一分鐘系列之《啥，又要為表增加一列屬性?》分享了兩種數據庫屬性擴展思路，被噴得厲害。第二天補充了一篇《這才是真正的表擴展方案》，分享了互聯網大數據高并發情況下，數據庫屬性擴容的成熟工具及思路。

對于version + ext方案，還是有很多朋友質疑“線上不可能這么用”。本篇將講述一下58同城最核心的數據“帖子”的架構實現技術細節，說明不僅不是“不可能這么用”，而是大數據，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：什么是數據庫擴展的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里各個字段的含義。

例如上述user表：

verion=0表示ext里是passwd/nick

version=1表示ext里是passwd/nick/age/sex

優點

(1)可以隨時動態擴展屬性，擴展性好

(2)新舊兩種數據可以同時存在，兼容性好

不足

(1)ext里的字段無法建立索引

(2)ext里的key值有大量冗余，建議key短一些

問：什么是58同城最核心的數據?

58同城是一個信息平臺，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，最核心的數據都是“帖子信息”(業務像一個大論壇?)。

問：帖子信息有什么特點?

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/薪酬范圍，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100億數據量，1萬屬性，多屬性組合查詢，10萬并發查詢的技術難題，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，撇開并發量和數據量不談，先看看

(1)如何實現屬性擴展性需求

(2)多屬性組合查詢需求

最開始，可能只有一個招聘品類，那帖子表可能是這么設計的：

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，于是帖子表變成了：

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

新增屬性是一種擴展方式，新增表也是一種方式，有友商是這么玩的，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，不同的研發同學手里，看上去各業務線靈活性強，這恰恰是悲劇的開始：

(1)tid如何規范?

(2)屬性如何規范?

(3)按照uid來查詢怎么辦(查詢自己發布的所有帖子)?

(4)按照時間來查詢怎么辦(最新發布的帖子)?

(5)跨品類查詢怎么辦(例如首頁搜索框)?

(6)技術范圍的擴散，有的用mongo存儲，有的用mysql存儲，有的自研存儲

(7)重復開發了不少組件

(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，很多異構數據的存儲需求，到底是分還是合，無需糾結：基礎數據基礎服務的統一，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“擴展性”“靈活性”上的微詞，后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，異構的數據統一存儲起來，采用的就是類似version+ext的方式：

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

(1)一些通用的字段抽取出來單獨存儲

(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來存儲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同城最核心的帖子數據，100億的數據量，分256庫，異構數據mysql存儲，上層架了一個服務，使用memcache做緩存，就是這樣一個簡單的架構，一直堅持這這么多年。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。

解決了海量異構數據的存儲問題，遇到的新問題是：

(1)每條記錄ext內key都需要重復存儲，占據了大量的空間，能否壓縮存儲

(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，保證擴展性

【統一類目屬性服務】

每個業務有多少屬性，這些屬性是什么含義，值的約束等揉不到帖子服務里，怎么辦呢?

58同城的先賢們抽象出一個統一的類目、屬性服務，單獨來管理這些信息，而帖子庫ext字段里json的key，統一由數字來表示，減少存儲空間。

如上圖所示，json里的key不再是”salary” ”location” ”money” 這樣的長字符串了，取而代之的是數字1,2,3,4，這些數字是什么含義，屬于哪個子分類，值的校驗約束，統一都存儲在類目、屬性服務里。

這個表里對帖子中心服務里ext字段里的數字key進行了解釋：

1代表job，屬于招聘品類下100子品類，其value必須是一個小于32的[a-z]字符

4代表type，屬于二手品類下200子品類，其value必須是一個short

這樣就對原來帖子表ext里的

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里某個key的value不是正則校驗的值，而是枚舉值時，需要有一個對值進行限定的枚舉表來進行校驗：

這個枚舉校驗，說明key=4的屬性(對應屬性表里二手，手機類型字段)，其值不只是要進行“short類型”校驗，而是value必須是固定的枚舉值。

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系：

(1)一級類目是招聘、房產、二手…

(2)二手下有二級類目二手家具、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同城最核心的帖子數據，描述品類層級關系，保證各類目屬性擴展性，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里的SKU擴展服務?

(1)品類層級關系，對應電商里的類別層級體系

(2)屬性擴展，對應電商里各類別商品SKU的屬性

(3)枚舉值校驗，對應屬性的枚舉值，例如顏色：紅，黃，藍

解決了key壓縮，key描述，key擴展，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100億數據量，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】

數據量很大的時候，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，怎么辦呢?

58同城的先賢們，從一早就確定了“外置索引，統一檢索服務”的技術路線：

(1)數據庫提供“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，統一走外置索引

元數據與索引數據的操作遵循：

(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，這個搜索引擎的每一行代碼都來自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”里屢次提到的@龍神 。

對于這個服務的架構，簡單展開說明一下：

為應對100億級別數據量、幾十萬級別的吞吐量，業務線各種復雜的復雜檢索查詢，擴展性是設計重點：

(1)統一的Java代理層集群，其無狀態性能夠保證增加機器就能擴充系統性能

(2)統一的合并層C服務集群，其無狀態性也能夠保證增加機器就能擴充系統性能

(3)搜索內核檢索層C服務集群，服務和索引數據部署在同一臺機器上，服務啟動時可以加載索引數據到內存，請求訪問時從內存中load數據，訪問速度很快

(3.1)為了滿足數據容量的擴展性，索引數據進行了水平切分，增加切分份數，就能夠無限擴展性能

(3.2)為了滿足一份數據的性能擴展性，同一份數據進行了冗余，理論上做到增加機器就無限擴展性能

系統時延，100億級別帖子檢索，包含請求分合，拉鏈求交集，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，以保證即使數據不一致，也不會持續很長的時間。

五、總結

文章寫了很長，最后做一個簡單總結，面對100億數據量，1萬列屬性，10萬吞吐量的業務需求，58同城的經驗，是采用了元數據服務、屬性服務、搜索服務來解決的。

【本文為51CTO專欄作者“58沈劍”原創稿件，轉載請聯系原作者】

戳這里，看該作者更多好文