面試官：如何做到不停機分庫分表遷移？

需求說明

類似訂單表，用戶表這種未來規模上億甚至上十億百億的海量數據表，在項目初期為了快速上線，一般只是單表設計，不需要考慮分庫分表。隨著業務的發展，單表容量超過千萬甚至達到億級別以上，這時候就需要考慮分庫分表這個問題了，而不停機分庫分表遷移，這應該是分庫分表最基本的需求，畢竟互聯網項目不可能掛個廣告牌"今晚10:00~次日10:00系統停機維護"，這得多low呀，以後跳槽面試，你跟面試官說這個遷移方案，面試官怎麼想呀？

借鑑codis

筆者正好曾經碰到過這個問題，並借鑑了codis一些思想實現了不停機分庫分表遷移方案；codis不是這篇文章的重點，這裡只提及借鑑codis的地方--rebalance：

當遷移過程中發生數據訪問時，Proxy會發送“SLOTSMGRTTAGSLOT”遷移命令給Redis，強制將客戶端要訪問的Key立刻遷移，然後再處理客戶端的請求。（ SLOTSMGRTTAGSLOT 是codis基於redis定製的）

分庫分表

明白這個方案後，瞭解不停機分庫分表遷移就比較容易了，接下來詳細介紹筆者當初對installed_app表的實施方案；即用戶已安裝的APP信息表；

1. 確定sharding column

確定sharding column絕對是分庫分表最最最重要的環節，沒有之一。sharding column直接決定整個分庫分表方案最終是否能成功落地；一個合適的sharding column的選取，基本上能讓與這個表相關的絕大部分流量接口都能通過這個sharding column訪問分庫分表後的單表，而不需要跨庫跨表，最常見的sharding column就是user_id，筆記這裡選取的也是user_id；

2. 分庫分表方案

根據自身的業務選取最合適的sharding column後，就要確定分庫分表方案了。筆者採用主動遷移與被動遷移相結合的方案：

主動遷移就是一個獨立程序，遍歷需要分庫分表的installed_app表，將數據遷移到分庫分表後的目標表中。

被動遷移就是與installed_app表相關的業務代碼自身將數據遷移到分庫分表後對應的表中。

接下來詳細介紹這兩個方案；

2.1 主動遷移

主動遷移就是一個獨立的外掛遷移程序，其作用是遍歷需要分庫分表的installed_app表，將這裡的數據複製到分庫分表後的目標表中，由於主動遷移和被動遷移會一起運行，所以需要處理主動遷移和被動遷移碰撞的問題，筆者的主動遷移偽代碼如下：

public void migrate(){
 // 查詢出當前表的最大ID, 用於判斷是否遷移完成
 long maxId = execute("select max(id) from installed_app");
 long tempMinId = 0L;
 long stepSize = 1000;
 long tempMaxId = 0L;
 do{
 try {
 tempMaxId = tempMinId + stepSize;
 // 根據InnoDB索引特性, where id>=? and id=#{tempMinId} and id installedApps = executeSql(scanSql);
 Iterator iterator = installedApps.iterator();
 while (iterator.hasNext()) {
 InstalledApp installedApp = iterator.next();
 // help GC
 iterator.remove();
 long userId = installedApp.getUserId();
 String status = executeRedis("get MigrateStatus:${userId}");
 if ("COMPLETED".equals(status)) {
 // migration finish, nothing to do
 continue;
 }
 if ("MIGRATING".equals(status)) {
 // "被動遷移" migrating, nothing to do
 continue;
 }
 // 遷移前先獲取鎖: set MigrateStatus:18 MIGRATING ex 3600 nx
 String result = executeRedis("set MigrateStatus:${userId} MIGRATING ex 86400 nx");
 if ("OK".equals(result)) {
 // 成功獲取鎖後, 先將這個用戶所有已安裝的app查詢出來[即遷移過程以用戶ID維度進行遷移]
 String sql = "select * from installed_app where user_id=#{user_id}";
 List userInstalledApps = executeSql(sql);
 // 將這個用戶所有已安裝的app遷移到分庫分表後的表中(有user_id就能得到分庫分表後的具體的表)
 shardingInsertSql(userInstalledApps);
 // 遷移完成後, 修改緩存狀態
 executeRedis("setex MigrateStatus:${userId} 864000 COMPLETED");
 } else {
 // 如果沒有獲取到鎖, 說明被動遷移已經拿到了鎖, 那麼遷移交給被動遷移即可[這種概率很低]
 // 也可以加強這裡的邏輯, "被動遷移"過程不可能持續很長時間, 可以嘗試循環幾次獲取狀態判斷是否遷移完
 logger.info("Migration conflict. userId = {}", userId);
 }
 }
 if (tempMaxId >= maxId) {
 // 更新max(id)，最終確認是否遍歷完成
 maxId = execute("select max(id) from installed_app");
 }
 logger.info("Migration process id = {}", tempMaxId);
 }catch (Throwable e){
 // 如果執行過程中有任何異常(這種異常只可能是redis和mysql拋出來的), 那麼退出, 修復問題後再遷移
 // 並且將tempMinId的值置為logger.info("Migration process id="+tempMaxId);日誌最後一次記錄的id, 防止重複遷移
 System.exit(0);
 }
 tempMinId += stepSize;
 }while (tempMaxId < maxId);
}

