作者：京东零售 徐强 黄威 张均杰
背景
部门中维护了一个老系统，功能都耦合在一个单体应用中(300+接口)，表也放在同一个库中(200+表)，导致系统存在很多风险和缺陷。经常出现问题：如数据库的单点、性能问题，应用的扩展受限，复杂性高等问题。
从下图可见。各业务相互耦合无明确边界，调用阿关系错综复杂。
随着业务快速发展，各种问题越来越明显，急需对系统进行微服务改造优化。经过思考，整体改造将分为三个阶段进行：
数据库拆分
单体数据库的痛点：未进行业务隔离，一个慢 SQL 易导致系统整体出现问题；吞吐量高，读写压力大，性能下降；
数据库改造
根据业务划分，我们计划将数据库拆分为 9 个业务库。数据同步方式采用主从复制的方式，并且通过 binlog 过滤将对应的表和数据同步到对应的新数据库中。
代码改造方案
如果一个接口中操作了多张表，之前这些表属于同一个库，数据库拆分后可能会分属于不同的库。所以需要针对代码进行相应的改造。
目前存在问题的位置：
改造点梳理：
同时写入多个库，且是同一事务的接口 6 个：需改造数据源，需改造事务，需要关注分布式事务；
同时写入多个库，且不是同一事务的接口 50+：需改造数据源，需改造事务，无需关注分布式事务；
同时读取多个库 或 读取一个库写入另一个库的接口 200+：需改造数据源，但无需关注事务；
涉及多个库的表的联合查询 8 个：需进行代码逻辑改造
梳理方式：
采用部门中的切面工具，抓取入口和表的调用关系（可识别表的读/写操作），找到一个接口中操作了多个表，并且多个表分属于不同业务库的情况；
分布式事务：
进行应用拆分和数据收口之后，是不存在分布式事务的问题的，因为操作第二个库会调用对应系统的 RPC 接口进行操作。所以本次不会正式支持分布式事务，而是采用代码逻辑保证一致性的方式来解决；
方案一
将 service 中分别操作多个库的 mapper，抽取成多个 Service。分别添加切换数据源注解和事务注解。
问题：改动位置多，涉及改动的每个方法都需要梳理历史业务；service 存在很多嵌套调用的情况，有时难以理清逻辑；修改 200+位置改动工作量大，风险高；
方案二
如图所示，方案二将数据源注解移动到 Mapper 上，并使用自定义的事务实现来处理事务。
将多数据源注解放到 Mapper 上的好处是，不需要梳理代码逻辑，只需要在 Mapper 上添加对应数据源名称即可。但是这样又有新的问题出现，
问题 1：如上图，事务的是配置在 Service 层，当事务开启时，数据源的连接并没有获取到，因为真正的数据源配置在 Mapper 上。所以会报错，这个错误可以通过多数据源组件的默认数据源功能解决。
问题 2：mybatis 的事务实现会缓存数据库链接。当第一次缓存了数据库链接后，后续配置在 mapper 上的数据源注解并不会重新获取数据库链接，而是直接使用缓存起来的数据库链接。如果后续的 mapper 要操作其余数据库，会出现找不到表的情况。鉴于以上问题，我们开发了一个自定义的事务实现类，用来解决这个问题。
下面将对方案中出现的两个组件进行简要说明原理。
多数据源组件
多数据源组件是单个应用连接多个数据源时使用的工具，其核心原理是通过配置文件将数据库链接在程序启动时初始化好，在执行到存在注解的方法时，通过切面获取当前的数据源名称来切换数据源，当一次调用涉及多个数据源时，会利用栈的特性解决数据源嵌套的问题。
/** * 切面方法 */public Object switchDataSourceAroundAdvice(ProceedingJoinPoint pjp) throws Throwable { //获取数据源的名字 String dsName = getDataSourceName(pjp); boolean dataSourceSwitched = false; if (StringUtils.isNotEmpty(dsName) && !StringUtils.equals(dsName, StackRoutingDataSource.getCurrentTargetKey())) { // 见下一段代码 StackRoutingDataSource.setTargetDs(dsName); dataSourceSwitched = true; } try { // 执行切面方法 return pjp.proceed(); } catch (Throwable e) { throw e; } finally { if (dataSourceSwitched) { StackRoutingDataSource.clear(); } } }
复制代码
public static void setTargetDs(String dbName) { if (dbName == null) { throw new NullPointerException(); } if (contextHolder.get() == null) { contextHolder.set(new Stack<String>()); } contextHolder.get().push(dbName); log.debug("set current datasource is " + dbName);}
复制代码
StackRoutingDataSource 继承 AbstractRoutingDataSource 类，AbstractRoutingDataSource 是 spring-jdbc 包提供的一个了 AbstractDataSource 的抽象类，它实现了 DataSource 接口的用于获取数据库链接的方法。
自定义事务实现
从方案二的图中可以看到默认的事务实现使用的是 mybatis 的 SpringManagedTransaction。
如上图，Transaction 和 SpringManagedTransaction 都是 mybatis 提供的类，他提供了接口供 SqlSession 使用，处理事务操作。
