背景
部门内有一些亿级别核心业务表增速非常快，增量日均 100W，但线上业务只依赖近一周的数据。随着数据量的迅速增长，慢 SQL 频发，数据库性能下降，系统稳定性受到严重影响。本篇文章，将分享如何使用 MyBatis 拦截器低成本的提升数据库稳定性。
业界常见方案
针对冷数据多的大表，常用的策略有以 2 种：
1. 删除/归档旧数据。
2. 分表。
归档/删除旧数据
定期将冷数据移动到归档表或者冷存储中，或定期对表进行删除，以减少表的大小。此策略逻辑简单，只需要编写一个 JOB 定期执行 SQL 删除数据。我们开始也是用这种方案，但此方案也有一些副作用：
1.数据删除会影响数据库性能，引发慢 sql，多张表并行删除，数据库压力会更大。
2.频繁删除数据，会产生数据库碎片，影响数据库性能，引发慢 SQL。
综上，此方案有一定风险，为了规避这种风险，我们决定采用另一种方案：分表。
分表
我们决定按日期对表进行横向拆分，实现让系统每周生成一张周期表，表内只存近一周的数据，规避单表过大带来的风险。
分表方案选型
经调研，考虑 2 种分表方案：Sharding-JDBC、利用 Mybatis 自带的拦截器特性。
经过对比后，决定采用 Mybatis 拦截器来实现分表，原因如下：
1.JAVA 生态中很常用的分表框架是 Sharding-JDBC，虽然功能强大，但需要一定的接入成本，并且很多功能暂时用不上。
2.系统本身已经在使用 Mybatis 了，只需要添加一个 mybaits 拦截器，把 SQL 表名替换为新的周期表就可以了，没有接入新框架的成本，开发成本也不高。
分表具体实现代码
分表配置对象
import lombok.AllArgsConstructor;import lombok.Data;import lombok.NoArgsConstructor;
import java.util.Date;
@Data@AllArgsConstructor@NoArgsConstructorpublic class ShardingProperty { // 分表周期天数，配置7，就是一周一分 private Integer days; // 分表开始日期，需要用这个日期计算周期表名 private Date beginDate; // 需要分表的表名 private String tableName;}
复制代码
分表配置类
import java.util.concurrent.ConcurrentHashMap;
public class ShardingPropertyConfig {
public static final ConcurrentHashMap<String, ShardingProperty> SHARDING_TABLE = new ConcurrentHashMap<>();
static { ShardingProperty orderInfoShardingConfig = new ShardingProperty(15, DateUtils.string2Date("20231117"), "order_info"); ShardingProperty userInfoShardingConfig = new ShardingProperty(7, DateUtils.string2Date("20231117"), "user_info");
SHARDING_TABLE.put(orderInfoShardingConfig.getTableName(), orderInfoShardingConfig); SHARDING_TABLE.put(userInfoShardingConfig.getTableName(), userInfoShardingConfig); }}
复制代码
拦截器
import lombok.extern.slf4j.Slf4j;import o2o.aspect.platform.function.template.service.TemplateMatchService;import org.apache.commons.lang3.StringUtils;import org.apache.ibatis.executor.statement.StatementHandler;import org.apache.ibatis.mapping.BoundSql;import org.apache.ibatis.mapping.MappedStatement;import org.apache.ibatis.plugin.*;import org.apache.ibatis.reflection.DefaultReflectorFactory;import org.apache.ibatis.reflection.MetaObject;import org.apache.ibatis.reflection.ReflectorFactory;import org.apache.ibatis.reflection.factory.DefaultObjectFactory;import org.apache.ibatis.reflection.factory.ObjectFactory;import org.apache.ibatis.reflection.wrapper.DefaultObjectWrapperFactory;import org.apache.ibatis.reflection.wrapper.ObjectWrapperFactory;import org.springframework.stereotype.Component;
import java.sql.Connection;import java.time.LocalDateTime;import java.time.format.DateTimeFormatter;import java.util.Date;import java.util.Properties;
