按照使用的資源類型劃分，我們可以把系統分為三大類型：IO密集型、計算密集型，數據密集型。系統的類型反映了系統的主要瓶頸。現實情況中，大部分系統在由小變大的過程中，最先出現瓶頸的是IO。IO問題體現在兩個方面：高并發，存儲介質的讀寫（例如數據庫，磁盤等）。隨著業務邏輯的復雜化，接下來出現瓶頸的是計算，也就是常說的CPU idle不足。出現計算瓶頸的時候，一般會使用水平擴展（加機器）和垂直擴張（服務拆分）兩個方法。隨著數據量（用戶數量，客戶數量）的增長，再接下來出現瓶頸的是內存。
如今，內存的合理使用比以往更加重要。一方面，大數據理論已經非常普及，用數據驅動產品也已經被普遍接受并落地，同時數據分析也促使產品設計的更加精細，因此系統承載的數量比以前有了很大的變化，系統遇到內存瓶頸的時間也比以前大大縮短了。另一方面，內存依然是相對昂貴的硬件，不能無限制的使用。即使在Amazon等云服務上，大內存的實例也是很昂貴的，并且大內存的實例往往伴隨著高性能型CPU，這對一些數據密集型系統是一個浪費。因此，本文重點探討數據密集系統如何應對出現的瓶頸。
1. 拆庫
任何工程上的問題最基本的思路都是“分而治之”。因此，當內存不夠時，很自然的想法是將數據拆分到多臺機器中，俗稱拆庫。沿用數據庫拆分的術語，拆庫又分為“水平拆分”和“垂直拆分”兩個派別。
1.1 水平拆分
水平拆分是指將同一種數據的不同記錄進行拆分。
例如我們有一億條商品數據供查詢。如果單機無法存儲，可以使用四臺機器，每臺機器存儲2500萬條商品數據。其中，每臺機器稱為一個“分片”，同一個分片的多臺機器組成一個“分組”，從四個分組各選出一臺機器組成一個完整的服務。當上游服務進行查詢時，同時查詢四臺機器，并對返回結果做合并。
在使用水平拆分的方案時，需要重點考慮以下問題：
索引服務
如前幾篇文章所述，任何大數據量系統中，在啟動之前都需要加載索引數據。索引數據一般是預先計算好的，并且以二進制格式持久化的文件。因為服務進行了拆分，每一臺機器只需要加載一部分數據，因此需要為每個分組的機器單獨計算索引數據，這樣減少了系統啟動時處理的數據量，加快啟動速度。
數據更新
同樣，由于每臺機器只需要加載一部分數據，那么也只需要處理這部分數據的更新。目前主流的更新數據流都是使用 Mesage Queue 作為傳輸和持久化系統個，在服務端接收 Message Queue 的數據并持久化到本地，供在線服務定期讀取。一般同一類的數據使用一個 Topic 傳輸，同時 Message Queue 一般都支持 Partition 的機制。即在向 MQ 中發送一條數據時，可以指定將該條數據發送到哪個 Partition；在從 MQ 中讀取數據時，可以指定只讀取哪些 Partition 的數據。例如上文的例子，存儲商品數據的服務器分了四個組，因此可以將傳輸商品更新數據的 Topic 劃分為四個 Partition，每個分組的機器只需要訂閱其需要的 Partition 即可。在實際操作中，為了保持未來的擴展性，一般 Partition 的數量都會設置為分組數量的若干倍，例如八個或者十六個，這樣在未來數據量進一步增長導致分組個數進一步增加時，不需要修改 MQ 的 Partition 配置。
利用 MQ 這個機制，可以使每臺機器只訂閱自己需要處理的數據，減少帶寬，也減少更新時處理的數據量，避免浪費資源。
服務管理的復雜性
在我們管理上下游機器時，一般會使用以 ZooKeeper 為核心的服務管理系統。即每個服務都注冊在 ZooKeeper 中，當上游服務需要訪問下游服務時，去 ZooKeeper 中查詢可用的下游服務列表，并同時考慮負載均衡等因素，選擇最合適的一個下游服務實例。
當一個服務出現分組時，管理的難度會增大。服務管理系統需要確保一個服務的每個分組的實例同樣多，并且負載基本保持平衡。另外，當任何一臺機器出現 故障導致的宕時，需要啟動備用機器。這時，需要判斷是哪個分組的機器發生了故障，并啟動相關分組的機器實例，重新注冊到 ZK 中。
無法拆分的數據
有很多數據是無法拆分的。一方面有些數據是天然不可拆分的，例如各種策略使用的詞典；另一方面，有些數據即使可以拆分，但和系統中其他數據的拆分規則不同，那么系統也無法保證所有數據都能被拆分，只能優先拆分主要數據。
1.2 垂直拆分
在傳統關系型數據庫的設計上，垂直拆分是指將一種數據的不同列進行拆分；在對系統架構的設計上，垂直拆分是只將一個服務的不同計算邏輯拆分為多個服務。在使用垂直拆分的方案時，需要重點考慮以下問題：
增加網絡請求次數，增加系統響應時間
如果是對響應時間要求很高的系統，一定會盡可能地避免垂直拆分，例如搜索。而有一些對邏輯確實很復雜，對時間又不太敏感的系統，一般都會優先選擇垂直拆分，例如支付。
增加系統復雜度
將服務進行了分層，更加了開發成本，對運維的要求也更高。
數據冗余
