La pratique Pinterest MySQL utilise le partitionnement pour résoudre le problème de stockage de dizaines de milliards de données

Tutoriel vidéo MySQLLa colonne présente l'utilisation du sharding pour résoudre le stockage de dizaines de milliards de données

Recommandé (gratuit) : Tutoriel vidéo MySQL

Il s'agit d'une étude technique sur la façon dont nous répartissons les données sur plusieurs serveurs MySQL. Nous avons achevé cette approche de partitionnement début 2012, et c'est toujours le système que nous utilisons aujourd'hui pour stocker les données de base.

Avant de discuter de la façon de diviser les données, commençons par comprendre nos données. Éclairage d'ambiance, fraises enrobées de chocolat, citations de Star Trek...

Pinteres est le moteur de découverte de tout ce qui vous intéresse. Du point de vue des données, Pinterest est la plus grande collection d’images d’intérêt humain au monde. Il y a plus de 50 milliards d’épingles enregistrées par les Pinners sur 1 milliard de tableaux. L'utilisateur épingle à nouveau, aime les épingles des autres (à peu près une copie superficielle), suit d'autres épingleurs, forums et centres d'intérêt, puis consulte toutes les publications des épingleurs abonnés sur la page d'accueil. Très bien! Maintenant, laissez-le évoluer !

Douleurs de croissance

En 2011, nous avons connu le succès. Dans certains rapports d'évaluation, nous grandissons beaucoup plus rapidement que d'autres startups. En septembre 2011, chacun de nos équipements d'infrastructure a été dépassé. Nous avons appliqué un certain nombre de technologies NoSQL, qui ont toutes abouti à des résultats désastreux. Dans le même temps, le grand nombre de serveurs esclaves MySQL utilisés pour la lecture créait de nombreux bugs gênants, notamment la mise en cache. Nous avons restructuré l'ensemble du modèle de stockage des données. Pour que cela soit efficace, nous formulons soigneusement nos exigences.

Exigences commerciales

• L'ensemble de notre système doit être très stable, facile à utiliser et facile à développer. Nous espérons que la base de données prise en charge pourra démarrer avec une petite capacité de stockage et pouvoir s'étendre à mesure que l'entreprise se développe.
• Tous les contenus générés par les épingles doivent être facilement accessibles sur le site.
• Prend en charge la demande d'accès aux N Pins à afficher dans le plan de travail dans un certain ordre (par exemple en fonction de l'heure de création ou dans un ordre spécifique à l'utilisateur). Les amis Pin aimés et les listes Pin des amis Pin peuvent également être affichés dans un ordre spécifique.
• Par souci de simplicité, les mises à jour garantissent généralement les meilleurs résultats. Pour obtenir une cohérence éventuelle, vous avez besoin de quelque chose de plus, comme un journal de transactions distribué. C’est une chose intéressante et (pas) simple.

Idées de solution et points clés

La solution nécessite de distribuer des tranches de données massives à plusieurs instances de base de données, de sorte que les connexions aux bases de données relationnelles ne peuvent pas être utilisées. les clés étrangères ou les index intègrent l’intégralité des données. Si vous y réfléchissez bien, les sous-requêtes corrélées ne peuvent pas s'étendre sur différentes instances de base de données.

Notre solution nécessite un accès aux données avec équilibrage de charge. Nous détestons la migration des données, en particulier la migration enregistrement par enregistrement, qui est très sujette aux erreurs et ajoute une complexité inutile au système en raison de la complexité des relations. Si les données doivent être migrées, il est préférable de migrer l'ensemble des nœuds logiques.

Afin de parvenir à une mise en œuvre fiable et rapide de la solution, nous devons utiliser la solution technique la plus simple à mettre en œuvre et la plus robuste sur notre plateforme de données distribuées.

Toutes les données de chaque instance seront entièrement copiées sur une instance esclave en tant que sauvegarde de données. Nous utilisons S3, un MapReduce (environnement informatique distribué) hautement disponible. Notre logique métier frontale accède aux données d'arrière-plan et accède uniquement à l'instance principale de la base de données. Ne donnez jamais à votre entreprise frontend un accès en lecture et en écriture aux instances esclaves . En raison d'un retard dans la synchronisation des données avec l'instance principale, cela provoquera des erreurs inexplicables. Une fois les données découpées et distribuées, votre entreprise frontale n'a aucune raison de lire et d'écrire des données. de l'instance esclave.

