提綱
業務場景
最初的技術選型
讀寫分離
垂直分庫
水平分庫（sharding）
總結
達達是全國領先的最后三公里物流配送平臺。 達達的業務模式與滴滴以及Uber很相似，以眾包的方式利用社會閑散人力資源，解決O2O最后三公里即時性配送難題。 達達業務主要包含兩部分：商家發單，配送員接單配送，如下圖所示。
達達的業務規模增長極大，在1年左右的時間從零增長到每天近百萬單，給后端帶來極大的訪問壓力。壓力主要分為兩類：讀壓力、寫壓力。讀壓力來源于配送員在APP中搶單，高頻刷新查詢周圍的訂單，每天訪問量幾億次，高峰期QPS高達數千次/秒。寫壓力來源于商家發單、達達接單、取貨、完成等操作。達達業務讀的壓力遠大于寫壓力，讀請求量約是寫請求量的30倍以上。
下圖是達達過去6個月，每天的訪問量及QPS變化趨勢圖變化趨圖，可見增長極快
極速增長的業務，對技術的要求越來越高，我們必須在架構上做好充分的準備，才能迎接業務的挑戰。接下來，我們一起看看達達的后臺架構是如何演化的。
作為創業公司，最重要的一點是敏捷，快速實現產品，對外提供服務，于是我們選擇了公有云服務，保證快速實施和可擴展性，節省了自建機房等時間。在技術選型上，為快速的響應業務需求，業務系統使用python做為開發語言，數據庫使用Mysql。如下圖所示，應用層的幾大系統都訪問一個數據庫。
隨著業務的發展，訪問量的極速增長，上述的方案很快不能滿足性能需求。每次請求的響應時間越來越長，比如配送員在app中刷新周圍訂單，響應時間從最初的500毫秒增加到了2秒以上。業務高峰期，系統甚至出現過宕機，一些商家和配送員甚至因此而懷疑我們的服務質量。在這生死存亡的關鍵時刻，通過監控，我們發現高期峰Mysql CPU使用率已接近80%，磁盤IO使用率接近90%，Slow query從每天1百條上升到1萬條，而且一天比一天嚴重。數據庫儼然已成為瓶頸，我們必須得快速做架構升級。
如下是數據庫一周的qps變化圖，可見數據庫壓力的增長極快。
當Web應用服務出現性能瓶頸的時候，由于服務本身無狀態（stateless），我們可以通過加機器的水平擴展方式來解決。 而數據庫顯然無法通過簡單的添加機器來實現擴展，因此我們采取了Mysql主從同步和應用服務端讀寫分離的方案。
Mysql支持主從同步，實時將主庫的數據增量復制到從庫，而且一個主庫可以連接多個從庫同步（細節參考Replication）。利用此特性，我們在應用服務端對每次請求做讀寫判斷，若是寫請求，則把這次請求內的所有DB操作發向主庫；若是讀請求，則把這次請求內的所有DB操作發向從庫，如下圖所示。
實現讀寫分離后，數據庫的壓力減少了許多，CPU使用率和IO使用率都降到了5%內，Slow Query也趨近于0。主從同步、讀寫分離給我們主要帶來如下兩個好處：
減輕了主庫（寫）壓力：達達的業務主要來源于讀操作，做讀寫分離后，讀壓力轉移到了從庫，主庫的壓力減小了數十倍。
從庫（讀）可水平擴展（加從庫機器）：因系統壓力主要是讀請求，而從庫又可水平擴展，當從庫壓力太時，可直接添加從庫機器，緩解讀請求壓力
如下是優化后數據庫qps的變化圖：
讀寫分離前主庫的select qps
讀寫分離后主庫的select qps
當然，沒有一個方案是萬能的。讀寫分離，暫時解決了Mysql壓力問題，同時也帶來了新的挑戰。業務高峰期，商家發完訂單，在我的訂單列表中卻看不到當發的訂單（典型的read after write）；系統內部偶爾也會出現一些查詢不到數據的異常。通過監控，我們發現，業務高峰期Mysql可能會出現主從延遲，極端情況，主從延遲高達10秒。
那如何監控主從同步狀態？在從庫機器上，執行show slave status，查看Seconds_Behind_Master值，代表主從同步從庫落后主庫的時間，單位為秒，若主從同步無延遲，這個值為0。Mysql主從延遲一個重要的原因之一是主從復制是單線程串行執行。
