使用 查詢分離 後 從20s最佳化到500ms
對於業務主表讀寫緩慢的解決方案有這樣一個解決方法:冷熱分離
冷熱分離固然是一個價效比高的解決方案,但也並不是銀彈,仍然有諸多限制,比如:
查詢冷資料慢 業務無法修改冷資料 冷資料多到一定程度系統依舊扛不住
此時如果需要解決以上問題,可以採用另外一種方案:使用 查詢分離 最佳化業務主表資料大查詢緩慢的問題
什麼是查詢分離?
查詢分離從字面上來說非常容易理解,其實就是在寫資料時儲存一個備份資料到另外的儲存系統,在查詢時直接從另外的儲存系統中獲取資料,如下圖:
以上只是簡單的架構圖,其中有些細節還是需要深究,如下:
什麼時候觸發查詢分離? 如何實現查詢分離? 查詢資料的儲存系統選型? 查詢資料如何使用?
查詢分離的適用場景?
當你在實際業務中遇到以下情形,則可以考慮使用查詢分離解決方案。
資料量大;
所有寫資料的請求效率尚可;
查詢資料的請求效率很低;
所有的資料任何時候都可能被修改;
業務希望我們最佳化查詢資料的功能。
曾做過 SaaS 客服系統的架構最佳化,系統裡有一個工單查詢功能,工單表中存放了幾千萬條資料,且查詢工單表資料時需要關聯十幾個子表,每個子表的資料也是超億條。
面對如此龐大的資料量,跟前面的冷熱分離一樣,每次客戶查詢資料時幾十秒才能返回結果,即便我們使用了索引、SQL 等資料庫最佳化技巧,效果依然不明顯。
工單表中有些資料是幾年前的,客戶說這些資料涉及訴訟問題,需要繼續保持更新,因此我們無法將這些舊資料封存到別的地方,也就沒法透過前面的冷熱分離方案來解決。
最終我們採用了查詢分離的解決方案,才得以將這個問題順利解決:將更新的資料放在一個資料庫裡,而查詢的資料放在另外一個系統裡。因為資料的更新都是單表更新,不需要關聯也沒有外來鍵,所以更新速度立馬得到提升,每次客戶查詢資料時,500ms 內就可得到返回結果。
什麼時候觸發查詢分離?
簡單的來說就是什麼時候應該儲存一份資料到查詢資料庫中,其實也就是資料異構的過程,詳細文章可以看我前面一篇文章:資料異構就該這樣做,yyds~
這裡介紹三種方式,如下:
同步建立 非同步建立 binlog方式
1、 同步建立
修改業務程式碼:在寫入常規資料後,同步建立查詢資料。
該種方案優缺點也非常明顯:
優點:查詢資料的一致性和實時性得到了保證
缺點:業務程式碼侵入比較強;減緩寫操作的效率
2、 非同步建立
修改業務程式碼:寫入資料後,非同步建立查詢資料
該種方案的優缺點如下:
優點:不影響主流程
缺點:資料一致性存在問題
3、 binlog的方式
該種方案也是業界常用的一種方案,對於程式碼是無侵入的,透過監聽資料庫日誌的方式建立查詢資料,如下:
該種方案的優缺點如下:
優點:不影響主流程;程式碼侵入為0
缺點:資料一致性存在問題;架構相對複雜
如何實現查詢分離?
對於上述三種方案都算是比較常見的方案,對於第一種同步的方式比較簡單,這裡不再介紹;對於第三種binlog的方式在資料異構的文章中介紹過,詳情見:資料異構就該這樣做,yyds~
這篇文章來介紹一下非同步的方式,非同步的方式有很多,可以放在記憶體中進行操作,但是這有些弊端:
資料過多,記憶體有限 服務重啟,記憶體資料將會丟失
因此最終我們可以選擇MQ的方式,那麼此時就涉及到了MQ的技術選型,這裡給兩個建議:
如果你的公司已經用了MQ,那麼直接接著用即可 如果公司目前未引入MQ,則需要架構組考量選型了,對於MQ的選型可以看我之前文章:聊聊 MQ 技術選型
當然一旦引入了MQ還需要考慮的問題很多,如下:
1、 MQ突然當機了怎麼辦?