通过下边的一段代码可以看到，事务对象中存在 connection 变量，首次获得数据库链接后，后续当前事务内的所有数据库操作都不会重新获取数据库链接，而是会使用现有的数据库链接，从而无法支持跨库操作。
public class SpringManagedTransaction implements Transaction {
private static final Log LOGGER = LogFactory.getLog(SpringManagedTransaction.class);
private final DataSource dataSource;
private Connection connection;
private boolean isConnectionTransactional;
private boolean autoCommit;
public SpringManagedTransaction(DataSource dataSource) { notNull(dataSource, "No DataSource specified"); this.dataSource = dataSource; } // 下略}
复制代码
MultiDataSourceManagedTransaction 是我们自定义的事务实现，继承自 SpringManagedTransaction 类，并在内部支持维护多个数据库链接。每次执行数据库操作时，会根据数据源名称判断，如果当前数据源没有缓存的链接则重新获取链接。这样，service 上的事务注解其实控制了多个单库事务，且作用域范围相同，一起进行提交或回滚。
代码如下：
public class MultiDataSourceManagedTransaction extends SpringManagedTransaction { private DataSource dataSource;
public ConcurrentHashMap<String, Connection> CON_MAP = new ConcurrentHashMap<>();
public MultiDataSourceManagedTransaction(DataSource dataSource) { super(dataSource); this.dataSource = dataSource; }
@Override public Connection getConnection() throws SQLException { Method getCurrentTargetKey; String dataSourceKey; try { getCurrentTargetKey = dataSource.getClass().getDeclaredMethod("getCurrentTargetKey"); getCurrentTargetKey.setAccessible(true); dataSourceKey = (String) getCurrentTargetKey.invoke(dataSource); } catch (Exception e) { log.error("MultiDataSourceManagedTransaction invoke getCurrentTargetKey 异常", e); return null; }
if (CON_MAP.get(dataSourceKey) == null) { Connection connection = dataSource.getConnection(); if (!TransactionSynchronizationManager.isActualTransactionActive()) { connection.setAutoCommit(true); } else { connection.setAutoCommit(false); } CON_MAP.put(dataSourceKey, connection); return connection; }
return CON_MAP.get(dataSourceKey); }
@Override public void commit() throws SQLException { if (CON_MAP == null || CON_MAP.size() == 0) { return; } Set<Map.Entry<String, Connection>> entries = CON_MAP.entrySet(); for (Map.Entry<String, Connection> entry : entries) { Connection value = entry.getValue(); if (!value.isClosed() && !value.getAutoCommit()) { value.commit(); } } }
@Override public void rollback() throws SQLException { if (CON_MAP == null || CON_MAP.size() == 0) { return; } Set<Map.Entry<String, Connection>> entries = CON_MAP.entrySet(); for (Map.Entry<String, Connection> entry : entries) { Connection value = entry.getValue(); if (value == null) { continue; } if (!value.isClosed() && !value.getAutoCommit()) { entry.getValue().rollback(); } } }