Enfin, nous devons concevoir soigneusement une excellente solution pour générer et analyser l'Identifiant global unique (UUID) pour tous nos objets de données.

Notre solution de slicing

Quoi qu'il en soit, nous devons concevoir une solution de distribution de données qui répond à nos besoins, qui soit robuste, performante et maintenable. En d’autres termes, cela ne peut pas être naïf (sans une validation approfondie). Par conséquent, notre conception de base est construite sur MySQL, nous avons donc choisi une technologie mature. Au début de la conception, nous évitons naturellement les produits de bases de données qui prétendent avoir de nouvelles capacités d'auto-scaling, tels que MongoDB, Cassandra et Membase, car ils semblent simples à mettre en œuvre mais ont une applicabilité médiocre (souvent Une erreur inexplicable s'est produite provoquant un crash).

Narration : Il est fortement recommandé de partir des bases et d'éviter les nouveautés et les tendances - apprenez et utilisez bien MySQL de manière terre-à-terre. Croyez-moi, chaque mot est rempli de larmes.

MySQL est un produit de base de données relationnelle mature, stable et facile à utiliser. Non seulement nous l'utilisons, mais de nombreuses grandes entreprises renommées l'utilisent également comme support de données back-end pour stocker d'énormes quantités de données. (Annotation : il y a environ quelques années, MySQL a été acquis par Oracle avec SUN et est devenu Oracle. De nombreuses entreprises, telles que Google, Facebook, etc., s'inquiétaient des problèmes open source de MySQL et ont opté pour une autre base de données développée. par l'auteur original de MySQL. La base de données open source MariaDB (sous) MySQL prend en charge nos exigences techniques pour les demandes de données séquentielles à la base de données, l'interrogation d'une plage spécifiée de données et le traitement des transactions au niveau de la ligne (enregistrement). MySQL possède de nombreuses fonctionnalités, mais nous n'en avons pas besoin. Puisque MySQL lui-même est une solution monolithique, nous devons découper nos données. (Annotation : le sens ici est qu'une seule instance gère des quantités massives de données, ce qui entraînera inévitablement des problèmes de performances. Désormais, le découpage d'une masse de données globales en ensembles de données individuels nécessite une solution technique puissante pour séparer chaque donnée individuelle. Les monomères sont intégrés dans dans son ensemble, et il n'y a rien de mal à améliorer les performances) Voici notre plan de conception :

Nous avons commencé avec 8 serveurs EC2, chaque serveur exécutant une instance MySQL :

Chaque serveur MySQL utilise un maître-maître répliqué sur un hôte redondant pour la reprise après sinistre. Notre activité front-end lit/écrit uniquement les données de l'instance de service principale. Je vous recommande de faire de même, cela simplifie beaucoup de choses et évite les problèmes de retard. (Annotation : Maître-maître répliqué) est une fonction fournie par la base de données MySQL elle-même. Elle fait référence à un mode dans lequel deux machines se sauvegardent mutuellement. Par rapport à d'autres modes, tels que la sauvegarde maître-esclave, deux. machines Les données de chaque machine sont complètement cohérentes et synchronisées en arrière-plan. Chaque machine possède sa propre adresse IP indépendante et est accessible pour un accès simultané en lecture/écriture. Cependant, l'auteur de l'article original a souligné à plusieurs reprises que bien que les deux machines soient redondantes. entre eux et utilisez la sauvegarde maître-maître, les deux machines sont accessibles. Mais vous faites logiquement la distinction entre maître-esclave et toujours en lecture/écriture à partir de l'une d'elles. Par exemple, comme le montre la figure, il y a un maître-esclave. sauvegarde principale entre MySQL001A et MySQL001B, mais vous n'effectuez un accès en lecture/écriture qu'à partir de MySQL001A. Elles ont utilisé 16 machines, et les 8 autres machines esclaves peuvent ou non être EC2)

Chaque instance MySQL peut avoir plusieurs bases de données :

Remarquez comment chaque base de données porte un nom unique db00000, db00001, jusqu'à dbNNNN. Chaque base de données est un fragment de notre base de données. Nous avons conçu une conception pour qu'une fois qu'une donnée est allouée à une partition, elle ne soit pas déplacée hors de cette partition. Cependant, vous pouvez obtenir plus de capacité en déplaçant des fragments vers d'autres machines (nous en discuterons plus tard).