MQ當機意味著查詢資料不能繼續建立了,我們可以在寫入資料的同時給該條資料加一個標誌欄位(已搬運、未搬運),當MQ啟動後,查詢所有未搬運的資料,繼續建立查詢資料
“這裡的方案很多,按照業務實際情況考量
”
2、訊息的冪等消費
訊息的冪等消費一定要保證,避免資料重複建立,比如:主資料的訂單 A 更新後,我們在查詢資料中插入了 A,可是此時系統出問題了,系統誤以為查詢資料沒更新,又把訂單 A 插入更新了一次。
3、訊息的時序性問題
比如某個訂單 A 更新了 1 次資料變成 A1,執行緒甲將 A1 的資料搬到查詢資料中。不一會兒,後臺訂單 A 又更新了 1 次資料變成 A2,執行緒乙也啟動工作,將 A2 的資料搬到查詢資料中。
所謂的時序性就是如果執行緒甲啟動比乙早,但搬運資料動作比執行緒乙還晚完成,就有可能出現查詢資料最終變成過期的 A1
查詢資料的儲存系統選型?
既然為了解決表資料量大查詢緩慢的問題,肯定是不能選用關係型資料庫了,那麼還有其他選擇嗎?
記憶體資料庫雖然效能非常高,比如Redis,但是不適合海量資料,太費錢了
那麼這裡比較適用的有如下三種:
MongoDB HBase Elasticsearch
這裡選型還是要根據自己公司業務選擇,如果已經有在用的,則直接用即可;另外就是選擇自己熟悉的,比如當初我們設計架構方案時,為什麼選擇用 Elasticsearch,除 ES 對查詢的擴充套件性支援外,最關鍵的一點是我們團隊對 Elasticsearch 很熟悉。
查詢資料如何使用?
查詢資料很簡單,每個資料庫都有對應的API,直接呼叫查詢
但是,這裡有一個問題:資料查詢更新完前,查詢資料不一致怎麼辦?,給出兩種方案:
在查詢資料更新到最新前,不允許使用者查詢。(我們沒用過這種設計,但我確實見過市面上有這樣的設計。)
給使用者提示:您目前查詢到的資料可能是 1 秒前的資料,如果發現資料不準確,可以嘗試重新整理一下,這種提示使用者一般比較容易接受。
總結
本篇文章介紹了表資料量大查詢緩慢的一種解決方案:查詢分離,但這也不是銀彈,仍然是存在一些不足,比如表資料量大,寫入緩慢怎麼辦?這個後面再介紹吧
當然查詢分離還有一個重要的問題:歷史資料如何遷移?這個處理也是非常簡單,但是也有許多需要考慮的點
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/70024420/viewspace-2925895/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 從20s優化到500ms,我用了這三招優化
- 從MVC到前後端分離MVC後端
- 命令查詢職責分離 - CQRS
- 命令查詢分離的藝術
- 分庫分表後的分頁查詢
- 資料的儲存和查詢分離不利查詢效能 - thenewstack
- 從邏輯解偶到物理解耦再到前後端分離解耦後端
- Windows+Pycharm+Flask+Vue+Element-Plus 前後端分離實現分寫查詢功能WindowsPyCharmFlaskVue後端
- 前後端分離——使用OSS後端
- 從部署上做到前後端分離後端
- 從前後端分離到GraphQL,攜程如何用Node實現?\n後端
- SQL實戰從在職到離職(1) 如何處理連續查詢SQL
- 離線查詢與線上查詢
- 關於分頁查詢的最佳化思路
- 技能樹之旅: 從模組分離到測試
- 《從零構建前後分離web專案》探究 - 深入聊聊前後分離架構Web架構
- 一步步從後端渲染到前後端分離經驗分享(1)後端
- 從申請到呼叫:全國快遞物流查詢 API 使用教程API
- 查詢——二分查詢
- 百億級資料分表後怎麼分頁查詢?
- Hbase 分佈查詢 - 應用後臺程式控制分頁
- vertica查詢最佳化
- MySQL查詢最佳化MySql
- 百億級資料 分庫分表 後怎麼分頁查詢?
- 使用預載入最佳化 Laravel Model 查詢Laravel
- 使用雙非同步後,從 191s 最佳化到 2s非同步
- RAG應用效能最佳化全景圖:從查詢到生成的6個關鍵階段
- MySQL 百萬級資料量分頁查詢方法及其最佳化MySql
- MySQL分頁查詢offset過大,Sql最佳化經驗MySql
- 分組查詢
- 二分查詢函式的使用函式
- Python查詢-二分查詢Python
- 億萬級分庫分表後如何進行跨表分頁查詢
- 前後端分離 Vue + NodeJS(Koa) + MongoDB,從產品到開發,全棧實踐後端VueNodeJSMongoDB全棧
- mysql-分組查詢-子查詢-連線查詢-組合查詢MySql
- StoneDB 子查詢最佳化
- 最佳化星型查詢
- oracle的查詢最佳化Oracle