那如何為避免或解決主從延遲？我們做了如下一些優化：
優化Mysql參數，比如增大innodb_buffer_pool_size，讓更多操作在Mysql內存中完成，減少磁盤操作。
使用高性能CPU主機
數據庫使用物理主機，避免使用虛擬云主機，提升IO性能
使用SSD磁盤，提升IO性能。SSD的隨機IO性能約是SATA硬盤的10倍。
業務代碼優化，將實時性要求高的某些操作，使用主庫做讀操作
讀寫分離很好的解決讀壓力問題，每次讀壓力增加，可以通過加從庫的方式水平擴展。但是寫操作的壓力隨著業務爆發式的增長沒有很有效的緩解辦法，比如商家發單起來越慢，嚴重影響了商家的使用體驗。我們監控發現，數據庫寫操作越來越慢，一次普通的insert操作，甚至可能會執行1秒以上。
下圖是數據庫主庫的壓力， 可見磁盤IO使用率已經非常高，高峰期IO響應時間最大達到636毫秒，IO使用率最高達到100%。
同時，業務越來越復雜，多個應用系統使用同一個數據庫，其中一個很小的非核心功能出現Slow query，常常影響主庫上的其它核心業務功能。我們有一個應用系統在MySql中記錄日志，日志量非常大，近1億行記錄，而這張表的ID是UUID，某一天高峰期，整個系統突然變慢，進而引發了宕機。監控發現，這張表insert極慢，拖慢了整個MySql Master，進而拖跨了整個系統。（當然在mysql中記日志不是一種好的設計，因此我們開發了大數據日志系統，敬請關注本博客后續文章。另一方面，UUID做主鍵是個糟糕的選擇，在下文的水平分庫中，針對ID的生成，有更深入的講述）。
這時，主庫成為了性能瓶頸，我們意識到，必需得再一次做架構升級，將主庫做拆分，一方面以提升性能，另一方面減少系統間的相互影響，以提升系統穩定性。這一次，我們將系統按業務進行了垂直拆分。如下圖所示，將最初龐大的數據庫按業務拆分成不同的業務數據庫，每個系統僅訪問對應業務的數據庫，避免或減少跨庫訪問。
下圖是垂直拆分后，數據庫主庫的壓力，可見磁盤IO使用率已降低了許多，高峰期IO響應時間在2.33毫秒內，IO使用率最高只到22.8%。
未來是美好的，道路是曲折的。垂直分庫過程，我們也遇到不少挑戰，最大的挑戰是：不能跨庫join，同時需要對現有代碼重構。單庫時，可以簡單的使用join關聯表查詢；拆庫后，拆分后的數據庫在不同的實例上，就不能跨庫使用join了。比如在CRM系統中，需要通過商家名查詢某個商家的所有訂單，在垂直分庫前，可以join商家和訂單表做查詢，如下如示：
select * from tb_order where supplier_id in (select id from supplier where name=‘上海海底撈’)；
分庫后，則要重構代碼，先通過商家名查詢商家id，再通過商家Id查詢訂單表，如下所示：
supplier_ids = select id from supplier where name=‘上海海底撈’
select * from tb_order where supplier_id in (supplier_ids )
垂直分庫過程中的經驗教訓，使我們制定了SQL最佳實踐，其中一條便是程序中禁用或少用join，而應該在程序中組裝數據，讓SQL更簡單。一方面為以后進一步垂直拆分業務做準備，另一方面也避免了Mysql中join的性能較低的問題。
經過一個星期緊鑼密鼓的底層架構調整，以及業務代碼重構，終于完成了數據庫的垂直拆分。拆分之后，每個應用程序只訪問對應的數據庫，一方面將單點數據庫拆分成了多個，分攤了主庫寫壓力；另一方面，拆分后的數據庫各自獨立，實現了業務隔離，不再互相影響。
