背景

我們使用MySQL存儲了FriendFeed的所有數(shù)據(jù)。數(shù)據(jù)庫隨著用戶基數(shù)的增長而增長了很多?，F(xiàn)在已經(jīng)存儲了超過2.5億條記錄與一堆涵蓋了從評論和“喜歡”到好友列表的其他數(shù)據(jù)。

隨著數(shù)據(jù)的增長，我們也曾迭代地解決了隨著如此迅猛的增長而帶來的擴(kuò)展性問題。我們的嘗試很有代表性，例如使用只讀mysql從節(jié)點和memcache來增加讀取吞吐量，對數(shù)據(jù)庫進(jìn)行分片來提高寫入吞吐量。然而，隨著業(yè)務(wù)的增長，添加新功能比擴(kuò)展既有功能以迎合更多的流量變得更加困難。

特別的，對 schema 做改動或為超過 1000-2000 萬行記錄的數(shù)據(jù)庫添加索引會將數(shù)據(jù)庫鎖住幾個小時。刪除舊索引也要占用這么多時間，但不刪除它們會影響性能;因為數(shù)據(jù)庫要持續(xù)地在每個INSERT上讀寫這些沒用的區(qū)塊，并將重要的區(qū)塊擠出了內(nèi)存。為避免這些問題需要采取一些復(fù)雜的措施（例如在從節(jié)點上設(shè)置新的索引，然后將從節(jié)點與主節(jié)點對調(diào)），但這些措施會引發(fā)錯誤并且實施起來比較困難，它們阻礙了需要改動 schema/索引才能實現(xiàn)的新功能。由于數(shù)據(jù)庫的嚴(yán)重分散，MySQL 的關(guān)系特性(如join）對我們沒用，所以我們決定脫離 RDBMS。

雖然已有許多用于解決靈活 schema 數(shù)據(jù)存儲和運行時構(gòu)建索引的問題(例如 CouchDB)的項目。但在大站點中卻沒有足夠廣泛地用到來說服人們使用。在我們看到和運行的測試中，這些項目要么不穩(wěn)定，要么缺乏足夠的測試(參見這個有點過時的關(guān)于 CouchDB 的文章)。MySQL 不錯，它不會損壞數(shù)據(jù)；復(fù)制也沒問題，我們已經(jīng)了解了它的局限。我們喜歡將 MySQL 用于存儲，僅僅是非關(guān)系型的存儲。

幾經(jīng)思量，我們決定在 MySQL 上采用一種無模式的存儲系統(tǒng)，而不是使用一個完全沒接觸過的存儲系統(tǒng)。本文試圖描述這個系統(tǒng)的高級細(xì)節(jié)。我們很好奇其他大型網(wǎng)站是如何處理這些問題的，另外也希望我們完成的某些設(shè)計會對其他開發(fā)者有所幫助。

綜述

我們在數(shù)據(jù)庫中存儲的是無模式的屬性集(例如JSON對象或python字典)。存儲的記錄只需一個名為id的16字節(jié)的UUID屬性。對數(shù)據(jù)庫而言實體的其他部分是不可見的。我們可以簡單地存入新屬性來改變schema(可以簡單理解為數(shù)據(jù)表中只有兩個字段：id,data;其中data存儲的是實體的屬性集)。

我們通過保存在不同表中的索引來檢索數(shù)據(jù)。如果想檢索每個實體中的三個屬性，我們就需要三個數(shù)據(jù)表-每個表用于檢索某一特定屬性。如果不想再用某一索引了，我們要在代碼中停止該索引對應(yīng)表的寫操作，并可選地刪除那個表。如果想添加個新索引，只需要為該索引新建個MySQL表，并啟動一個進(jìn)程異步地為該表添加索引數(shù)據(jù)(不影響運行中的服務(wù))。

