Discuz!NT千万级数据量上的两驾马车–TTCached,MongoDB

现在的位置: 首页 > 综合 > 正文

Discuz!NT千万级数据量上的两驾马车–TTCached,MongoDB

2013年09月14日 ⁄ 综合 ⁄ 共 10113字 ⁄ 字号小中大 ⁄ 评论关闭

    在Discuz!NT的企业版设计过程中，处理大数据表一直是一个让人头疼的问题，特别是像主题表（topic），用户表（user）等，因为对于一个流量和发帖量都很大的论坛而言，在运行几年之后，这两个表的数据量可能会破千万（注：因为帖子表采用分表机制，所以这里暂未涉及，但出于性能考虑，也提供了本文中类似的解决方案）。当时考虑的架构设计中有两种思路来解决这种问题：
     一种是采用类似MYSPACE的方式，即按一定记录KEY值（比如用户表的UID）来对大数据表中的记录进行分割，比如前200万用户（即：UID<200w）放入一个表，200-400万的用户放入另一个表，以此类推。当然可以把几个表都放到一个数据库中，也可以放到别的MSSQL数据库上或实例上。但这种方案有一些问题，例如当用户表需要被联表（如LEFT JION）查询时使用，比如我们的帖子表进行分页查询时就需要左联user表，这时如采用分表或分布式布署就可能面临这样的问题，不仅业务逻辑要变化，就连存储过程中也要产生不小的变化，这里还不考虑效率上的问题。当然有人建议可以使用数据冗余的方式，比如在帖子表中冗余用户信息相应字段，但这种方案同样要大幅度的修改即有代码，同时如果用户信息发生变化时，不仅要更新用户表，还要更新帖子表中的相应冗余字段，如果这两者不同步，就会造成数据显示异常，当然在数据库层面增加存储成本也是不得不付出的。
      第二种就是使用能处理大数据量表格的第三方工具，比如本文所说的TokyoTrant,Mongodb等，这类NOSQL软件从一问世就是面向海量数据存储访问的，而且这类软件往往都是开源的，另外通过与打算布署企业版的用户接触，发现虽然他们的服务器配置很高，但数量即不多，所以就要考虑如何最大限度的复用已有的机器资源，而这类NOSQL软件往往都是‘性价比’很高的，即用不多的资源（内存，CPU等）就能达到意想不到的效果。当然我目前对其还是很谨慎的使用，即不会马上把它当做主力数据存储工具，而是辅助MSSQL数据库工具，所以大家在看完本文后会发现，这两个工具在企业版中的角色顶多就是一个高级的MEMCACEHD。不过我的想法很简单，就是任何工具和技术，如果不是很了解它或者它很新，那么必定要有一个“考核期”，如果在‘任间’内它通过考核，才委以重任，如未通过考核，也不会让系统平台承担过多的技术层面上的‘风险’。

     综上所述，最终我把方向放到了TokyoTrant,Mongodb上，之所以选择了这两个工具，主要基于下面因素：

    1.海量数据的解决方案应该可以跑在LINUX和WINDOW平台上。当然有人会说Mongodb完全可以跑这两个平台，那还为什么要引入TokyoTrant呢？其实这里有一些产品的特殊情况要考虑，比如我们的用户中绝大多数对于数据的读写比在 4：1，即5条SQL访问中有4条是SELECT操作，1条是CUD操作，这就造成了读写比例的失衡。虽然Mongodb在读写性能上非常优异和稳定，但在并发读上相对于TokyoTrant+cabinet还是有一些差距（注:更多内容参见该链接，然后这只限于在我们产品中压力测试环境下的结果，不具备普遍性，所以希望大家具体问题具体分析）

2.考虑到有些用户公司是有相应技术储备的，两种方案也便于用户公司进行的技术选型（当然因为采用接口方式，用户完全可以引入其它第三方的NOSQL工具来实现）。

    好了，说了这么多，开始今天的正文吧。

    前面说过，该方案使用了接口方式，这里就先看一下相应的接口声明：

可以看到，目前在企业版中，对主题表(dnt_topics)，用户表(dnt_users)，在线表(dnt_online)以及帖子表(dnt_posts)进行了NOSQL数据支持，所以定义了如下的几个接口（图中）：

public interface ICacheTopics
public interface ICacheUsers
public interface ICacheOnlineUser
public interface ICachePosts