@Override public void close() throws SQLException { if (CON_MAP == null || CON_MAP.size() == 0) { return; } Set<Map.Entry<String, Connection>> entries = CON_MAP.entrySet(); for (Map.Entry<String, Connection> entry : entries) { DataSourceUtils.releaseConnection(entry.getValue(), this.dataSource); } CON_MAP.clear(); }}
复制代码
注：上面并不是分布式事务。在数据收口之前，它只存在于同一个 JVM 中。如果项目允许，可以考虑使用 Atomikos 和 Mybatis 整合的方案。
数据安全性
本次进行了很多代码改造，如何保证数据安全，保证数据不丢失，我们的机制如下，分为三种情况进行讨论：
跨库事务：6 处，采用了代码保证一致性的改造方式；上线前经过重点测试，保证逻辑无问题；
单库事务：依赖于自定义事务实现，针对自定义事务实现这一个类进行充分测试即可，测试范围小，安全性有保障；
其余单表操作：相关修改是在 mapper 上添加了数据源切换注解，改动位置几百处，几乎是无脑改动，但也存在遗漏或错改的可能；测试同学可以覆盖到核心业务流程，但边缘业务可能会遗漏；我们添加了线上监测机制，当出现找不到表的错误时（说明数据源切换注解添加错误），记录当前执行 sql 并报警，我们进行逻辑修复与数据处理。
综上，通过对三种情况的处理来保证数据的安全性。
应用拆分
系统接近单体架构，存在以下风险：
系统性风险：一个组件缺陷会导致整个进程崩溃，如内存泄漏、死锁。
复杂性高：系统代码繁多，每次修改代码都心惊胆战，任何一个 bug 都可能导致整个系统崩溃，不敢优化代码导致代码可读性也越来越差。
测试环境冲突，测试效率低：业务都耦合在一个系统，只要有需求就会出现环境抢占，需要额外拉分支合并代码。
拆分方案
与数据库拆分相同，系统拆分也是根据业务划分拆成 9 个新系统。
方案一：搭建空的新系统，然后将老系统的相关代码挪到新系统。
方案二：从老系统原样复制出 9 个新系统，然后直接上线，通过流量路由将老系统流量转发到新系统，后续再对新系统的冗余代码做删减。
我们在考虑拆分风险和拆分效率后，最终选择了方案二。
拆分实践
1、搭建新系统
直接复制老系统代码，修改系统名称，部署即可
2、流量路由
路由器是拆分的核心，负责分发流量到新系统，同时需要支持识别测试流量，让测试同学可以提前在线上测试新系统。我们这边用 filter 来作为路由器的，源码见下方。
@Overridepublic void doFilter(ServletRequest request, ServletResponse response, FilterChain filterChain) throws ServletException, IOException { HttpServletRequest servletRequest = (HttpServletRequest) request; HttpServletResponse servletResponse = (HttpServletResponse) response;
// 路由开关(0-不路由, 1-根据指定请求头路由, 2-全量路由) final int systemRouteSwitch = configUtils.getInteger("system_route_switch", 1); if (systemRouteSwitch == 0) { filterChain.doFilter(request, response); return; } // 只路由测试流量 if (systemRouteSwitch == 1) { // 检查请求头是否包含测试流量标识 包含才进行路由 String systemRoute = ((HttpServletRequest) request).getHeader("systemRoute"); if (systemRoute == null || !systemRoute.equals("1")) { filterChain.doFilter(request, response); return; } }
String systemRouteMapJsonStr = configUtils.getString("route.map", ""); Map<String, String> map = JSONObject.parseObject(systemRouteMapJsonStr, Map.class); String rootUrl = map.get(servletRequest.getRequestURI());
if (StringUtils.isEmpty(rootUrl)) { log.error("路由失败，本地服务内部处理。原因：请求地址映射不到对应系统, uri : {}", servletRequest.getRequestURI()); filterChain.doFilter(request, response); return; }
String targetURL = rootUrl + servletRequest.getRequestURI(); if (servletRequest.getQueryString() != null) { targetURL = targetURL + "?" + servletRequest.getQueryString(); } RequestEntity<byte[]> requestEntity = null; try { log.info("路由开始 targetURL = {}", targetURL); requestEntity = createRequestEntity(servletRequest, targetURL); ResponseEntity responseEntity = restTemplate.exchange(requestEntity, byte[].class); if (requestEntity != null && requestEntity.getBody() != null && requestEntity.getBody().length > 0) { log.info("路由完成-请求信息: requestEntity = {}, body = {}", requestEntity.toString(), new String(requestEntity.getBody())); } else { log.info("路由完成-请求信息: requestEntity = {}", requestEntity != null ? requestEntity.toString() : targetURL); }