最終，雖然我們的數(shù)據(jù)表增多了，但添加和刪除索引卻變得簡單了。我們大力改善了添加索引數(shù)據(jù)的進(jìn)程(我們稱之為“清潔工")使其在快速添加索引的同時不會影響站點。我們可以在一天內(nèi)完成新屬性的保存和索引，并且我們不需要對調(diào)主從MySQL數(shù)據(jù)庫，也不需要任何其他可怕的操作。

細(xì)節(jié)

MySQL 使用表保存我們的實體，一個表就像這樣 :

CREATE TABLE entities ( 
added_id INT NOT NULL AUTO_INCREMENT PRIMARY KEY, 
id BINARY(16) NOT NULL, 
updated TIMESTAMP NOT NULL, 
body MEDIUMBLOB, 
UNIQUE KEY (id), 
KEY (updated) 
) ENGINE=InnoDB; 

之所以使用 added_id 個字段是因為 InnoDB 按物理主鍵順序存儲數(shù)據(jù)，自增長主鍵確保新實例在磁盤上按順序?qū)懙嚼蠈嶓w之后，這樣有助于分區(qū)讀寫（相對老的實體，新實體往往讀操作更頻繁，因為 FriendFeed 的 pages 是按時間逆序排列）。實體本身經(jīng) python 字典序列化后使用 zlib 壓縮存儲。

索引單獨存在一張表里，如果要創(chuàng)建索引，我們創(chuàng)建一張新表存儲我們想要索引的數(shù)據(jù)分片的所有屬性。例如，一個 FriendFeed 實體通過看上去是這樣的：

{ 
    "id": "71f0c4d2291844cca2df6f486e96e37c", 
    "user_id": "f48b0440ca0c4f66991c4d5f6a078eaf", 
    "feed_id": "f48b0440ca0c4f66991c4d5f6a078eaf", 
    "title": "We just launched a new backend system for FriendFeed!", 
    "link": "http://friendfeed.com/e/71f0c4d2-2918-44cc-a2df-6f486e96e37c", 
    "published": 1235697046, 
    "updated": 1235697046, 
} 

我們索引實體的屬性 user_id，這樣我們可以渲染一個頁面，包含一個已提交用戶的所有屬性。我們的索引表看起來是這樣的：

CREATE TABLE index_user_id ( 
user_id BINARY(16) NOT NULL, 
entity_id BINARY(16) NOT NULL UNIQUE, 
PRIMARY KEY (user_id, entity_id) 
) ENGINE=InnoDB; 

我們的數(shù)據(jù)存儲會自動為你維護(hù)索引，所以如果你要在我們存儲上述結(jié)構(gòu)實體的數(shù)據(jù)存儲里開啟一個實例，你可以寫一段代碼（用 python）：

user_id_index = friendfeed.datastore.Index( 
table="index_user_id", properties=["user_id"], shard_on="user_id") 
datastore = friendfeed.datastore.DataStore( 
mysql_shards=["127.0.0.1:3306", "127.0.0.1:3307"], 
indexes=[user_id_index]) 
 
new_entity = { 
"id": binascii.a2b_hex("71f0c4d2291844cca2df6f486e96e37c"), 
"user_id": binascii.a2b_hex("f48b0440ca0c4f66991c4d5f6a078eaf"), 
"feed_id": binascii.a2b_hex("f48b0440ca0c4f66991c4d5f6a078eaf"), 
"title": u"We just launched a new backend system for FriendFeed!", 
"link": u"http://friendfeed.com/e/71f0c4d2-2918-44cc-a2df-6f486e96e37c", 
"published": 1235697046, 
"updated": 1235697046, 
} 
datastore.put(new_entity) 
entity = datastore.get(binascii.a2b_hex("71f0c4d2291844cca2df6f486e96e37c")) 
entity = user_id_index.get_all(datastore, user_id=binascii.a2b_hex("f48b0440ca0c4f66991c4d5f6a078eaf")) 

上面的 Index 類在所有實體中查找 user_id，自動維護(hù) index_user_id 表的索引。我們的數(shù)據(jù)庫是切分的，參數(shù) shard_on 是用來確定索引是存儲在哪個分片上（這種情況下使用 entity["user_id"] % num_shards)。