      因为目前只是把这类NOSQL工具当作高级的‘缓存’来用，所以接口命名上都带着‘Cache’的字样。

     然后我使用了一个叫做DBCacheService的类，提供获取这几个接口实例的方法，比如ICacheTopics的实例代码如下：

    /// <summary>
    /// 该类用于获取NoSqlDb声明的缓存服务
    /// </summary>
    public class DBCacheService
    {

        static ICacheTopics iCacheTopics = null;

        public static ICacheTopics GetTopicsService()
        {
            if (iCacheTopics == null)
            {
                lock (lockHelper)
                {
                    if (iCacheTopics == null)
                    {
                        try
                        {
                            if (EntLibConfigs.GetConfig().Cachetopics.Enable)
                            {
                                iCacheTopics = (ICacheTopics)Activator.CreateInstance(Type.GetType(
                                     EntLibConfigs.GetConfig().Cachetopics.CacheType == 2 ?
                                      "Discuz.EntLib.TokyoTyrant.Data.Topics, Discuz.EntLib.TokyoTyrant" :
                                      "Discuz.EntLib.MongoDB.Data.Topics, Discuz.EntLib.MongoDB", false, true));
                            }
                        }
                        catch
                        {
                            throw new Exception("请检查" + (EntLibConfigs.GetConfig().Cachetopics.CacheType == 2 ?
                                      "Discuz.EntLib.TokyoTyrant.dll" :
                                      "Discuz.EntLib.MongoDB.dll") + "文件是否被放置到了bin目录下!");
                        }
                    }
                }
            }
            return iCacheTopics;
        }
    }

      从上面代码可以看出，使用反射方式获取相应DLL文件（分别是Discuz.EntLib.TokyoTyrant.dll和Discuz.EntLib.MongoDB.dll）中的类信息并初始化该实例。当然，这里还定义了一个配置文件，也就是EntLibConfigs.GetConfig()这个方法所获取的配置文件信息，相应配置文件内容包括：

/// <summary>
    /// 提供数据库缓存服务，将在线表主题表这类大表放入缓存之中
    /// </summary>
    public class DBCache
    {
        /// <summary>
        /// 是否有效
        /// </summary>
        public bool Enable = false;
        /// <summary>
        /// 服务地址
        /// </summary>
        public string Host = "";
        /// <summary>
        /// 服务地址
        /// </summary>
        public int Port = 0;
        /// <summary>
        /// 链接池名称
        /// </summary>
        public string PoolName = "dnt";
        /// <summary>
        /// 初始化链接数
        /// </summary>
        public int IntConnections = 4;
        /// <summary>
        /// 最少链接数
        /// </summary>
        public int MinConnections = 4;
        /// <summary>
        /// 最大连接数
        /// </summary>
        public int MaxConnections = 4;
        /// <summary>
        /// avaiable pool池中线程的最大空闲时间
        /// </summary>
        public int MaxIdle = 30000;
        /// <summary>
        ///  busy pool中线程的最大忙碌时间
        /// </summary>
        public int MaxBusy = 50000;
        /// <summary>
        /// 维护线程休息时间
        /// </summary>
        public int MaintenanceSleep = 300000;
        /// <summary>
        /// TcpClient读操作超时时间
        /// </summary>
        public int TcpClientTimeout = 3000;
        /// <summary>
        /// TcpClient链接超时时间
        /// </summary>
        public int TcpClientConnectTimeout = 30000;
        /// <summary>
        /// 缓存类型1为mongodb,2为tokyotyrnat
        /// </summary>
        public int CacheType = 1;
    }

     上面是配置文件中‘可复用信息’的基类，下面是具体的配置类实例声明：

    /// <summary>
    /// 企业版配置信息类文件
    /// </summary>
    public class EntLibConfigInfo : IConfigInfo
    {
        /// <summary>
        /// 提供数据库缓存服务，将在线表(dnt_online)放入CACHE中
        /// </summary>
        public DBCache Cacheonlineuser = new DBCache();
        /// <summary>
        /// 提供数据库缓存服务，将用户表(dnt_users)放入CACHE中
        /// </summary>
        public DBCache Cacheusers = new DBCache();
        /// <summary>
        /// 提供数据库缓存服务，将主题表(dnt_topic)放入CACHE中
        /// </summary>
        public DBCache Cachetopics = new DBCache();
         /// <summary>
        /// 提供数据库缓存服务，将主题表(dnt_topic)放入CACHE中
        /// </summary>
        public DBCache Cacheposts = new DBCache();
    }

通过该类，就可以用如下配置文件内容初始化相应的实例了：

<EntLibConfigInfo>
    <Cacheonlineuser>
    
    <Host>10.0.4.119</Host>
    <Port>27017</Port>
    <Enable>false</Enable>
    <PoolName>dnt_online</PoolName>
    <IntConnections>4</IntConnections>
    <MinConnections>4</MinConnections>
    <MaxConnections>4</MaxConnections>
    <MaxIdle>30000</MaxIdle>
    <MaxBusy>50000</MaxBusy>
    <MaintenanceSleep>300000</MaintenanceSleep>
    <TcpClientTimeout>3000</TcpClientTimeout>
    <TcpClientConnectTimeout>30000</TcpClientConnectTimeout>
    <CacheType>1</CacheType>
  </Cacheonlineuser>
  <Cacheusers>
    
    <Host>10.0.4.66</Host>
    <Port>112121</Port>
    <Enable>false</Enable>
    <PoolName>dnt_users</PoolName>
    <IntConnections>4</IntConnections>
    <MinConnections>4</MinConnections>
    <MaxConnections>4</MaxConnections>
    <MaxIdle>30000</MaxIdle>
    <MaxBusy>50000</MaxBusy>
    <MaintenanceSleep>300000</MaintenanceSleep>
    <TcpClientTimeout>3000</TcpClientTimeout>
    <TcpClientConnectTimeout>30000</TcpClientConnectTimeout>
    <CacheType>1</CacheType>
  </Cacheusers>
  <Cachetopics>
    