@Slf4j@Component@Intercepts({@Signature(type = StatementHandler.class, method = "prepare", args = {Connection.class, Integer.class})})public class ShardingTableInterceptor implements Interceptor { private static final ObjectFactory DEFAULT_OBJECT_FACTORY = new DefaultObjectFactory(); private static final ObjectWrapperFactory DEFAULT_OBJECT_WRAPPER_FACTORY = new DefaultObjectWrapperFactory(); private static final ReflectorFactory DEFAULT_REFLECTOR_FACTORY = new DefaultReflectorFactory(); private static final String MAPPED_STATEMENT = "delegate.mappedStatement"; private static final String BOUND_SQL = "delegate.boundSql"; private static final String ORIGIN_BOUND_SQL = "delegate.boundSql.sql"; private static final DateTimeFormatter FORMATTER = DateTimeFormatter.ofPattern("yyyyMMdd"); private static final String SHARDING_MAPPER = "com.jd.o2o.inviter.promote.mapper.ShardingMapper";
private ConfigUtils configUtils = SpringContextHolder.getBean(ConfigUtils.class);
@Override public Object intercept(Invocation invocation) throws Throwable { boolean shardingSwitch = configUtils.getBool("sharding_switch", false); // 没开启分表 直接返回老数据 if (!shardingSwitch) { return invocation.proceed(); }
StatementHandler statementHandler = (StatementHandler) invocation.getTarget(); MetaObject metaStatementHandler = MetaObject.forObject(statementHandler, DEFAULT_OBJECT_FACTORY, DEFAULT_OBJECT_WRAPPER_FACTORY, DEFAULT_REFLECTOR_FACTORY); MappedStatement mappedStatement = (MappedStatement) metaStatementHandler.getValue(MAPPED_STATEMENT); BoundSql boundSql = (BoundSql) metaStatementHandler.getValue(BOUND_SQL); String originSql = (String) metaStatementHandler.getValue(ORIGIN_BOUND_SQL); if (StringUtils.isBlank(originSql)) { return invocation.proceed(); }
// 获取表名 String tableName = TemplateMatchService.matchTableName(boundSql.getSql().trim()); ShardingProperty shardingProperty = ShardingPropertyConfig.SHARDING_TABLE.get(tableName); if (shardingProperty == null) { return invocation.proceed(); }
// 新表 String shardingTable = getCurrentShardingTable(shardingProperty, new Date()); String rebuildSql = boundSql.getSql().replace(shardingProperty.getTableName(), shardingTable); metaStatementHandler.setValue(ORIGIN_BOUND_SQL, rebuildSql); if (log.isDebugEnabled()) { log.info("rebuildSQL -> {}", rebuildSql); }
return invocation.proceed(); }
@Override public Object plugin(Object target) { if (target instanceof StatementHandler) { return Plugin.wrap(target, this); } return target; }
@Override public void setProperties(Properties properties) {}
public static String getCurrentShardingTable(ShardingProperty shardingProperty, Date createTime) { String tableName = shardingProperty.getTableName(); Integer days = shardingProperty.getDays(); Date beginDate = shardingProperty.getBeginDate();
Date date; if (createTime == null) { date = new Date(); } else { date = createTime; } if (date.before(beginDate)) { return null; } LocalDateTime targetDate = SimpleDateFormatUtils.convertDateToLocalDateTime(date); LocalDateTime startDate = SimpleDateFormatUtils.convertDateToLocalDateTime(beginDate); LocalDateTime intervalStartDate = DateIntervalChecker.getIntervalStartDate(targetDate, startDate, days); LocalDateTime intervalEndDate = intervalStartDate.plusDays(days - 1); return tableName + "_" + intervalStartDate.format(FORMATTER) + "_" + intervalEndDate.format(FORMATTER); }}
复制代码
临界点数据不连续问题
