服務叢集，其無狀態性也能夠保證增加機器就能擴充系統效能

（3）搜尋核心檢索層C服務叢集，服務和索引資料部署在同一臺機器上，服務啟動時可以載入索引資料到記憶體，請求訪問時從記憶體中load資料，訪問速度很快

（3.1）為了滿足資料容量的擴充套件性，索引資料進行了水平切分，增加切分份數，就能夠無限擴充套件效能

（3.2）為了滿足一份資料的效能擴充套件性，同一份資料進行了冗餘，理論上做到增加機器就無限擴充套件效能

系統時延，100億級別帖子檢索，包含請求分合，拉鍊求交集，從merger層均可以做到10ms返回。

 

58同城的帖子業務，一致性不是主要矛盾，E-search會定期全量重建索引，以保證即使資料不一致，也不會持續很長的時間。

 

五、總結

文章寫了很長，最後做一個簡單總結，面對100億資料量，1萬列屬性，10萬吞吐量的業務需求，58同城的經驗，是採用了後設資料服務、屬性服務、搜尋服務來解決的。

 

再回到文首version + ext的方案，希望朋友有新的收穫和感觸，幫轉哈。