Nous maintenons une table de base de données de configuration, qui enregistre sur quelle machine se trouve la base de données de tranches :

[
{“range”: (0,511), “master”: “MySQL001A”, “slave”: “MySQL001B”},
{“range”: (512, 1023), “master”: “MySQL002A”, “slave”: “MySQL002B”},
 ...
{“range”: (3584, 4095), “master”: “MySQL008A”, “slave”: “MySQL008B”}
]

Cette table de configuration n'est modifiée que lorsque la base de données de tranches est migrée ou que l'hôte est remplacé. Par exemple, si un hôte d'instance maître tombe en panne, nous promouvrons son hôte d'instance esclave au rang d'instance maître, puis le remplacerons par une nouvelle machine en tant qu'hôte d'instance esclave dès que possible. Le script de configuration est conservé sur ZooKeeper. Lorsque la modification ci-dessus se produit, le script est envoyé à la machine qui gère le service de découpage pour les modifications de configuration. (Annotation : vous pouvez trouver l'avantage que l'auteur original a toujours souligné que l'entreprise frontale ne lit et n'écrit que les données de l'instance principale logique).

Chaque base de données de tranches conserve la même table de base de données et la même structure de table, telles que les broches, les tableaux, les utilisateurs_has_pins, les utilisateurs_likes_pins, les pin_liked_by_user et d'autres tables de base de données. Créez de manière synchrone lors du déploiement.

Schéma de conception pour la distribution des données aux serveurs de tranches

Nous combinons ID de fragment (ID de fragment) , identification du type de données et ID local (ID local) Formez un identifiant (ID) global unique de 64 bits . Shard ID (shard ID) occupe 16 bits (bit), l'identifiant du type de données occupe 10 bits (bit), Local ID (local ID) occupe 36 bits (bit) . Quiconque a un œil averti remarquera immédiatement qu’il ne s’agit que de 62 bits. Mon expérience passée dans la distribution et l’intégration de données me dit qu’en conserver quelques-unes pour l’expansion n’a pas de prix. J'ai donc gardé 2 bits (mis à 0). (Annotation : laissez-moi vous expliquer ici. D'après les opérations et explications suivantes, l'ID d'identification unique de tout objet est de 64 bits. Les 2 bits les plus élevés sont toujours 0, suivis d'une identification locale de 36 bits, suivis d'un 10 bits. identification de type, et enfin 16 bits. L'identifiant de tranche peut représenter 2^36 jusqu'à plus de 60 milliards d'ID. Le type de données peut représenter 2^10 jusqu'à 1024 types d'objets, et l'identifiant de tranche peut être subdivisé en 2^16 jusqu'à. à 65536 bases de données de tranches. 4096 bases de données découpées)

ID = (shard ID << 46) | (type ID << 36) | (local ID<<0)

Prenez Pin : https://www.pinterest.com/pin/241294492511... à titre d'exemple. objet 241294492511762325 :

Shard ID = (241294492511762325 >> 46) & 0xFFFF = 3429
Type ID  = (241294492511762325 >> 36) & 0x3FF = 1
Local ID = (241294492511762325 >>  0) & 0xFFFFFFFFF = 7075733

可知这个 Pin 对象在3429切片数据库里。 假设 Pin 对象 数据类型标识为 1，它的记录在3429切片数据库里的 pin 数据表中的 7075733 记录行中。举例，假设切片3429数据库在 MySQL012A中，我们可利用下面语句得到其数据记录：（译注：这里原作者泛泛举例，若按其前面方案例子来说，3429应在MySQL007A 上）

conn = MySQLdb.connect(host=”MySQL012A”)
conn.execute(“SELECT data FROM db03429.pins where local_id=7075733”)