HttpHeaders headers = responseEntity.getHeaders(); String resp = null; if (responseEntity.getBody() != null && headers != null && headers.get("Content-Encoding") != null && headers.get("Content-Encoding").contains("gzip")) { byte[] bytes = new byte[30 * 1024]; int len = new GZIPInputStream(new ByteArrayInputStream((byte[]) responseEntity.getBody())).read(bytes, 0, bytes.length); resp = new String(bytes, 0, len); }
log.info("路由完成-响应信息: targetURL = {}, headers = {}, resp = {}", targetURL, JSON.toJSONString(headers), resp); if (headers != null && headers.containsKey("Location") && CollectionUtils.isNotEmpty(headers.get("Location"))) { log.info("路由完成-需要重定向到 {}", headers.get("Location").get(0)); ((HttpServletResponse) response).sendRedirect(headers.get("Location").get(0)); } addResponseHeaders(servletRequest, servletResponse, responseEntity); writeResponse(servletResponse, responseEntity); } catch (Exception e) { if (requestEntity != null && requestEntity.getBody() != null && requestEntity.getBody().length > 0) { log.error("路由异常-请求信息: requestEntity = {}, body = {}", requestEntity.toString(), new String(requestEntity.getBody()), e); } else { log.error("路由异常-请求信息: requestEntity = {}", requestEntity != null ? requestEntity.toString() : targetURL, e); } response.setCharacterEncoding("UTF-8"); ((HttpServletResponse) response).addHeader("Content-Type", "application/json"); response.getWriter().write(JSON.toJSONString(ApiResponse.failed("9999", "网络繁忙哦~，请您稍后重试"))); }}
复制代码
3、接口抓取 &归类
路由 filter 是根据接口路径将请求分发到各个新系统的，所以需要抓取一份接口和新系统的映射关系。
我们这边自定义了一个注解 @TargetSystem，用注解标识接口应该路由到的目标系统域名，
@TargetSystem(value = "http://order.demo.com")@GetMapping("/order/info")public ApiResponse orderInfo(String orderId) { return ApiResponse.success();}
复制代码
然后遍历获取所有 controller 根据接口地址和注解生成路由映射关系 map
/** * 生成路由映射关系MAP * key：接口地址 ，value：路由到目标新系统的域名 */ public Map<String, String> generateRouteMap() { Map<RequestMappingInfo, HandlerMethod> handlerMethods = requestMappingHandlerMapping.getHandlerMethods(); Set<Map.Entry<RequestMappingInfo, HandlerMethod>> entries = handlerMethods.entrySet(); Map<String, String> map = new HashMap<>(); for (Map.Entry<RequestMappingInfo, HandlerMethod> entry : entries) { RequestMappingInfo key = entry.getKey(); HandlerMethod value = entry.getValue(); Class declaringClass = value.getMethod().getDeclaringClass(); TargetSystem targetSystem = (TargetSystem) declaringClass.getAnnotation(TargetSystem.class); String targetUrl = targetSystem.value(); String s1 = key.getPatternsCondition().toString(); String url = s1.substring(1, s1.length() - 1); map.put(url, targetUrl); } return map; }
