微博分布式存储考试题：案例讲解及作业精选

访问场景

上面题目是访问微博的主要应用场景，用户在一般情况下，主要用户查看自己收到的最新的微博，以及访问某个特定用户 profile 的所有微博。

• 收到的微博，考虑微博以拉为主的模式，则系统需要访问当前用户所关注的所有用户最近 n 条最新的微博。

• 用户 profile，需要访问用户历史上发表的微博，而且支持分页查看，可以直接跳转到某一页或者某个时间段（如 2014 年 10 月），因此需要适当考虑分页的效率（可参考文末扩展阅读）。

访问特征

• 从上面描述以及社交网络的用户访问特点来看，用户大部分情况( > 90% )是访问最近 7 天的数据。
  

题目不需要考虑的点

• 此题主要是存储层的设计，因此不需要考虑缓存层设计。
  

• 由于微博是异步写入的，在某种程度可以起到错峰作用，所以作业暂时不需要考虑写入的峰值。

• 不需要考虑 id 如何产生，假定系统已经有发号服务。

• 不需要考虑用户收到的微博怎么聚合，那个由服务层来完成。

设计需要考虑的点

Scale-out 扩展性

• 如何将数据拆分到多个独立的单元存储。
  

• 可以在适当时机进一步拆分（re-sharding），拆分时候需要继续提供在线访问。

• 存储在廉价硬件上，考虑到数据规模比较大，需要适当考虑方案的整体成本，因此不要假定默认全部使用 SSD 存储。

Cost 成本

• 不同访问级别的数据存储在不同访问速度（成本）的硬件上。
  

High availability 高可用，以及 Reliability 可靠性 – 复制

• 在当前场景下，主要通过 MySQL replication 来解决可用性、以及分担读的请求。
  

Sharding 策略

Shard 常用策略有

• Range based：根据用户 uid 来分布，相邻 uid 的数据保存在一起。
  

• Hash based：根据某个 hash 函数，将一个用户 uid 的数据保存在指定的分片。

Re-Sharding 拆分设计

• 当数据持续增长，原先存储的数据（或者访问量）超过当前节点的容量上限，则需要对节点进行进一步拆分。

容量规划

• 预规划: 容纳未来一段时间的数据
  

• 2 的指数倍: shard 数量变更简单

Tradeoff

• 分片多：影响 IO 效率;
  

• 分片少：扩容频繁、复杂

案例精选

案例一：使用 user id range 作为分片 ( by 张轲)

案例二：使用 user id hash 作为分片

案例三 ：by 张亮

历史数据

1. 每半年根据日期分库，如：2015.01 - 2015.06 为一个库。每天增加 1 亿数据，半年 180 亿，约为 0.72T 数据，可以保留在 1T 的磁盘中。

2. 根据 uid 取模分库（表），便于查询和分散数据。

当前 n 日数据

1. 暂定 n 为 10，存储 10 亿数据。

2. 根据 uid + 权重的 hash 算法分库。权重可以根据每个 uid 的微博 id 数量，粉丝数等指标离线计算。

3. 为了应对突然发生的事件导致访问量激增，需要考虑2级甚至3级分片，而不宜直接做re-sharding导致数据迁移。多级分片可考虑读取一个标记，放在zk中。根据标记确定分片的hash算法加入小时等维度。

其中 hash 算法需保证：

1. 同一 uid 需落在一个库。

2. 权重接近的用户尽量均匀的落在不同库。

查询索引

1. 增加发帖索引字段，记录每个用户的每个帖子的索引。

2. 增加发帖总数统计表，以用户为维度，每个用户发一次贴则发帖总数++

3. 增加二级索引表，记录每个用户，每次分片库的发帖索引。如：uid 1的用户，在 2015 年第一帖是该用户发帖的总数的第 10 贴，2015 年最后一贴是该用户发帖总数的第 50 贴。

4. 分页查询使用二级索引表，先查到该查哪个真实库（可能是多个），再到真实库中获取数据。

总结

1. 通过灵活的运用时间维度分片，免去因uid分片数量不足导致的大规模迁移，使用外部 flag 灵活的控制分片策略。而且用时间维度分片更易做到冷热分离。

2. 分片逻辑可以灵活到，zk中记录时间段，某个时间段内，按月分，某个时间段，按年分，之类。

3. 通过离线计算权重的方式均匀分散数据访问。权重周期性调整，对于调整权重的用户，需要重点考虑当前n日数据的数据迁移方案。但由于调整权重的用户属于少量，所以迁移应该数据变动较小。历史数据不需权重概念，无需数据迁移。

4. 查询使用二级索引。使用修改 btree 结构去掉二级索引能有效减少数据量，但实现难度较大，可以在之后的局部优化中实现，对总体数据库结构影响不大。

5. 将前 n 日数据和当天数据整合在一起，之前对微博的场景理解不深，以为有首屏显示这样的概念。