分表方案有 1 个难点需要解决：周期临界点数据不连续。举例：假设要对 operate_log（操作日志表）大表进行横向分表，每周一张表，分表明细可看下面表格。
| 第一周（operate_log_20240107_20240108） | 第二周（operate_log_20240108_20240114） | 第三周（operate_log_20240115_20240121） || 1 月 1 号 ~ 1 月 7 号的数据 | 1 月 8 号 ~ 1 月 14 号的数据 | 1 月 15 号 ~ 1 月 21 号的数据 |
1 月 8 号就是分表临界点，8 号需要切换到第二周的表，但 8 号 0 点刚切换的时候，表内没有任何数据，这时如果业务需要查近一周的操作日志是查不到的，这样就会引发线上问题。
我决定采用数据冗余的方式来解决这个痛点。每个周期表都冗余一份上个周期的数据，用双倍数据量实现数据滑动的效果，效果见下面表格。
| 第一周（operate_log_20240107_20240108） | 第二周（operate_log_20240108_20240114） | 第三周（operate_log_20240115_20240121） || 12 月 25 号 ~ 12 月 31 号的数据 | 1 月 1 号 ~ 1 月 7 号的数据 | 1 月 8 号 ~ 1 月 14 号的数据 || 1 月 1 号 ~ 1 月 7 号的数据 | 1 月 8 号 ~ 1 月 14 号的数据 | 1 月 15 号 ~ 1 月 21 号的数据 |
注：表格内第一行数据就是冗余的上个周期表的数据。
思路有了，接下来就要考虑怎么实现双写（数据冗余到下个周期表）,有 2 种方案：
1.在 SQL 执行完成返回结果前添加逻辑（可以用 AspectJ 或 mybatis 拦截器），如果 SQL 内的表名是当前周期表，就把表名替换为下个周期表，然后再次执行 SQL。此方案对业务影响大，相当于串行执行了 2 次 SQL，有性能损耗。
2.监听增量 binlog，京东内部有现成的数据订阅中间件 DRC，读者也可以使用 cannal 等开源中间件来代替 DRC，原理大同小异，此方案对业务无影响。
方案对比后，选择了对业务性能损耗小的方案二。
监听 binlog 并双写流程图
监听 binlog 数据双写注意点
1.提前上线监听程序，提前把老表数据同步到新的周期表。分表前只监听老表 binlog 就可以，分表前只需要把老表数据同步到新表。
2.切换到新表的临界点，为了避免丢失积压的老表 binlog，需要同时处理新表 binlog 和老表 binlog，这样会出现死循环同步的问题，因为老表需要同步新表，新表又需要双写老表。为了打破循环，需要先把双写老表消费堵上让消息暂时积压，切换新表成功后，再打开双写消费。
监听 binlog 数据双写代码
注：下面代码不能直接用，只提供基本思路
/** * 监听binlog ，分表双写，解决数据临界问题*/@Slf4j@Componentpublic class BinLogConsumer implements MessageListener { private MessageDeserialize deserialize = new JMQMessageDeserialize();
private static final String TABLE_PLACEHOLDER = "%TABLE%";
@Value("${mq.doubleWriteTopic.topic}") private String doubleWriteTopic;
@Autowired private JmqProducerService jmqProducerService;
@Override public void onMessage(List<Message> messages) throws Exception { if (messages == null || messages.isEmpty()) { return; } List<EntryMessage> entryMessages = deserialize.deserialize(messages); for (EntryMessage entryMessage : entryMessages) { try { syncData(entryMessage); } catch (Exception e) { log.error("sharding sync data error", e); throw e; } } }
private void syncData(EntryMessage entryMessage) throws JMQException { // 根据binlog内的表名，获取需要同步的表 // 3种情况： // 1、老表：需要同步当前周期表，和下个周期表。 // 2、当前周期表：需要同步下个周期表，和老表。 // 3、下个周期表：不需要同步。 List<String> syncTables = getSyncTables(entryMessage.tableName, entryMessage.createTime); if (CollectionUtils.isEmpty(syncTables)) { log.info("table {} is not need sync", tableName); return; }
if (entryMessage.getHeader().getEventType() == WaveEntry.EventType.INSERT) { String insertTableSqlTemplate = parseSqlForInsert(rowData); for (String syncTable : syncTables) { String insertSql = insertTableSqlTemplate.replaceAll(TABLE_PLACEHOLDER, syncTable); // 双写老表发Q，为了避免出现同步死循环问题 if (ShardingPropertyConfig.SHARDING_TABLE.containsKey(syncTable)) { Long primaryKey = getPrimaryKey(rowData.getAfterColumnsList()); sendDoubleWriteMsg(insertSql, primaryKey); continue; } mysqlConnection.executeSql(insertSql); } continue; } }
复制代码
数据对比
为了保证新表和老表数据一致，需要编写对比程序，在上线前进行数据对比，保证 binlog 同步无问题。
具体实现代码不做展示，思路：新表查询一定量级数据，老表查询相同量级数据，都转换成 JSON，equals 对比。
作者：京东零售 张均杰
来源：京东云开发者社区 转载请注明来源
评论