面試官：如何做到不停機分庫分表遷移？

需求說明

類似訂單表，用戶表這種未來規模上億甚至上十億百億的海量數據表，在項目初期為了快速上線，一般只是單表設計，不需要考慮分庫分表。隨著業務的發展，單表容量超過千萬甚至達到億級別以上，這時候就需要考慮分庫分表這個問題了，而不停機分庫分表遷移，這應該是分庫分表最基本的需求，畢竟互聯網項目不可能掛個廣告牌"今晚10:00~次日10:00系統停機維護"，這得多low呀，以后跳槽面試，你跟面試官說這個遷移方案，面試官怎么想呀？

借鑒codis

筆者正好曾經碰到過這個問題，并借鑒了codis一些思想實現了不停機分庫分表遷移方案；codis不是這篇文章的重點，這里只提及借鑒codis的地方--rebalance：

當遷移過程中發生數據訪問時，Proxy會發送“SLOTSMGRTTAGSLOT”遷移命令給Redis，強制將客戶端要訪問的Key立刻遷移，然后再處理客戶端的請求。（ SLOTSMGRTTAGSLOT 是codis基于redis定制的）

分庫分表

明白這個方案后，了解不停機分庫分表遷移就比較容易了，接下來詳細介紹筆者當初對installed_app表的實施方案；即用戶已安裝的APP信息表；

1. 確定sharding column

確定sharding column絕對是分庫分表最最最重要的環節，沒有之一。sharding column直接決定整個分庫分表方案最終是否能成功落地；一個合適的sharding column的選取，基本上能讓與這個表相關的絕大部分流量接口都能通過這個sharding column訪問分庫分表后的單表，而不需要跨庫跨表，最常見的sharding column就是user_id，筆記這里選取的也是user_id；

2. 分庫分表方案

根據自身的業務選取最合適的sharding column后，就要確定分庫分表方案了。筆者采用主動遷移與被動遷移相結合的方案：

主動遷移就是一個獨立程序，遍歷需要分庫分表的installed_app表，將數據遷移到分庫分表后的目標表中。

被動遷移就是與installed_app表相關的業務代碼自身將數據遷移到分庫分表后對應的表中。

接下來詳細介紹這兩個方案；

2.1 主動遷移
主動遷移就是一個獨立的外掛遷移程序，其作用是遍歷需要分庫分表的installed_app表，將這里的數據復制到分庫分表后的目標表中，由于主動遷移和被動遷移會一起運行，所以需要處理主動遷移和被動遷移碰撞的問題，筆者的主動遷移偽代碼如下：

public void migrate(){
    // 查詢出當前表的最大ID, 用于判斷是否遷移完成
    long maxId = execute("select max(id) from installed_app");
    long tempMinId = 0L;
    long stepSize = 1000;
    long tempMaxId = 0L;
    do{
        try {
            tempMaxId = tempMinId + stepSize;
            // 根據InnoDB索引特性, where id>=? and id<?這種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:${userId}");
                if ("COMPLETED".equals(status)) {
                    // migration finish, nothing to do
                    continue;
                }
                if ("MIGRATING".equals(status)) {
                    // "被動遷移" migrating, nothing to do
                    continue;
                }
                // 遷移前先獲取鎖: set MigrateStatus:18 MIGRATING ex 3600 nx
                String result = executeRedis("set MigrateStatus:${userId} MIGRATING ex 86400 nx");
                if ("OK".equals(result)) {
                    // 成功獲取鎖后, 先將這個用戶所有已安裝的app查詢出來[即遷移過程以用戶ID維度進行遷移]
                    String sql = "select * from installed_app where user_id=#{user_id}";
                    List<InstalledApp> userInstalledApps = executeSql(sql);
                    // 將這個用戶所有已安裝的app遷移到分庫分表后的表中(有user_id就能得到分庫分表后的具體的表)
                    shardingInsertSql(userInstalledApps);
                    // 遷移完成后, 修改緩存狀態
                    executeRedis("setex MigrateStatus:${userId} 864000 COMPLETED");
                } else {
                    // 如果沒有獲取到鎖, 說明被動遷移已經拿到了鎖, 那么遷移交給被動遷移即可[這種概率很低]
                    // 也可以加強這里的邏輯, "被動遷移"過程不可能持續很長時間, 可以嘗試循環幾次獲取狀態判斷是否遷移完
                    logger.info("Migration conflict. userId = {}", userId);
                }
            }
            if (tempMaxId >= maxId) {
                // 更新max(id)，最終確認是否遍歷完成
                maxId = execute("select max(id) from installed_app");
            }
            logger.info("Migration process id = {}", tempMaxId);
        }catch (Throwable e){
            // 如果執行過程中有任何異常(這種異常只可能是redis和mysql拋出來的), 那么退出, 修復問題后再遷移
            // 并且將tempMinId的值置為logger.info("Migration process id="+tempMaxId);日志最后一次記錄的id, 防止重復遷移
            System.exit(0);
        }
        tempMinId += stepSize;
    }while (tempMaxId < maxId);
}

這里有幾點需要注意：

• 第一步查詢出max(id)是為了盡量減少max(id)的查詢次數，假如第一次查詢max(id)為10000000，那么直到遍歷的id到10000000以前，都不需要再次查詢max(id)；

