转载:《冗余数据一致性,到底如何保证?》

为什么要冗余数据

互联网数据量很大的业务场景,往往数据库需要进行水平切分来降低单库数据量。

水平切分会有一个 patition key,通过 patition key 的查询能够直接定位到库,但是非 patition key 上的查询可能就需要扫描多个库了。

此时常见的架构设计方案,是使用数据冗余这种反范式设计来满足分库后不同维度的查询需求。

例如:订单业务,对用户和商家都有查询需求:

Order(oid, info_detail);
T(buyer_id, seller_id, oid);

  • 如果用 buyer_id 来分库,seller_id 的查询就需要扫描多库。
  • 如果用 seller_id 来分库,buyer_id 的查询就需要扫描多库。

此时可以使用数据冗余来分别满足 buyer_id 和 seller_id 上的查询需求:

T1(buyer_id, seller_id, oid)
T2(seller_id, buyer_id, oid)

同一个数据,冗余两份,一份以 buyer_id 来分库,满足买家的查询需求;一份以 seller_id 来分库,满足卖家的查询需求。

如何实施数据的冗余,以及如何保证数据的一致性,是今天将要讨论的内容。

如何进行数据冗余

服务同步双写

解决冗余数据一致性的问题 - 图1

顾名思义,由服务层同步写冗余数据,如上图1-4流程:

  • 业务方调用服务,新增数据
  • 服务先插入T1数据
  • 服务再插入T2数据
  • 服务返回业务方新增数据成功

优点:

  • 不复杂,服务层由单次写,变两次写
  • 数据一致性相对较高(因为双写成功才返回)

缺点:

  • 请求的处理时间增加(要插入两次,时间加倍)
  • 数据仍可能不一致,例如第二步写入T1完成后服务重启,则数据不会写入T2

如果系统对处理时间比较敏感,引出常用的第二种方案。
**

服务异步双写

解决冗余数据一致性的问题 - 图2

数据的双写并不再由服务来完成,服务层异步发出一个消息,通过消息总线发送给一个专门的数据复制服务来写入冗余数据,如上图1-6流程:

  • 业务方调用服务,新增数据
  • 服务先插入T1数据
  • 服务向消息总线发送一个异步消息(发出即可,不用等返回,通常很快就能完成)
  • 服务返回业务方新增数据成功
  • 消息总线将消息投递给数据同步中心
  • 数据同步中心插入T2数据

优点:

  • 请求处理时间短(只插入1次)

    缺点:

  • 系统的复杂性增加了,多引入了一个组件(消息总线)和一个服务(专用的数据复制服务)

  • 因为返回业务线数据插入成功时,数据还不一定插入到T2中,因此数据有一个不一致时间窗口(这个窗口很短,最终是一致的)
  • 在消息总线丢失消息时,冗余表数据会不一致

不管是服务同步双写,还是服务异步双写,服务都需要关注“冗余数据”带来的复杂性。如果想解除“数据冗余”对系统的耦合,引出常用的第三种方案。
**

线下异步双写

解决冗余数据一致性的问题 - 图3

为了屏蔽“冗余数据”对服务带来的复杂性,数据的双写不再由服务层来完成,而是由线下的一个服务或者任务来完成,如上图1-6流程:

  • 业务方调用服务,新增数据
  • 服务先插入T1数据
  • 服务返回业务方新增数据成功
  • 数据会被写入到数据库的 log 中
  • 线下服务或者任务读取数据库的 log
  • 线下服务或者任务插入T2数据

优点:

  • 数据双写与业务完全解耦
  • 请求处理时间短(只插入1次)

缺点:

  • 返回业务线数据插入成功时,数据还不一定插入到T2中,因此数据有一个不一致时间窗口(这个窗口很短,最终是一致的)
  • 数据的一致性依赖于线下服务或者任务的可靠性

不管哪种方案,毕竟不是分布式事务,万一出现数据不一致,怎么办呢?

  • 高并发的情况下,实时一致性很难,方法论是:最终一致性。
  • 实现方式是:异步检测,异步修复。

如何保证数据的一致性

线下扫描全量数据法

解决冗余数据一致性的问题 - 图4

如上图所示,线下启动一个离线的扫描工具,不停的比对正表T1和反表T2,如果发现数据不一致,就进行补偿修复。

优点:

  • 比较简单,开发代价小
  • 线上服务无需修改,修复工具与线上服务解耦

缺点:

  • 扫描效率低,会扫描大量的“已经能够保证一致”的数据
  • 由于扫描的数据量大,扫描一轮的时间比较长,即数据如果不一致,不一致的时间窗口比较长


    有没有只扫描“可能存在不一致可能性”的数据,而不是每次扫描全部数据,以提高效率的优化方法呢?

线下扫描增量数据法

解决冗余数据一致性的问题 - 图5

每次只扫描增量的日志数据,就能够极大提高效率,缩短数据不一致的时间窗口,如上图1-4流程所示:

  • 写入正表T1
  • 第一步成功后,写入日志log1
  • 写入反表T2
  • 第二步成功后,写入日志log2

当然,我们还是需要一个离线的扫描工具,不停的比对日志 log1 和日志 log2,如果发现数据不一致,就进行补偿修复。

优点:

  • 虽比方法一复杂,但仍然是比较简单的
  • 数据扫描效率高,只扫描增量数据

缺点:

  • 线上服务略有修改(代价不高,多写了2条日志)
  • 虽然比方法一更实时,但时效性还是不高,不一致窗口取决于扫描的周期


    有没有实时检测一致性并进行修复的方法呢?
    **

    线上实时检测“消息对”法

解决冗余数据一致性的问题 - 图6

这次不是写日志了,而是向消息总线发送消息,如上图1-4流程所示:

  • 写入正表T1
  • 第一步成功后,发送消息 msg1
  • 写入反表T2
  • 第二步成功后,发送消息 msg2

这次不是需要一个周期扫描的离线工具了,而是一个实时订阅消息的服务不停的收消息。

假设正常情况下,msg1 和 msg2 的接收时间应该在3s以内,如果检测服务在收到 msg1 后没有收到 msg2,就尝试检测数据的一致性,不一致时进行补偿修复。

优点:

  • 效率高
  • 实时性高

缺点:

  • 方案比较复杂,上线引入了消息总线这个组件
  • 线下多了一个订阅总线的检测服务


    however,技术方案本身就是一个投入产出比的折衷,可以根据业务对一致性的需求程度决定使用哪一种方法。我曾经做过IM系统,好友关系链上亿,好友数据正反表的数据冗余,使用的就是方法二。

作者:殷建卫 链接:https://www.yuque.com/yinjianwei/vyrvkf/aauglq 来源:殷建卫 - 架构笔记 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。