有两种类型的数据：对象或关系。对象包含对象本身细节。 如 Pin 。

存储对象的数据库表

对象库表中的每个记录，表示我们前端业务中的一个对象，诸如：Pins（钉便签）, users（用户），boards（白板）和  comments（注释），每个这样的记录在数据库表中设计一个标识 ID 字段（这个字段在表中作为记录的 自增主键「auto-incrementing primary key」  ，也就是我们前面提到的 局部 ID「 local ID」 ），和一个 blob 数据字段 -- 使用 JSON 保存对象的具体数据 --。

CREATE TABLE pins (
  local_id INT PRIMARY KEY AUTO_INCREMENT,
  data TEXT,
  ts TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB;

举例，一个 Pin 对象形状如下：

{“details”: “New Star Wars character”, “link”: “http://webpage.com/asdf”, “user_id”: 241294629943640797, “board_id”: 241294561224164665, …}

创建一个 Pin 对象，收集所有的数据构成 JSON blob 数据。然后，确定它的 切片 ID「 shard ID」 (我们更乐意把 Pin 对象的切片数据放到跟其所在 白板「  board」 对象相同的切片数据库里，这不是强制设计规则）。Pin 对象的数据类型标识为 1。连接到 切片 ID 指示的切片数据库，插入（insert）Pin 对象的 JOSON 数据到 Pin 对象数据库表中，MySQL 操作成功后将会返回 自增主键「auto-incrementing primary key」 给你，这个作为此 Pin 对象的 局部 ID「 local ID」。现在，我们有了 shard 、类型值、local ID 这些必要信息，就可以构建出此 Pin 对象的64位 ID 。（译注：原作者提到的，他们的前端业务所用到的每种对象都保存在一个对象数据库表里，每个对象记录都通过一个全局唯一 ID去找到它，但这个全局唯一 ID并不是数据库表中的 局部ID，由于切片的缘故。原作者一直在讲这个设计及其原理。这样设计的目的为了海量数据切片提高性能，还要易用，可维护，可扩展。后面，作者会依次讲解到）

编辑一个 Pin 对象，使用 MySQL 事务「transaction」 在 Pin 对象的数据记录上 读出--修改--写回「read-modify-write」 Pin 对象的 JOSON 数据字段：

> BEGIN
> SELECT blob FROM db03429.pins WHERE local_id=7075733 FOR UPDATE
[修改 json blob]
> UPDATE db03429.pins SET blob=’<修改后的 blob>’ WHERE local_id=7075733
> COMMIT

编辑一个 Pin 对象，您当然可以直接删除这个对象在 MySQL 数据库表中的数据记录。但是，请仔细想一下，是否在对象的 JSON 数据上加个叫做「 active」的域，把剔除工作交由前端中间业务逻辑去处理或许会更好呢。

（译注：学过关系数据库的应知道，自增主键在记录表中是固实，在里面删除记录，会造成孔洞。当多了，势必造成数据库性能下降。数据库只负责保存数据和高性能地查询、读写数据，其数据间的关系完全靠设计精良的对象全局ID通过中间件逻辑去维护 这样的设计理念一直贯穿在作者的行文中。只有理解了这点您才能抓住这篇文章的核心）

关系映射数据库表

关系映射表表示的是前端业务对象间的关系。诸如：一个白板（board）上有哪些钉便签（Pin）， 一个钉便签（Pin）在哪些白板（board）上等等。表示这种关系的 MySQL 数据库表包括3个字段：一个64位的「from」ID， 一个64位的「to」ID和一个顺序号。每个字段上都做索引方便快速查询。其记录保存在根据「from」字段 ID 解构出来的切片 ID 指示出的切片数据库上。

CREATE TABLE board_has_pins (
  board_id INT,
  pin_id INT,
  sequence INT,
  INDEX(board_id, pin_id, sequence)
) ENGINE=InnoDB;

（译注：这里的关系映射指前端业务对象间的关系用数据库表来运维，并不指我上节注释中说到的关系数据库的关系映射。作者开篇就讲到，由于切片，不能做关系数据库表间的关系映射的，如一对一，一对多，多对多等关系关联）