    <Host>10.0.4.5</Host>
    <Port>27017</Port>
    <Enable>false</Enable>
    <PoolName>dnt_topics</PoolName>
    <IntConnections>25</IntConnections>
    <MinConnections>25</MinConnections>
    <MaxConnections>25</MaxConnections>
    <MaxIdle>30000</MaxIdle>
    <MaxBusy>5000</MaxBusy>
    <MaintenanceSleep>300000</MaintenanceSleep>
    <TcpClientTimeout>300000</TcpClientTimeout>
    <TcpClientConnectTimeout>30000</TcpClientConnectTimeout>
    <CacheType>1</CacheType>
  </Cachetopics>
  <Cacheposts>
    
    <Host>10.0.4.5</Host>
    <Port>27017</Port>
    <Enable>false</Enable>
    <PoolName>dnt_posts</PoolName>
    <IntConnections>25</IntConnections>
    <MinConnections>25</MinConnections>
    <MaxConnections>25</MaxConnections>
    <MaxIdle>30000</MaxIdle>
    <MaxBusy>5000</MaxBusy>
    <MaintenanceSleep>300000</MaintenanceSleep>
    <TcpClientTimeout>300000</TcpClientTimeout>
    <TcpClientConnectTimeout>30000</TcpClientConnectTimeout>
    <CacheType>1</CacheType>
  </Cacheposts>
</EntLibConfigInfo>

当然，因为使用的开源的客户源工具在配置上有一定的的差异性（比如命名上等），所以这里有些参数可以对TTCACHE有效，却对MONGODB无效，不过这并不影响对这两种工具的使用。

这里要说明的是，对于TokyoTrant而言，这里使用的是我开发的这款客户端软件：

http://www.cnblogs.com/daizhj/archive/2010/06/08/tokyotyrantclient.html

      Mongodb使用的是：http://github.com/samus/mongodb-csharp。

      这里还有个小插曲，之前园子里有朋友介绍了这个客户端NoRM ，不过在我写了一个LINQ示例并进行压力测试后，发现速度不快，比samus的那个客户端慢了不少，在苦找原因无果的情况下，最终选择了samus，不过在samus中目前也支持LINQ的写法（也算是扩展和尝试吧），如下面的写法（更多具体示例还是参见其官方源码包中的相应内容）：

     Mongo db = new Mongo("Servers=10.0.4.5:27017;ConnectTimeout=30000;ConnectionLifetime=300000;MinimumPoolSize=64;MaximumPoolSize=256;Pooled=true");
     db.Connect();
     var topicColl = db.GetDatabase("dnt_mongodb").GetCollection<Discuz.EntLib.MongoDB.Entity.TopicInfo>("topics");
     var topicInfoList = topicColl.Linq().Where(t => t.Fid == 2 && t.Displayorder == 0).Skip(skip).OrderByDescending(t=>t.Lastpostid).Take(16).ToList();
     Discuz.Common.Generic.List<TopicInfo> topicList = new List<TopicInfo>();
     foreach (var topic  in topicInfoList)
     {
         topicList.Add(LoadTopicInfo(topic));
     }
     db.Disconnect();
     return topicList;

     不过在使用上述代码进行1500万主题分页时，发现LR的测试周期延长（前者(document方式)从2:10秒延长到后者(linq)2：30秒）和吞吐量降低。

     所以这里还是最终延用了samus的document访问方式，参照上面的LINQ写法，下面是document写法，形如：

public Discuz.Common.Generic.List<TopicInfo> GetTopicList(int fid, int pageSize, int pageIndex, int startNumber)
{
    int skip = 0;
    if (pageIndex <= 1)
        pageSize = pageSize - startNumber;
    else
        skip = (pageIndex - 1) * pageSize - startNumber;

    Discuz.Common.Generic.List<TopicInfo> topicInfoList = new Common.Generic.List<TopicInfo>();
    System.Collections.Generic.List<Document> docList = MongoDbHelper.Find(mongoDB, "topics",
                   new Document().Add("fid", fid).Add("displayorder", 0), "lastpostid", IndexOrder.Descending, pageSize, skip);

    return docList;
}

如果在你的项目中非要使用LINQ方式的话，那在这里再要介绍的一个samus的属性绑定功能，这个功能对于那些数据库字段与代码中的属性存在 “大小写”差异的情况下，非常有用，即对相应实体类进行‘别名’的绑定，比如对于主题表（需引入MongoDB.Attributes名空间）：

/// <summary>
/// 主题信息描述类
/// </summary>
public class TopicInfo : Discuz.Entity.TopicInfo
{

    [MongoAlias("attention")]
    public new int Attention { get; set; }

    ///<summary>
    ///主题tid
    ///</summary>
    [MongoAlias("tid