复制代码
4、测试流量识别
测试可以用利用抓包工具 charles，为每个请求都添加固定的请求头，也就是测试流量标识，路由器拦截请求后判断请求头内是否包含测试流量标，包含就路由到新系统，不包含就是线上流量留在老系统执行。
5、需求代码合并
执行系统拆分的过程中，还是有需求正在并行开发，并且需求代码是写在老系统的，系统拆分完成上线后，需要将这部分需求的代码合并到新系统，同时要保证 git 版本记录不能丢失，那应该怎么做呢？
我们利用了 git 可以添加多个多个远程仓库来解决需求合并的痛点，命令：git remote add origin 仓库地址，把新系统的 git 仓库地址添加为老系统 git 的远程仓库，老系统的 git 变动就可以同时 push 到所有新系统的仓库内，新系统 pull 下代码后进行合并。
6、上线风险
风险一：JOB 在新老系统并行执行。新系统是复制的老系统，JOB 也会复制过来，导致新老系统有相同的 JOB，如果这时候上线新系统，新系统的 JOB 就会执行，老系统的 JOB 也一直在 run，这样一个 JOB 就会执行 2 次。新系统刚上线还没经过测试验证，这时候执行 JOB 是有可能失败的。以上 2 种情况都会引起线上 Bug，影响系统稳定性。
风险二：新系统提前消费 MQ。和风险一一样，新系统监听和老系统一样的 topic，如果新系统直接上线，消息是有可能被新系统消费的，新系统刚上线还没经过测试验证，消费消息有可能会出异常，造成消息丢失或其他问题，影响系统稳定性。
如何解决以上 2 个上线风险呢？
我们用“动态开关”解决了上述风险，为新老系统的 JOB 和 MQ 都加了开关，用开关控制 JOB 和 MQ 在新/老系统执行。上线后新系统的 JOB 和 MQ 都是关掉的，待 QA 测试通过后，把老系统的 JOB 和 MQ 关掉，把新系统的 JOB 和 MQ 打开就可以了。
系统瘦身
拆分的时候已经梳理出了一份“入口映射关系 map”，每个新系统只需要保留自己系统负责的接口、JOB、MQ 代码就可以了，除此之外都可以进行删除。
拆分带来的好处
系统架构更合理，可用性更高：即使某个服务挂了也不会导致整个系统崩溃
复杂性可控：每个系统都是单一职责，系统逻辑清晰
系统性能提升上限大：可以针对每个系统做优化，如加缓存
测试环境冲突的问题解决，不会因为多个系统需求并行而抢占环境
数据访问权限收口
问题介绍
数据访问权限未收口：一个业务的数据库被其余业务应用直接访问，未通过 rpc 接口将数据访问权限收口到数据拥有方自己的应用。数据访问逻辑分散，存在业务耦合，阻碍后续迭代和优化。
问题产生的背景：之前是单体应用和单体数据库，未进行业务隔离。在进行数据库拆分和系统拆分时，为解决系统稳定性的问题需快速上线，所以未优化拆分后跨业务访问数据库的情况。本阶段是对数据库拆分和应用拆分的延伸和补充。
改造过程
RPC 接口统计（如图一）
进行比对，如程序入口归类和调用的业务 DB 归类不一致，则认为 Dao 方法需提供 RPC 接口
经统计，应用访问非本业务数据库的位置有 260+。由于涉及位置多，人工改造成本高、效率较低，且有错改和漏掉的风险，我们采用了开发工具，用工具进行代码生成和批量修改的方式进行改造。
RPC 接口生成（如图二）
读取需要生成 RPC 接口的 Dao 文件，进行解析
获取文件名称，Dao 方法列表，import 导包列表等，放入 ClassContext 上下文
匹配 api、rpc 文件模板，从 classContext 内取值替换模板变量，通过 package 路径生成 java 文件到指定服务内
批量将服务内 Dao 名称后缀替换为 Rpc 服务名，减少人工改动风险，例：SettleRuleDao -> SettleRuleRpc
名词解释：
ftl：Freemarker 模板的文件后缀名，FreeMarker 是一个模版引擎，一个基于文本的模板输出工具。
interfaceName：用存放 api 文件名称
className：用于存放 serviceImpl 文件名称
methodList：用于存放方法列表，包含入参、出参、返回值等信息
importList：用于存放 api 和 impl 文件内其他引用实体的导包路径
apiPackage：用于存放生成的 Api 接口类包名
implPackage：用于存放生成的 Api 实现类包名
rpcPackage：用于存放生成的 rpc 调用类包名
灰度方案（如图三）
数据操作统一走 RPC 层处理，初期阶段 RPC 层兼顾 RPC 调用，也有之前的 DAO 调用，使用开关切换。
RPC 层进行双读，进行 Api 层和 Dao 层返回结果的比对，前期优先返回 Dao 层结果，验证无问题后，在全量返回 RPC 的结果，清除其他业务数据库连接。
支持开关一键切换，按流量进行灰度，降低数据收口风险
收益
业务数据解耦，数据操作统一由各自垂直系统进行，入口统一
方便后续在接口粒度上增加缓存和降级处理
总结
以上，是我们对单体系统的改造过程，经过了三步优化、上线，将单体系统平滑过渡到了微服务结构。解决了数据库的单点问题、性能问题，应用业务得到了简化，更利于分工，迭代。并且可以针对各业务单独进行优化升级，扩容、缩容，提升了资源的利用率。
评论