关系映射表是单向的，如 board_has_pins（板含便签）表方便根据 board （白板）ID查询其上有多少 Pin（钉便签）。若您需要根据 Pin（钉便签）ID查询其都在哪些 board（白板）上，您可另建个表 pin_owned_by_board（便签属于哪些白板）表，其中 sequence 字段表示 Pin 在 board 上的顺序号。（由于数据分布在切片数据库上，我们的 ID 本身无法表示其顺序）我们通常将一个新的 Pin 对象加到 board 上时，将其 sequence 设为当时的系统时间。sequence 可被设为任意整数，设为当时的系统时间，保证新建的对象的 sequence 总是大于旧对象的。这是个方便易行的方法。您可通过下面的语句从关系映射表中查询对象数据集：

SELECT pin_id FROM board_has_pins 
WHERE board_id=241294561224164665 ORDER BY sequence 
LIMIT 50 OFFSET 150

语句会查出50个 pin_ids（便签 ID ）,随后可用这些对象 ID 查询其具体信息。

我们只在业务应用层进行这些关系的映射，如 board_id -> pin_ids -> pin objects （从 白板 ID -> 便签 IDs -> 便签对象）。 这种设计一个非常棒的特性是，您可以分开缓存这些关系映射对。例如，我们缓存 pin_id -> pin object （便签 ID -> 便签对象）关系映射在 memcache（内存缓存）集群服务器上，board_id -> pin_ids （白板 ID -> 便签 IDs）关系映射缓存在 redis 集群服务器上。这样，可以非常适合我们优化缓存技术策略。

增大服务能力

在我们的系统中，提升服务处理能力主要三个途径。最容易的是升级机器（更大的空间，更快的硬盘速度，更多的内存，无论什么解决系统瓶颈的升级都算）

另一个途径，扩大切片范围。最初，我们设计只切片了4096个数据库，相比我们设计的16位的切片 ID，还有许多空间，因为16位可表示65536个数。某些时间节点，若我们再提供8台机器运行8个 MySQL 数据库实例，提供从 4096 到 8192 的切片数据库，之后，新的数据将只往这个区间的切片数据库上存放。并行计算的数据库有16台，服务能力必然提升。

最后的途径，迁移切片数据库主机到新切片主机（局部切片扩容）以提升能力。例如，我们想将前例中的 MySQL001A 切片主机（其上是 0 到 511 编号的切片数据库）扩展分布到2台切片主机上。同我们设计地，我们创建一个新的 master-master 互备份主机对作为新切片主机（命名为 MySQL009A 和 B）并从 MySQL001A 上整体复制数据。

当数据复制完成后，我们修改切片配置，MySQL001A 只负责 0 到 255 的切片数据库，MySQL009A 只负责 256 到 511 的切片数据库。现在2台中每台主机只负责过去主机负责的一半的任务，服务能力提升。

一些特性说明

对于旧系统已产生的业务对象数据，要根据设计，对业务对象要生成它们在新系统中的 UUIDs，你应意识到它们放到哪儿（哪个切片数据库）由你决定。（译注：你可以规划旧数据在切片数据库上的分布）但是，在放入到切片数据库时，只有在插入记录时，数据库才会返回插入对象的 local ID，有了这个，才能构建对象的 UUID。
（译注：在迁移时要考虑好业务对象间关系的建立，通过UUID）

对于那些在已有大量数据的数据库表，曾使用过修改表结构类命令 （ALTERs）--诸如添加个字段之类的 -- 的人来说，您知道那是一个 非常 漫长和痛苦的过程。我们的设计是绝不使用 MySQL 上 ALTERs 级别的命令（当已有数据时）。在我们的业务系统 Pinterest 上，我们使用最后一个 ALTER 语句大概是在3年前了。 对于对象表中对象，如果您需要添加个对象属性字段，您添加到对象数据的 JOSON blob 字段里。您可以给新对象属性设定个默认值，当访问到旧对象的数据时，若旧对象没有新属性，您可以给其添加上新属性默认值。对于关系映射表来说，干脆，直接建立新的关系映射表以符合您的需要。这些您都清楚了！让您的系统扬帆起行吧！

