不停机分库分表迁移

需求说明

类似订单表，用户表这种未来规模上亿甚至上十亿百亿的海量数据表，在项目初期为了快速上线，一般只是单表设计，不需要考虑分库分表。随着业务的发展，单表容量超过千万甚至达到亿级别以上，这时候就需要考虑分库分表这个问题了，而不停机分库分表迁移，这应该是分库分表最基本的需求，毕竟互联网项目不可能挂个广告牌"今晚10:00~次日10:00系统停机维护"，这得多low呀，以后跳槽面试，你跟面试官说这个迁移方案，面试官怎么想呀？

借鉴codis

笔者正好曾经碰到过这个问题，并借鉴了codis一些思想实现了不停机分库分表迁移方案；codis不是这篇文章的重点，这里只提及借鉴codis的地方--rebalance：

当迁移过程中发生数据访问时，Proxy会发送“SLOTSMGRTTAGSLOT”迁移命令给Redis，强制将客户端要访问的Key立刻迁移，然后再处理客户端的请求。（ SLOTSMGRTTAGSLOT 是codis基于redis定制的）

分库分表

明白这个方案后，了解不停机分库分表迁移就比较容易了，接下来详细介绍笔者当初对installed_app表的实施方案；即用户已安装的APP信息表；

1. 确定sharding column

确定sharding column绝对是分库分表最最最重要的环节，没有之一。sharding column直接决定整个分库分表方案最终是否能成功落地；一个合适的sharding column的选取，基本上能让与这个表相关的绝大部分流量接口都能通过这个sharding column访问分库分表后的单表，而不需要跨库跨表，最常见的sharding column就是user_id，笔记这里选取的也是user_id；

2. 分库分表方案

根据自身的业务选取最合适的sharding column后，就要确定分库分表方案了。笔者采用主动迁移与被动迁移相结合的方案：

1. 主动迁移就是一个独立程序，遍历需要分库分表的installed_app表，将数据迁移到分库分表后的目标表中。

2. 被动迁移就是与installed_app表相关的业务代码自身将数据迁移到分库分表后对应的表中。

接下来详细介绍这两个方案；

2.1 主动迁移

主动迁移就是一个独立的外挂迁移程序，其作用是遍历需要分库分表的installed_app表，将这里的数据复制到分库分表后的目标表中，由于主动迁移和被动迁移会一起运行，所以需要处理主动迁移和被动迁移碰撞的问题，笔者的主动迁移伪代码如下：

public void migrate(){     // 查询出当前表的最大ID, 用于判断是否迁移完成     long maxId = execute("select max(id) from installed_app");     long tempMinId = 0L;     long stepSize = 1000;     long tempMaxId = 0L;     do{         try {             tempMaxId = tempMinId + stepSize;             // 根据InnoDB索引特性, where id>=? and id<?这种SQL性能最高             String scanSql = "select * from installed_app where id>=#{tempMinId} and id<#{tempMaxId}";             List<InstalledApp> installedApps = executeSql(scanSql);             Iterator<InstalledApp> iterator = installedApps.iterator();             while (iterator.hasNext()) {                 InstalledApp installedApp = iterator.next();                 // help GC                 iterator.remove();                 long userId = installedApp.getUserId();                 String status = executeRedis("get MigrateStatus:${userId}");                 if ("COMPLETED".equals(status)) {                     // migration finish, nothing to do                     continue;                 }                 if ("MIGRATING".equals(status)) {                     // "被动迁移" migrating, nothing to do                     continue;                 }                 // 迁移前先获取锁: set MigrateStatus:18 MIGRATING ex 3600 nx                 String result = executeRedis("set MigrateStatus:${userId} MIGRATING ex 86400 nx");                 if ("OK".equals(result)) {                     // 成功获取锁后, 先将这个用户所有已安装的app查询出来[即迁移过程以用户ID维度进行迁移]                     String sql = "select * from installed_app where user_id=#{user_id}";                     List<InstalledApp> userInstalledApps = executeSql(sql);                     // 将这个用户所有已安装的app迁移到分库分表后的表中(有user_id就能得到分库分表后的具体的表)                     shardingInsertSql(userInstalledApps);                     // 迁移完成后, 修改缓存状态                     executeRedis("setex MigrateStatus:${userId} 864000 COMPLETED");                 } else {                     // 如果没有获取到锁, 说明被动迁移已经拿到了锁, 那么迁移交给被动迁移即可[这种概率很低]                     // 也可以加强这里的逻辑, "被动迁移"过程不可能持续很长时间, 可以尝试循环几次获取状态判断是否迁移完                     logger.info("Migration conflict. userId = {}", userId);                 }             }             if (tempMaxId >= maxId) {                 // 更新max(id)，最终确认是否遍历完成                 maxId = execute("select max(id) from installed_app");             }             logger.info("Migration process id = {}", tempMaxId);         }catch (Throwable e){             // 如果执行过程中有任何异常(这种异常只可能是redis和mysql抛出来的), 那么退出, 修复问题后再迁移             // 并且将tempMinId的值置为logger.info("Migration process id="+tempMaxId);日志最后一次记录的id, 防止重复迁移             System.exit(0);         }         tempMinId += stepSize;     }while (tempMaxId < maxId); }