讀寫分離，通過從庫水平擴展，解決了讀壓力；垂直分庫通過按業務拆分主庫，緩存了寫壓力，但系統依然存在以下隱患：
單表數據量越來越大。如訂單表，單表記錄數很快將過億，超出MySql的極限，影響讀寫性能。
核心業務庫的寫壓力越來越大，已不能再進一次垂直拆分，Mysql 主庫不具備水平擴展的能力
以前，系統壓力逼迫我們架構升級，這一次，我們需提前做好架構升級，實現數據庫的水平擴展(sharding)。業務類似于我們的Uber在公司成立的5年后（2014）年才實施了水平分庫（mezzanine-migration）,但我們的業務發展要求我們在成立18月就要開始實施水平分庫。邏輯架構圖如下圖所示：
水平分庫面臨的第一個問題是，按什么邏輯進行拆分。一種方案是按城市拆分，一個城市的所有數據在一個數據庫中；另一種方案是按訂單ID平均拆分數據。按城市拆分的優點是數據聚合度比較高，做聚合查詢比較簡單，實現也相對簡單，缺點是數據分布不均勻，某些城市的數據量極大，產生熱點，而這些熱點以后可能還要被迫再次拆分。按訂單ID拆分則正相反，優點是數據分布均勻，不會出現一個數據庫數據極大或極小的情況，缺點是數據太分散，不利于做聚合查詢。比如，按訂單ID拆分后，一個商家的訂單可能分布在不同的數據庫中，查詢一個商家的所有訂單，可能需要查詢多個數據庫。針對這種情況，一種解決方案是將需要聚合查詢的數據做冗余表，冗余的表不做拆分，同時在業務開發過程中，減少聚合查詢。
反復權衡利弊，并參考了Uber等公司的分庫方案后，我們最后決定按訂單ID做水平分庫。從架構上，我們將系統分為三層：
應用層：即各類業務應用系統
數據訪問層：統一的數據訪問接口，對上層應用層屏蔽讀寫分庫、分庫、緩存等技術細節。
數據層：對DB數據進行分片，并可動態的添加shard分片。
水平分庫的技術關鍵點在于數據訪問層的設計，數據訪問層主要包含三部分：
ID生成器：生成每張表的主鍵
數據源路由：將每次DB操作路由到不同的shard數據源上
緩存： 采用Redis實現數據的緩存，提升性能（以后會有詳細文章）
ID生成器是整個水平分庫的核心，它決定了如何拆分數據，以及查詢存儲-檢索數據。ID需要跨庫全局唯一，否則會引發業務層的沖突。此外，ID必須是數字且升序，這主要是考慮到升序的ID能保證Mysql的性能（若是UUID等隨機字符串，在高并發和大數據量情況下，性能極差。對比性能測試數據可供參考uuid-vs-int-insert-performance）。同時，ID生成器必須非常穩定，因為任何故障都會影響所有的數據庫操作。
我們的ID的生成策略借鑒了Instagram的ID生成算法（sharding-ids-at-instagram）。具體方案如下：
整個ID的二進制長度為64位
前36位使用時間戳，以保證ID是升序增加
中間13位是分庫標識，用來標識當前這個ID對應的記錄在哪個數據庫中
后15位為自增序列，以保證在同一秒內并發時，ID不會重復。每個shard庫都有一個自增序列表，生成自增序列時，從自增序列表中獲取當前自增序列值，并加1，做為當前ID的后15位
水平分庫是一個極具挑戰的項目，我們也還在夜以繼日的開發中，欲知詳情，敬請繼續關注本博客。
創業是與時間賽跑的過程，前期為了快速滿足業務需求，我們采用簡單高效的方案，如使用云服務、應用服務直接訪問單點DB；后期隨著系統壓力增大，性能和穩定性逐漸納入考慮范圍，而DB最容易出現性能瓶頸，我們采用讀寫分離、垂直分庫、水平分庫等方案。面對高性能和高穩定性，架構升級需要盡可能超前完成，否則，系統隨時可能出現系統響應變慢甚至宕機的情況。當然，架構升級的過程都是痛并快樂著，每次通宵達旦實施系統架構升級，一邊享受公司準備的美味佳肴夜宵，一邊感受解決技術難題，釋放公司生產力的成就感，不亦樂乎。
更多技術分享，敬請關注達達博客、公眾號、微信群。