模转（mod）数据库的切片

模转数据切片（mod shard）名称仅仅是像 Mod Squad，实则完全不同。

一些业务对象需要通过非 ID （non-ID）的方式查询访问。（译注： 此 ID 指之前设计说明中的64位 UUID）举例来说，如果一名 Pin友（Pinner）是以他（她）的 facebook 注册帐号注册登录我们的业务平台上的。我们需将其 facebook ID 与我们的 Pin友（Pinner）的 ID 映射。 facebook ID 对于我们系统只是一串二进制位的数。（译注：暗示我们不能像我们系统平台的设计那样解构别的平台的 ID，也谈不上如何设计切片，只是把它们保存起来，并设计使之与我们的 ID 映射）因此，我们需要保存它们，也需要把它们分别保存在切片数据库上。我们称之为模转数据切片（mod shard）其它的例子还包括 IP 地址、用户名和用户电子邮件等。

模转数据切片（mod shard）类似前述我们业务系统的数据切片设计。但是，你需要按照其输入的原样进行查询。如何确定其切片位置，需要用到哈希和模数运算。哈希函数将任意字串转换成定长数值，而模数设为系统已有切片数据库的切片数量，取模后，其必然落在某个切片数据库上。结果是其数据将保存在已有切片数据库上。举例：

shard = md5(“1.2.3.4") % 4096

（译注：mod shard 这个词，我网上找遍了，试图找到一个较准确权威的中文翻译！无果，因为 mod 这个词有几种意思，最近的是module 模块、模组，同时它也是模运算符（%）。我根据原文意思，翻译为 模转 。或可翻译为 模式，但个人感觉意思模糊。不当之处，请指正。另，原作者举的例子是以 IP 地址举例的，哈希使用的是 md5，相比其它，虽老但性能最好）

在这个例子中分片是1524。 我们维护一个类似于ID分片的配置文件：

[{“range”:    (0,  511), “master”: “msdb001a”, “slave”: “msdb001b”},
  {“range”:  (512, 1023), “master”: “msdb002a”, “slave”: “msdb002b”},
  {“range”: (1024, 1535), “master”: “msdb003a”, “slave”: “msdb003b”},
…]

因此，为了找到 IP 为1.2.3.4的数据，我们将这样做:

conn = MySQLdb.connect(host=”msdb003a”)
conn.execute(“SELECT data FROM msdb001a.ip_data WHERE ip='1.2.3.4'”)

你失去了一些分片好的属性，例如空间位置。你必须从一开始就设置分片的密钥（它不会为你制作密钥）。最好使用不变的id来表示系统中的对象。这样，当用户更改其用户名时，您就不必更新许多引用。

最后的提醒

这个系统作为  Pinterest 的数据支撑已良好运行了3.5年，现在看来还会继续运行下去。设计实现这样的系统是直观、容易的。但是让它运行起来，尤其迁移旧数据却太不易了。若您的业务平台面临着急速增长的痛苦且您想切片自己的数据库。建议您考虑建立一个后端集群服务器（优先建议 pyres）脚本化您迁移旧数据到切片数据库的逻辑，自动化处理。我保证无论您想得多周到，多努力，您一定会丢数据或丢失数据之间的关联。我真的恨死隐藏在复杂数据关系中的那些捣蛋鬼。因此，您需要不断地迁移，修正，再迁移... 你需要极大的耐心和努力。直到您确定您不再需要为了旧数据迁移而往您的切片数据库中再操作数据为止。

这个系统的设计为了数据的分布切片，已尽最大的努力做到最好。它本身不能提供给你数据库事务 ACID 四要素中的 Atomicity（原子性）、Consistency（一致性）、Isolation（隔离性）哇呕！听起来很坏呀，不用担心。您可能不能利用数据库本身提供的功能很好地保证这些。但是，我提醒您，一切尽在您的掌握中，您只是让它运行起来，满足您的需要就好。设计简单直接就是王道，（译注：也许需要您做许多底层工作，但一切都在您的控制之中）主要是它运行起来超快！ 如果您担心 A（原子性）、I（隔离性）和 C（一致性），写信给我，我有成堆的经验让您克服这些问题。

还有最后的问题，如何灾难恢复，啊哈？ 我们创建另外的服务去维护着切片数据库，我们保存切片配置在 ZooKeeper 上。当单点主服务器宕掉时，我们有脚本自动地提升主服务器对应的从服务器立即顶上。之后，以最快的速度运行新机器顶上从服务器的缺。直至今日，我们从未使用过类似自动灾难恢复的服务。

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!