这里有几点需要注意：

1. 第一步查询出max(id)是为了尽量减少max(id)的查询次数，假如第一次查询max(id)为10000000，那么直到遍历的id到10000000以前，都不需要再次查询max(id)；

2. 根据id>=? and id<?遍历，而不要根据id>=? limit n或者limit m, n进行遍历，因为limit性能一般，且会随着遍历越往后，性能越差。而id>=? and id<?这种遍历方式即使会有一些踩空，也没有任何影响，且整个性能曲线非常平顺，不会有任何抖动；迁移程序毕竟是辅助程序，不能对业务程序有过多的影响；

3. 根据id区间范围查询出来的List<InstalledApp>要转换为Iterator<InstalledApp>，每迭代处理完一个userId，要remove掉，否则可能导致GC异常，甚至OOM；

2.2 被动迁移

被动迁移就是在正常与installed_app表相关的业务逻辑前插入了迁移逻辑，以新增用户已安装APP为例，其伪代码如下：

// 被动迁移方法是公用逻辑，所以与`installed_app`表相关的业务逻辑前都需要调用这个方法； public void migratePassive(long userId)throws Exception{     String status = executeRedis("get MigrateStatus:${userId}");     if ("COMPLETED".equals(status)) {         // 该用户数据已经迁移完成, nothing to do         logger.info("user's installed app migration completed. user_id = {}", userId);     }else if ("MIGRATING".equals(status)) {         // "被动迁移" migrating, 等待直到迁移完成; 为了防止死循环, 可以增加最大等待时间逻辑         do{             Thread.sleep(10);             status = executeRedis("get MigrateStatus:${userId}");         }while ("COMPLETED".equals(status));     }else {         // 准备迁移         String result = executeRedis("set MigrateStatus:${userId} MIGRATING ex 86400 nx");         if ("OK".equals(result)) {             // 成功获取锁后, 先将这个用户所有已安装的app查询出来[即迁移过程以用户ID维度进行迁移]             String sql = "select * from installed_app where user_id=#{user_id}";             List<InstalledApp> userInstalledApps = executeSql(sql);             // 将这个用户所有已安装的app迁移到分库分表后的表中(有user_id就能得到分库分表后的具体的表)             shardingInsertSql(userInstalledApps);             // 迁移完成后, 修改缓存状态             executeRedis("setex MigrateStatus:${userId} 864000 COMPLETED");         }else {             // 如果没有获取到锁, 应该是其他地方先获取到了锁并正在迁移, 可以尝试等待, 直到迁移完成         }     } } // 与`installed_app`表相关的业务--新增用户已安装的APP public void addInstalledApp(InstalledApp installedApp) throws Exception{     // 先尝试被动迁移     migratePassive(installedApp.getUserId());     // 将用户已安装app信息(installedApp)插入到分库分表后的目标表中     shardingInsertSql(installedApp); }

无论是CRUD中哪种操作，先根据缓存中MigrateStatus:${userId}的值进行判断：

1. 如果值为COMPLETED，表示已经迁移完成，那么将请求转移到分库分表后的表中进行处理即可；

2. 如果值为MIGRATING，表示正在迁移中，可以循环等待直到值为COMPLETED即迁移完成后，再将请求转移到分库分表后的表中进行处理处理；

3. 否则值为空，那么尝试获取锁再进行数据迁移。迁移完成后，将缓存值更新为COMPLETED，最后再将请求转移到分库分表后的表中进行处理处理；

3.方案完善

当所有数据迁移完成后，CRUD操作还是会先根据缓存中MigrateStatus:${userId}的值进行判断，数据迁移完成后这一步已经是多余的。可以加个总开关，当所有数据迁移完成后，将这个开关的值通过类似TOPIC的方式发送，所有服务接收到TOPIC后将开关local cache化。那么接下来服务的CRUD都不需要先根据缓存中MigrateStatus:${userId}的值进行判断；

4.遗留工作

迁移完成后，将主动迁移程序下线，并将被动迁移程序中对migratePassive()的调用全部去掉，并可以集成一些第三方分库分表中间件，例如sharding-jdbc，可以参考sharding-jdbc集成实战

回顾总结

回顾这个方案，最大的缺点就是如果碰到sharding column（例如userId）的总记录数比较多，且主动迁移正在进行中，被动迁移与主动迁移碰撞，那么被动迁移可能需要等待较长时间。

不过根据DB性能，一般批量插入1000条数据都是10ms级别，并且同一sharding column的记录分库分表后只属于一张表，不涉及跨表。所以，只要在迁移前先通过sql统计待迁移表中没有这类异常sharding column即可放心迁移；

笔者当初迁移installed_app表时，用户最多也只拥有不超过200个APP，所以不需要过多考虑碰撞带来的性能问题；没有万能的方案，但是有适合自己的方案；

如果有那种上万条记录的sharding column，可以把这些sharding column先缓存起来，迁移程序在夜间上线，优先迁移这些缓存的sharding column的数据，就可以尽可能的降低迁移程序对这些用户的体验。当然你也可以使用你想出来的更好的方案。

 

相关博文推荐阅读：http://www.roncoo.com/article/index?title=%E6%95%B0%E6%8D%AE%E5%BA%93