• 根據id>=? and id<?遍歷，而不要根據id>=? limit n或者limit m, n進行遍歷，因為limit性能一般，且會隨著遍歷越往后，性能越差。而id>=? and id<?這種遍歷方式即使會有一些踩空，也沒有任何影響，且整個性能曲線非常平順，不會有任何抖動；遷移程序畢竟是輔助程序，不能對業務程序有過多的影響；

• 根據id區間范圍查詢出來的List<InstalledApp>要轉換為Iterator<InstalledApp>，每迭代處理完一個userId，要remove掉，否則可能導致GC異常，甚至OOM；

2.2 被動遷移
被動遷移就是在正常與installed_app表相關的業務邏輯前插入了遷移邏輯，以新增用戶已安裝APP為例，其偽代碼如下：

// 被動遷移方法是公用邏輯，所以與`installed_app`表相關的業務邏輯前都需要調用這個方法；
public void migratePassive(long userId)throws Exception{
    String status = executeRedis("get MigrateStatus:${userId}");
    if ("COMPLETED".equals(status)) {
        // 該用戶數據已經遷移完成, nothing to do
        logger.info("user's installed app migration completed. user_id = {}", userId);
    }else if ("MIGRATING".equals(status)) {
        // "被動遷移" migrating, 等待直到遷移完成; 為了防止死循環, 可以增加最大等待時間邏輯
        do{
            Thread.sleep(10);
            status = executeRedis("get MigrateStatus:${userId}");
        }while ("COMPLETED".equals(status));
    }else {
        // 準備遷移
        String result = executeRedis("set MigrateStatus:${userId} MIGRATING ex 86400 nx");
        if ("OK".equals(result)) {
            // 成功獲取鎖后, 先將這個用戶所有已安裝的app查詢出來[即遷移過程以用戶ID維度進行遷移]
            String sql = "select * from installed_app where user_id=#{user_id}";
            List<InstalledApp> userInstalledApps = executeSql(sql);
            // 將這個用戶所有已安裝的app遷移到分庫分表后的表中(有user_id就能得到分庫分表后的具體的表)
            shardingInsertSql(userInstalledApps);
            // 遷移完成后, 修改緩存狀態
            executeRedis("setex MigrateStatus:${userId} 864000 COMPLETED");
        }else {
            // 如果沒有獲取到鎖, 應該是其他地方先獲取到了鎖并正在遷移, 可以嘗試等待, 直到遷移完成
        }
    }
}
// 與`installed_app`表相關的業務--新增用戶已安裝的APP
public void addInstalledApp(InstalledApp installedApp) throws Exception{
    // 先嘗試被動遷移
    migratePassive(installedApp.getUserId());
    // 將用戶已安裝app信息(installedApp)插入到分庫分表后的目標表中
    shardingInsertSql(installedApp);
}

無論是CRUD中哪種操作，先根據緩存中MigrateStatus:${userId}的值進行判斷：

• 如果值為COMPLETED，表示已經遷移完成，那么將請求轉移到分庫分表后的表中進行處理即可；

• 如果值為MIGRATING，表示正在遷移中，可以循環等待直到值為COMPLETED即遷移完成后，再將請求轉移到分庫分表后的表中進行處理處理；

• 否則值為空，那么嘗試獲取鎖再進行數據遷移。遷移完成后，將緩存值更新為COMPLETED，最后再將請求轉移到分庫分表后的表中進行處理處理；

3.方案完善

當所有數據遷移完成后，CRUD操作還是會先根據緩存中MigrateStatus的值進行判斷，數據遷移完成后這一步已經是多余的。可以加個總開關，當所有數據遷移完成后，將這個開關的值通過類似TOPIC的方式發送，所有服務接收到TOPIC后將開關local cache化。那么接下來服務的CRUD都不需要先根據緩存中MigrateStatus:${userId}的值進行判斷；

4.遺留工作

遷移完成后，將主動遷移程序下線，并將被動遷移程序中對migratePassive()的調用全部去掉，并可以集成一些第三方分庫分表中間件，例如sharding-jdbc，可以參考sharding-jdbc集成實戰

回顧總結

回顧這個方案，最大的缺點就是如果碰到sharding column（例如userId）的總記錄數比較多，且主動遷移正在進行中，被動遷移與主動遷移碰撞，那么被動遷移可能需要等待較長時間。

不過根據DB性能，一般批量插入1000條數據都是10ms級別，并且同一sharding column的記錄分庫分表后只屬于一張表，不涉及跨表。所以，只要在遷移前先通過sql統計待遷移表中沒有這類異常sharding column即可放心遷移；

筆者當初遷移installed_app表時，用戶最多也只擁有不超過200個APP，所以不需要過多考慮碰撞帶來的性能問題；沒有萬能的方案，但是有適合自己的方案；

如果有那種上萬條記錄的sharding column，可以把這些sharding column先緩存起來，遷移程序在夜間上線，優先遷移這些緩存的sharding column的數據，就可以盡可能的降低遷移程序對這些用戶的體驗。當然你也可以使用你想出來的更好的方案。