多對多業務，數據庫水平切分架構一次搞定
一、什么是多對多關系
所謂的“多對多”，來自數據庫設計中的“實體-關系”ER模型，用來描述實體之間的關聯關系，一個學生可以選修多個課程，一個課程可以被多個學生選修，這里學生與課程時間的關系，就是多對多關系。
二、好友中心業務分析
好友關系主要分為兩類，弱好友關系與強好友關系，兩類都有典型的互聯網產品應用。
弱好友關系的建立，不需要雙方彼此同意：
- 用戶A關注用戶B，不需要用戶B同意，此時用戶A與用戶B為弱好友關系，對A而言，暫且理解為“關注”;
- 用戶B關注用戶A，也不需要用戶A同意，此時用戶A與用戶B也為弱好友關系，對A而言，暫且理解為“粉絲”;
微博粉絲是一個典型的弱好友關系應用。
強好友關系的建立，需要好友關系雙方彼此同意：
- 用戶A請求添加用戶B為好友，用戶B同意，此時用戶A與用戶B則互為強好友關系，即A是B的好友，B也是A的好友;
QQ好友是一個典型的強好友關系應用。
好友中心是一個典型的多對多業務，一個用戶可以添加多個好友，也可以被多個好友添加，其典型架構為：
- friend-service：好友中心服務，對調用者提供友好的RPC接口
- db：對好友數據進行存儲
三、弱好友關系-元數據簡版實現
通過弱好友關系業務分析，很容易了解到，其核心元數據為：
- guanzhu(uid, guanzhu_uid);
- fensi(uid, fensi_uid);
其中：
- guanzhu表，用戶記錄uid所有關注用戶guanzhu_uid
- fensi表，用來記錄uid所有粉絲用戶fensi_uid
需要強調的是，一條弱關系的產生，會產生兩條記錄，一條關注記錄，一條粉絲記錄。
例如：用戶A(uid=1)關注了用戶B(uid=2)，A多關注了一個用戶，B多了一個粉絲，于是：
- guanzhu表要插入{1, 2}這一條記錄，1關注了2
- fensi表要插入{2, 1}這一條記錄，2粉了1
(1) 如何查詢一個用戶關注了誰呢?
回答：在guanzhu的uid上建立索引：
- select * from guanzhu where uid=1;
即可得到結果，1關注了2。
(2) 如何查詢一個用戶粉了誰呢?
回答：在fensi的uid上建立索引：
- select * from fensi where uid=2;
即可得到結果，2粉了1。
四、強好友關系-元數據實現一
通過強好友關系業務分析，很容易了解到，其核心元數據為：
- friend(uid1, uid2);
其中：
- uid1，強好友關系中一方的uid
- uid2，強好友關系中另一方的uid
(1) uid=1的用戶添加了uid=2的用戶，雙方都同意加彼此為好友，這個強好友關系，在數據庫中應該插入記錄{1, 2}還是記錄{2,1}呢?
回答：都可以
為了避免歧義，可以人為約定，插入記錄時uid1的值必須小于uid2。
例如：有uid=1,2,3三個用戶，他們互為強好友關系，那邊數據庫中可能是這樣的三條記錄
- {1, 2}
- {2, 3}
- {1, 3}
(2) 如何查詢一個用戶的好友呢?
回答：假設要查詢uid=2的所有好友，只需在uid1和uid2上建立索引，然后：
- select * from friend where uid1=2
- union
- select * from friend where uid2=2
即可得到結果。
作業，為何不使用：
- select * from friend uid1=2 or uid2=2
五、強好友關系-元數據實現二
強好友關系是弱好友關系的一個特例，A和B必須互為關注關系(也可以說，同時互為粉絲關系)，即也可以使用關注表和粉絲表來實現：
- guanzhu(uid, guanzhu_uid);
- fensi(uid, fensi_uid);
例如：用戶A(uid=1)和用戶B(uid=2)為強好友關系，即相互關注：
用戶A(uid=1)關注了用戶B(uid=2)，A多關注了一個用戶，B多了一個粉絲，于是：
- guanzhu表要插入{1, 2}這一條記錄
- fensi表要插入{2, 1}這一條記錄
同時，用戶B(uid=2)也關注了用戶A(uid=1)，B多關注了一個用戶，A多了一個粉絲，于是：
- guanzhu表要插入{2, 1}這一條記錄
- fensi表要插入{1, 2}這一條記錄
六、數據冗余是實現多對多關系水平切分的常用實踐
對于強好友關系的兩類實現：
- friend(uid1, uid2)表
- 數據冗余guanzhu表與fensi表(后文稱正表T1與反表T2)
在數據量小時，看似無差異，但數據量大時，數據冗余的優勢就體現出來了：
- friend表，數據量大時，如果使用uid1來分庫，那么uid2上的查詢就需要遍歷多庫
- 正表T1與反表T2通過數據冗余來實現好友關系，{1, 2}{2,1}分別存在于兩表中，故兩個表都使用uid來分庫，均只需要進行一次查詢，就能找到對應的關注與粉絲，而不需要多個庫掃描
數據冗余，是多對多關系，在數據量大時，數據水平切分的常用實踐。
七、如何進行數據冗余
接下來的問題轉化為，好友中心服務如何來進行數據冗余，常見有三種方法。
方法一：服務同步冗余
