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

      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TokyoTyrant,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TokyoTyrant,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TokyoTyrant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TokyoTyrant+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"falsetrue));
                            }
                        }
                        
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>
    
<!--在开启该功能之前,请确保相关服务已配置完毕-->
    
<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>
    
<!--在开启该功能之前,请确保相关服务已配置完毕-->
    
<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>
    
<!--在开启该功能之前,请确保相关服务已配置完毕-->
    
<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>
    
<!--在开启该功能之前,请确保相关服务已配置完毕-->
    
<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 { getset; }
    

    
///<summary>
    
///主题tid
    
///</summary>
    [MongoAlias("tid")]
    
public new int Tid { getset; }
    
    
/// <summary>
    
/// 板块名称
    
/// </summary>
    [MongoAlias("forumname")]
    
public new string Forumname { getset; }
   
    
///<summary>
    
///版块fid
    
///</summary>
    [MongoAlias("fid")]
    
public new int Fid { getset; }
   
    
///<summary>
    
///主题图标id
    
///</summary>
    [MongoAlias("iconid")]
    
public new int Iconid { getset; }

 ......

 

     
     
     上面的MongoAlias属性就是属性别名,它就是MONGODB中所存储的数据字段名称。
    
    
     介绍到这里,再回到正文。
    
      因为这两个工具都是在数据库层面进行缓存的,所以它对于原有的DISCUZ!NT中的缓存系统而言,与数据库帖的更近,所以对原有的业务逻辑改造,
  就停留在了数据访问层"DISCUZ.DATA.dll"中了,其实到这里,就看出了当初为什么要分层,以及分层带来的好处了。
 
     比如在Discuz.Data.Topics这个类中添加了这两个静态变量:    

 

/// <summary>
/// 是否启用TokyoTyrantCache缓存用户表
/// </summary>
public static bool appDBCache = (EntLibConfigs.GetConfig() != null && EntLibConfigs.GetConfig().Cachetopics.Enable);

public static ICacheTopics ITopicService = appDBCache ? DBCacheService.GetTopicsService() : null;

 

    

       前者用户判断是否启用主题缓存,后者则获取相应的缓存服务实例(前面配置文件中已做相应说明)。

       这样,在已有的数据访问代码中加入相应的缓存逻辑,比如获取主题信息:

 

/// <summary>
/// 获得主题信息
/// </summary>
/// <param name="tid">要获得的主题ID</param>
/// <param name="fid">版块ID</param>
/// <param name="mode">模式选择, 0=当前主题, 1=上一主题, 2=下一主题</param>
public static TopicInfo GetTopicInfo(int tid, int fid, byte mode)
{
    TopicInfo topicInfo 
= null;
    
    
if (appDBCache)//新增代码
        topicInfo = ITopicService.GetTopicInfo(tid, fid, mode);

    
if(topicInfo == null)
    {
        
//原代码
        IDataReader reader = DatabaseProvider.GetInstance().GetTopicInfo(tid, fid, mode);
        
if (reader.Read())
            topicInfo 
= LoadSingleTopicInfo(reader);

        reader.Close();

        
if (appDBCache && topicInfo != null)
            ITopicService.CreateTopic(topicInfo);
    }
    
return topicInfo;
}

 

        
      当然,因为使用了缓存方式,所以就牵扯到缓存中的数据与数据库中数据的一致性问题,所以对于主题的CUD操作,也要对应有相应的对缓存的操作,这基本上就是一个工作量的问题了。因为无论是TTCACHED,还是MONGODB,都支持更新操作。

      比如同样是更新主题附件类型的操作,下面是TTCACHED的写法:
     

/// <summary>
/// 更新主题附件类型
/// </summary>
/// <param name="tid">主题Id</param>
/// <param name="attType">附件类型,1普通附件,2为图片附件</param>
/// <returns></returns>
public int UpdateTopicAttachmentType(int tid, int attType)
{
    var qrecords 
= TokyoTyrantService.QueryRecords(pool, new Query().NumberEquals("tid", tid));
    
foreach (string key in qrecords.Keys)
    {
        var column 
= qrecords[key];
        column[
"attachment"= attType.ToString();
        TokyoTyrantService.PutColumns(pool, column[
"tid"], column, true);
        
break;
    }
    
return 1;
}

 

 

      下面是MongoDB的写法

/// <summary>
/// 更新主题附件类型
/// </summary> 
/// <param name="tid">主题Id</param>
/// <param name="attType">附件类型,1普通附件,2为图片附件</param>
/// <returns></returns>
public int UpdateTopicAttachmentType(int tid, int attType)
{
    MongoDbHelper.Update(mongoDB, 
"topics",
           
new Document() { { "$set"new Document() { { "attachment", attType } } } },
            
new Document().Add("_id", tid));        
    
return 1;
}

 

     
     
      通过对比可以看出,MONGODB可以对某一字段进行操作,而TTCACEHD则只能通过查询先获取整条记录,然后修改某一‘字段’,之后再整条提交更新,所以单从这一角度讲,MONGDOB要比TTCACHED更新性能要高许多(之后的测试结果也说明了这一点)。
  
      正如之前所说的那样,如用户对于这两个接口实现方案均不满意,那么他可以使用其它类型的NOSQL数据库,只要实现了相应的接口:
     public interface ICacheTopics
     public interface ICacheUsers
     public interface ICacheOnlineUser
     public interface ICachePosts     
       并在配置文件中进行相应的配置就可以了,当然本文中代码因为时间问题还是有待考量的,但主要的架构设计思想基本被确定下来了。
 
 
      当然对于原有的数据库中的记录,如果要使用本方案,我提供了转换工具,用于把数据转到TTCACHED或MONGODB中的任一服务端上。如下:
 
     TTCACEHD:
    
    
     MongoDB(目前比TTACEHD多了帖子分表转换功能):
   
 
 
      最后在压力测试过程中,还出现了一些小问题,好在对着官方文档,逐步优化解决了,这里要特别说一下MONGDOB,其文件的详细程度要好于TTCACHED,基本上主要的功能都有详细的介绍说明页面,呵呵。当然TTCACHED的诞生时间要比MONGODB早,所以在生产环境下的成功案例也相对多一些。
    
    
     下面列了一下使用过程中的小问题,仅作记录:           
     
      TokyoTyrant的使用问题:尽量不要在查询的列表中使用排序操作,因为它的排序效率还不如数据库高。尽量使用索引进行查询
                   键值操作。2000w记录以下查询效率很高,但更高的数据量上目前没做过压力测试(包括CRUD操作)
     
      Mongodb:尽量使用_ID做为查询键值操作,包括排序等,对索引进行优化(单列或多列进行索引)。

 

       原文链接:http://www.cnblogs.com/daizhj/archive/2010/07/20/1781140.html

       BLOG: http://daizhj.cnblogs.com/

       作者:daizhj,代震军


 

 

posted @ 2010-07-22 11:47 代震军 阅读(...) 评论(...) 编辑 收藏