有一些數據會被拆分過的多個服務使用，會出現在上下游多個服務中，那么數據的分發、更新都會更加復雜，即浪費資源，又進一步增加了系統的復雜度。因此，在垂直拆分的過程中，一定要盡可能將服務的功能做良好的劃分，避免一種數據被多個服務使用的情況。
垂直拆分的方案中，有一種情況可以大幅減少機器數量，即：一部分數據的存在并不是在處理請求的時候被直接使用，其存在是為了維護被處理請求的邏輯直接使用的數據。
一個典型的例子是檢索服務中的正排索引。檢索服務在查詢時，直接使用的是倒排索引，而倒排索引是根據正排索引生成的。正排索引往往有多種數據，當一條數據發生更新時，會影響其他類別的數據。因此，一條數據的更新信息無法被單獨處理，在系統的內存中往往同時維護正排索引和倒排索引，導致內存翻倍。這種情況下，如果我們把正排索引獨立到一臺離線機器中，這臺機器維護正排索引的全部數據，當正排索引發生更新時，倒排索引的更新信息，并分發給所有在線機器。那么，在線服務就不需要維護正排索引，能夠大幅度減少內存的使用。
1.3 綜述
實際情況中，大型系統往往同時使用水平拆分和垂直拆分兩種方案。一方面，水平拆分雖然服務內部進行了分組，但對外仍然是單一的服務，因此從業務邏輯上來講更加簡單。另一方面，垂直拆分可以將非常復雜、計算資源有不同需求的業務邏輯進行很好的隔離，方便系統中各業務邏輯可以針對自己的特點進行開發和部署。因此，在選擇拆分方案時，要結合系統的主要矛盾以及目前團隊成員的技術特點，綜合考慮做出選擇。
2. 多級存儲
俗話說，當上帝為你關上了一扇門，必（可）定（能）為你打開了一扇窗。如果說大數據是上帝為架構師關上的一扇門，那么熱點數據就是打開的那扇窗。雖然在現實世界中的數據是海量難以估算的，但幸運的是，有價值或者說值得關注的數據總是少數的。在大型系統中，請永遠把二八法則的重要性放在第一位。
一般來說，計算機的存儲系統分為三級：CPU Cache，內存，磁盤。這三者的訪問速度依次降低（并且是數量級的降低），單位存儲的成本也依次降低（也是數量級的降低）。多級存儲的基本思想是，按照被訪問頻率的不同給數據分類，訪問頻率越高的數據應當放在訪問速度越快的存儲介質中。
三種系統都使用頁式存儲的結構，頁也是其處理數據的最小單位。由于這個特性，我們一般在編寫程序時，盡可能地將連續訪問的數據放在內存的相鄰位置，以提高CPU Cache的命中率，也就是常說的 locality principle。
隨著SSD的出現，對磁盤的使用已經出現了新的方法論。機械磁盤的隨機讀寫速度在10ms左右，不太可能供實時系統使用。而SSD磁盤的隨機讀寫速度在100us左右，對于有些秒級響應的系統來說，已經可以作為實時系統的存儲介質。一種典型的情況是系統存在相當數量的冷門數據。系統對于熱點數據可以快速地反饋，對于很少被訪問的冷門數據可以存儲在SSD磁盤中。當冷門數據被訪問時，只要latency仍然可以控制在秒級，就可以在保證用戶體驗只有很少的損害的情況下，大幅減少系統成本。
一種典型的場景是電商的商品信息。經常被訪問的商品可能不到商品總量的1%。像淘寶這樣規模的電商系統，實際可能比1%還低。
另一種典型的場景是用戶評論。無論按評論發表的先后順序，還是按某種規則計算出的評論的質量度排序，總是前100個左右的評論被經常訪問，后面的評論幾乎不會被訪問到。
另外，回想上文提到的檢索服務的案例。正排索引除了可以拆分為單獨的服務之外，還可以存儲在磁盤中。更新正排索引的時候直接從磁盤讀取數據，修改后寫會磁盤，同時更新內存的倒排索引。如果使用SSD磁盤，雖然更新的延遲會增長，但也會控制在毫秒級，對于系統完全是可以接受的。要知道，在一條數據到達檢索服務之前，都會經過若干次網絡傳輸，由磁盤引起的延遲并不是主要因素。
在使用磁盤作為可以提供實時查詢功能的存儲介質時，很常見的方案是將磁盤作為二級緩存，將最近訪問的數據保存在內存中，當訪問的數據不在內存中時，從磁盤讀取，并放入內存中。這個方案的假設是，最近被訪問的數據很可能在接下來仍然被訪問。采用這種方案需要重點注意，防止爬蟲或者外部的惡意請求短期內訪問大量冷門數據，造成實際的熱點數據被換出緩存，導致處理真實請求時有大量的緩存失效。
大數據技術對商業效果的提升已經在越來越多的行業中被證明，未來的服務，無論是在線還是離線，處理的數據都會有數量級甚至幾個數量級的增長。同時，我們看到內存除了訪問速度越來越快，在存儲的數據量和成本上并沒有太大的變化。因此，未來越來越多的系統的主要瓶頸會從計算、IO轉移到數據量上，內存密集型系統會變得越來越重要，相信其架構在未來幾年也會有很多新的方式出現。
核心關注：拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理，全面涵蓋了企業關注ERP管理系統的核心領域，是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處：拓步ERP資訊網http://www.guhuozai8.cn/
本文標題：數據密集型系統架構設計
相關文章