顧名思義，由好友中心服務同步寫冗余數據，如上圖1-4流程：
- 業務方調用服務，新增數據
- 服務先插入T1數據
- 服務再插入T2數據
- 服務返回業務方新增數據成功
優點：
- 不復雜，服務層由單次寫，變兩次寫
- 數據一致性相對較高(因為雙寫成功才返回)
缺點：
- 請求的處理時間增加(要插入次，時間加倍)
- 數據仍可能不一致，例如第二步寫入T1完成后服務重啟，則數據不會寫入T2
如果系統對處理時間比較敏感，引出常用的第二種方案
方法二：服務異步冗余
數據的雙寫并不再由好友中心服務來完成，服務層異步發出一個消息，通過消息總線發送給一個專門的數據復制服務來寫入冗余數據，如上圖1-6流程：
- 業務方調用服務，新增數據
- 服務先插入T1數據
- 服務向消息總線發送一個異步消息(發出即可，不用等返回，通常很快就能完成)
- 服務返回業務方新增數據成功
- 消息總線將消息投遞給數據同步中心
- 數據同步中心插入T2數據
優點：
- 請求處理時間短(只插入1次)
缺點：
- 系統的復雜性增加了，多引入了一個組件(消息總線)和一個服務(專用的數據復制服務)
- 因為返回業務線數據插入成功時，數據還不一定插入到T2中，因此數據有一個不一致時間窗口(這個窗口很短，最終是一致的)
- 在消息總線丟失消息時，冗余表數據會不一致
如果想解除“數據冗余”對系統的耦合，引出常用的第三種方案
方法三：線下異步冗余
數據的雙寫不再由好友中心服務來完成，而是由線下的一個服務或者任務來完成，如上圖1-6流程：
- 業務方調用服務，新增數據
- 服務先插入T1數據
- 服務返回業務方新增數據成功
- 數據會被寫入到數據庫的log中
- 線下服務或者任務讀取數據庫的log
- 線下服務或者任務插入T2數據
優點：
- 數據雙寫與業務完全解耦
- 請求處理時間短(只插入1次)
缺點：
- 返回業務線數據插入成功時，數據還不一定插入到T2中，因此數據有一個不一致時間窗口(這個窗口很短，最終是一致的)
- 數據的一致性依賴于線下服務或者任務的可靠性
上述三種方案各有優缺點，可以結合實際情況選取。
數據冗余固然能夠解決多對多關系的數據庫水平切分問題，但又帶來了新的問題，如何保證正表T1與反表T2的數據一致性呢?
八、如何保證數據的一致性
上一節的討論可以看到，不管哪種方案，因為兩步操作不能保證原子性，總有出現數據不一致的可能，高吞吐分布式事務是業內尚未解決的難題，此時的架構優化方向，并不是完全保證數據的一致，而是盡早的發現不一致，并修復不一致。
最終一致性，是高吞吐互聯網業務一致性的常用實踐。更具體的，保證數據最終一致性的方案有三種。
方法一：線下掃面正反冗余表全部數據
如上圖所示，線下啟動一個離線的掃描工具，不停的比對正表T1和反表T2，如果發現數據不一致，就進行補償修復。
優點：
- 比較簡單，開發代價小
- 線上服務無需修改，修復工具與線上服務解耦
缺點：
- 掃描效率低，會掃描大量的“已經能夠保證一致”的數據
- 由于掃描的數據量大，掃描一輪的時間比較長，即數據如果不一致，不一致的時間窗口比較長
有沒有只掃描“可能存在不一致可能性”的數據，而不是每次掃描全部數據，以提高效率的優化方法呢?
方法二：線下掃描增量數據
每次只掃描增量的日志數據，就能夠極大提高效率，縮短數據不一致的時間窗口，如上圖1-4流程所示：
- 寫入正表T1
- 第一步成功后，寫入日志log1
- 寫入反表T2
- 第二步成功后，寫入日志log2
當然，我們還是需要一個離線的掃描工具，不停的比對日志log1和日志log2，如果發現數據不一致，就進行補償修復
優點：
- 雖比方法一復雜，但仍然是比較簡單的
- 數據掃描效率高，只掃描增量數據
缺點：
- 線上服務略有修改(代價不高，多寫了2條日志)
- 雖然比方法一更實時，但時效性還是不高，不一致窗口取決于掃描的周期
有沒有實時檢測一致性并進行修復的方法呢?
方法三：實時線上“消息對”檢測
這次不是寫日志了，而是向消息總線發送消息，如上圖1-4流程所示：
- 寫入正表T1
- 第一步成功后，發送消息msg1
- 寫入反表T2
- 第二步成功后，發送消息msg2
這次不是需要一個周期掃描的離線工具了，而是一個實時訂閱消息的服務不停的收消息。
假設正常情況下，msg1和msg2的接收時間應該在3s以內，如果檢測服務在收到msg1后沒有收到msg2，就嘗試檢測數據的一致性，不一致時進行補償修復
優點：
- 效率高
- 實時性高
缺點：
- 方案比較復雜，上線引入了消息總線這個組件
- 線下多了一個訂閱總線的檢測服務
however，技術方案本身就是一個投入產出比的折衷，可以根據業務對一致性的需求程度決定使用哪一種方法。
九、總結
文字較多，希望盡量記住如下幾點：
- 好友業務是一個典型的多對多關系，又分為強好友與弱好友
- 數據冗余是一個常見的多對多業務數據水平切分實踐
- 冗余數據的常見方案有三種：服務同步冗余、服務異步冗余、線下異步冗余
- 數據冗余會帶來一致性問題，高吞吐互聯網業務，要想完全保證事務一致性很難，常見的實踐是最終一致性
- 最終一致性的常見實踐是，盡快找到不一致，并修復數據，常見方案有三種：線下全量掃描法、線下增量掃描法、線上實時檢測法
【本文為51CTO專欄作者“58沈劍”原創稿件，轉載請聯系原作者】
