一 需求
APP中包括社交类功能，如点赞、关注、评论等，以点赞为例有如下问题&需求：
- 数据规模显著高于内容类数据：发帖子来自用户深思熟虑的行为，而点赞、关注是无意识行为，容易产生大规模数据
- 数据分布极度不均匀：大V 与普通用户的数据量差异极大，前者轻松几百万赞/关注，后者零星可怜几个赞/关注
- 有反向查询的需求：比如我点赞了你的帖子，你的帖子下面需要列出点赞的人的列表，我也需要看到自己点过赞的帖子列表；
- 有基数查询的需求：需要查看点赞者数量，也需要看我点赞过的数量；
二 现状
我们是一个新的APP，用户数从0开始，也就是基数为0，一切的量化都是从0开始的。
三 现在的设计
最开始，我们的想法很简单，以关注功能为例，先设计数据结构和功能，用mysql存储数据，数据结构非常简单和微博一样：
image.png
这样的做法优点是：
1 设计开发、实现 速度快，简单
2 数据完整落库，不会丢
缺点是：
1 数据增速快，单表数据量很快就上去了，会导致查询压力。
2 在预期内单表数据会不断上涨，要一开始就考虑拆分，否则拆分会带来逻辑、部署、运维的各种复杂度
3 查询性能会随着数据量的增加越来越低，用户体验差
4 处理复杂逻辑缓慢，如 查询用户关注列表、查询用户粉丝列表、查询用户双向关注列表、判断两个用户关系。
还有更复杂的需求：“我与他的共同关注列表”、“我关注的人里谁关注了他
如果基于上面的方案，我需要判断mysql单表的性能，理论上单表5000万以上才会性能急剧下降，有些db架构师也是这么说过。但是实际情况却不一定。 所以我的预估最多是500万就要开始做技术储备了。
**不过基于以上的分析，我们一期的设计并没有单纯采用数据库**。我们需要在DB之上加一层高速缓存，利用redis的数据结构和内存速度优势来解决我们的问题。
虽然决定采用Redis做缓存 ，但这里还有一个问题，就是redis的角色到底是什么，是cache角色，还是storage角色？分别说明一下两种角色的情况：
-
storage角色 我个人认为这是一种相对激进的做法，就是说把redis当DB用，所有数据都在内存中，当然也并不是说完全不持久化数据，Redis 作为存储，为了数据可靠性必须开启 rdb 和 aof。
然而，而这会导致业务只能使用一半的机器内存。再者，因为aof启动redis时会试图加载所有数据，不管冷热，这是不明智的，数据总有“冷”、“热”之分，冷数据都放Redis显然浪费资源。 -
cache角色，将需要缓存的数据放在redis中，仅利用redis的数据结构，不用redis持久化数据，持久化用mysql
经过我的考虑最后决定的方案是这样：
redis + mysql 异步双写 +预热缓存 当用户请求来的时候，将该缓存的数据（如计数、关系）缓存 一份进redis,异步刷一份数据到mysql,项目启动时预热部分缓存到redis中，目前的预热规则是7天内登录过的用户，规则算法有待优化。用户的大多数请求会被redis挡住，落不到DB,只有少数落到了DB上，落到DB的请求得到的数据也会加载回redis。
这样的缺点是：1 缓存预热算法有待优化 2缓存淘汰方式有待深思。
这样的优点是：1 基于redis可以方便做扩展 2 理论上在5百万级以下的记录是可以hold住。3 数据全量落库
四 未来规划
从上面的描述不难看出，我还是利用mysql做持久化，这样数据增量仍然会给单表带来压力，这样的话，就需要考虑分表，业务层也要进行相应的修改来支持。
从数据容量的规划上，目前的架构可以支持10w+用户 单表500w记录没有问题，在数据增量上来之前的这段时间，我们可以做技术和相关知识储备+调整设计+优化实现。
未来我不能考虑用户量在亿级规模，那不实现，未来我首先考虑的是一个百万级用户的规模，在这样数据规模的前提下，当前的构架显然不合适，需要做调整，我对业务的设计是：关系服务+数据存储：
1 服务层面
- 与点赞类似的 评论、转发、关注等 开发 “关系服务” 统一解决扩展性问题。
- 引用消息队列，将持久化工作流细粒度化后整合为任务。
- 服务化、接口后化，应用就好做扩展了
2 存储层面，暂时可以先用Mysql做落地方案，但要设计好分表规则，用redis抗的同时，尽量减少与DB的直接IO,复杂逻辑交给应用层处理。
未来可能采用hbase，非关系型数据库来优化存储方案。
redis的集群方案上面，如考虑到可靠性问题，会加入双写的功能。
五 总结
架构考虑的是 性能、成本、可靠性，最终是一个权衡的问题。没有最好的架构设计，只有最适合的架构设计，到什么规模什么体量用怎样的方案，我觉得，这是考验架构师的一个非常重要的点。
以上。
网友评论