這裡有幾點需要注意：

• 第一步查詢出max(id)是為了儘量減少max(id)的查詢次數，假如第一次查詢max(id)為10000000，那麼直到遍歷的id到10000000以前，都不需要再次查詢max(id)；
• 根據id>=? and id=? limit n或者limit m, n進行遍歷，因為limit性能一般，且會隨著遍歷越往後，性能越差。而id>=? and id
• 根據id區間範圍查詢出來的List要轉換為Iterator，每迭代處理完一個userId，要remove掉，否則可能導致GC異常，甚至OOM；

2.2 被動遷移

被動遷移就是在正常與installed_app表相關的業務邏輯前插入了遷移邏輯，以新增用戶已安裝APP為例，其偽代碼如下：

// 被動遷移方法是公用邏輯，所以與`installed_app`表相關的業務邏輯前都需要調用這個方法；
public void migratePassive(long userId)throws Exception{
 String status = executeRedis("get MigrateStatus:${userId}");
 if ("COMPLETED".equals(status)) {
 // 該用戶數據已經遷移完成, nothing to do
 logger.info("user's installed app migration completed. user_id = {}", userId);
 }else if ("MIGRATING".equals(status)) {
 // "被動遷移" migrating, 等待直到遷移完成; 為了防止死循環, 可以增加最大等待時間邏輯
 do{
 Thread.sleep(10);
 status = executeRedis("get MigrateStatus:${userId}");
 }while ("COMPLETED".equals(status));
 }else {
 // 準備遷移
 String result = executeRedis("set MigrateStatus:${userId} MIGRATING ex 86400 nx");
 if ("OK".equals(result)) {
 // 成功獲取鎖後, 先將這個用戶所有已安裝的app查詢出來[即遷移過程以用戶ID維度進行遷移]
 String sql = "select * from installed_app where user_id=#{user_id}";
 List userInstalledApps = executeSql(sql);
 // 將這個用戶所有已安裝的app遷移到分庫分表後的表中(有user_id就能得到分庫分表後的具體的表)
 shardingInsertSql(userInstalledApps);
 // 遷移完成後, 修改緩存狀態
 executeRedis("setex MigrateStatus:${userId} 864000 COMPLETED");
 }else {
 // 如果沒有獲取到鎖, 應該是其他地方先獲取到了鎖並正在遷移, 可以嘗試等待, 直到遷移完成
 }
 }
}
// 與`installed_app`表相關的業務--新增用戶已安裝的APP
public void addInstalledApp(InstalledApp installedApp) throws Exception{
 // 先嚐試被動遷移
 migratePassive(installedApp.getUserId());
 // 將用戶已安裝app信息(installedApp)插入到分庫分表後的目標表中
 shardingInsertSql(installedApp);
}
 

無論是CRUD中哪種操作，先根據緩存中MigrateStatus:${userId}的值進行判斷：

• 如果值為COMPLETED，表示已經遷移完成，那麼將請求轉移到分庫分表後的表中進行處理即可；
• 如果值為MIGRATING，表示正在遷移中，可以循環等待直到值為COMPLETED即遷移完成後，再將請求轉移到分庫分表後的表中進行處理處理；
• 否則值為空，那麼嘗試獲取鎖再進行數據遷移。遷移完成後，將緩存值更新為COMPLETED，最後再將請求轉移到分庫分表後的表中進行處理處理；

3.方案完善

當所有數據遷移完成後，CRUD操作還是會先根據緩存中MigrateStatus的值進行判斷，數據遷移完成後這一步已經是多餘的。可以加個總開關，當所有數據遷移完成後，將這個開關的值通過類似TOPIC的方式發送，所有服務接收到TOPIC後將開關local cache化。那麼接下來服務的CRUD都不需要先根據緩存中MigrateStatus:${userId}的值進行判斷；

4.遺留工作

遷移完成後，將主動遷移程序下線，並將被動遷移程序中對migratePassive()的調用全部去掉，並可以集成一些第三方分庫分表中間件，例如sharding-jdbc，可以參考sharding-jdbc集成實戰

回顧總結

回顧這個方案，最大的缺點就是如果碰到sharding column（例如userId）的總記錄數比較多，且主動遷移正在進行中，被動遷移與主動遷移碰撞，那麼被動遷移可能需要等待較長時間。

不過根據DB性能，一般批量插入1000條數據都是10ms級別，並且同一sharding column的記錄分庫分表後只屬於一張表，不涉及跨表。所以，只要在遷移前先通過sql統計待遷移表中沒有這類異常sharding column即可放心遷移；

筆者當初遷移installed_app表時，用戶最多也只擁有不超過200個APP，所以不需要過多考慮碰撞帶來的性能問題；沒有萬能的方案，但是有適合自己的方案；

如果有那種上萬條記錄的sharding column，可以把這些sharding column先緩存起來，遷移程序在夜間上線，優先遷移這些緩存的sharding column的數據，就可以儘可能的降低遷移程序對這些用戶的體驗。當然你也可以使用你想出來的更好的方案。