你可以使用索引實例（見上面的 user_id_index.get_all）查詢一個索引，使用 python 寫的數(shù)據(jù)存儲代碼將表 index_user_id 和表 entities 合并。首先在所有數(shù)據(jù)庫分片中查詢表 index_user_id 獲取實體 ID 列，然后在 entities 提出數(shù)據(jù)。

新建一個索引，比如，在屬性 link 上，我們可以創(chuàng)建一個新表：

CREATE TABLE index_link ( 
link VARCHAR(735) NOT NULL, 
entity_id BINARY(16) NOT NULL UNIQUE, 
PRIMARY KEY (link, entity_id) 
) ENGINE=InnoDB DEFAULT CHARSET=utf8; 

我們可以修改數(shù)據(jù)存儲的初始化代碼以包含我們的新索引：

user_id_index = friendfeed.datastore.Index( 
table="index_user_id", properties=["user_id"], shard_on="user_id") 
link_index = friendfeed.datastore.Index( 
table="index_link", properties=["link"], shard_on="link") 
datastore = friendfeed.datastore.DataStore( 
mysql_shards=["127.0.0.1:3306", "127.0.0.1:3307"], 
indexes=[user_id_index, link_index]) 

我可以異步構(gòu)建索引（特別是實時傳輸服務(wù)）：

./rundatastorecleaner.py --index=index_link 

#p#

一致性與原子性

由于采用分區(qū)的數(shù)據(jù)庫，實體的索引可能存儲在與實體不同的分區(qū)中，這引起了一致性問題。如果進(jìn)程在寫入所有索引表前崩潰了會怎樣？

許多有野心的 FriendFeed 工程師傾向于構(gòu)建一個事務(wù)性協(xié)議，但我們希望盡可能地保持系統(tǒng)的簡潔。我們決定放寬限制：

• 保存在主實體表中的屬性集是規(guī)范完整的
• 索引不會對真實實體值產(chǎn)生影響

因此，往數(shù)據(jù)庫中寫入實體時我們采用如下步驟:

1. 使用 InnoDB 的 ACID 屬性將實體寫入 entities 表。
2. 將索引寫入所有分區(qū)中的索引表。

我們要記住從索引表中取出的數(shù)據(jù)可能是不準(zhǔn)確的（例如如果寫操作沒有完成步驟2可能會影響舊屬性值）。為確保采用上面的限制能返回正確的實體，我們用索引表來決定要讀取哪些實體，但不要相信索引的完整性，要使用查詢條件對這些實體進(jìn)行再過濾：

1.根據(jù)查詢條件從索引表中取得 entity_id

2.根據(jù) entity_id 從 entities 表中讀取實體

3.根據(jù)實體的真實屬性（用 Python）過濾掉不符合查詢條件的實體

為保證索引的持久性和一致性，上文提到的“清潔工”進(jìn)程要持續(xù)運行，寫入丟失的索引，清理失效的舊索引。它優(yōu)先清理最近更新的實體，所以實際上維護(hù)索引的一致性非?？?幾秒鐘).

性能

我們對新系統(tǒng)的主索引進(jìn)行了優(yōu)化，對結(jié)果也很滿意。以下是上個月 FriendFeed 頁面的加載延時統(tǒng)計圖（我們在前幾天啟動了新的后端，你可以根據(jù)延時的顯著回落找到那一天）。

特別地，系統(tǒng)的延時現(xiàn)在也很穩(wěn)定（哪怕是在午高峰期間）。如下是過去24小時FriendFeed頁面加載延時圖。

與上周的某天相比較：

系統(tǒng)到目前為止使用起來很方便。我們在部署之后也改動了幾次索引，并且我們也開始將這種模式應(yīng)用于 MySQL 中那些較大的表，這樣我們在以后可以輕松地改動它們的結(jié)構(gòu)。

原文鏈接：http://www.oschina.net/translate/friendfeed-schemaless-mysql-new