用户中心，1亿数据，架构如何设计？

本文较长，可提前收藏。

用户中心 ，几乎是所有互联网公司，必备的子系统。随着数据量不断增加，吞吐量不断增大，用户中心的架构，该如何演进呢。

什么是用户中心业务？

用户中心是一个通用业务，主要 提供用户注册、登录、信息查询与修改的服务 。

用户中心的数据结构是怎么样的？

用户中心的核心数据结构为：

User(uid, login_name, passwd, sex, age, nickname, …)

其中：

（1） uid 为用户ID，为主键；

（2） login_name, passwd, sex  等是用户属性；

其系统架构又是怎么样的呢？

在业务初期， 单库单表 ，配合 用户中心微服务 ，就能满足绝大部分业务需求，其典型的架构为：

（1） user-center ：用户中心服务，对调用者提供友好的RPC接口；

（2） user-db ：对用户进行数据存储；

当数据量越来越大，例如达到1亿注册量时，会出现什么问题呢？

随着数据量越来越大，单库无法承载所有的数据， 此时需要对数据库进行水平切分。

常见的水平切分算法有“ 范围法 ”和“ 哈希法 ”。

水平切分，什么是范围法？

范围法，以用户中心的业务主键 uid 为划分依据， 采用区间的方式 ，将数据水平切分到两个数据库实例上去：

（1） user-db1 ：存储0到1千万的 uid 数据；

（2） user-db2 ：存储1千万到2千万的 uid 数据；

范围法有什么优点？

（1） 切分策略简单 ，根据 uid ，按照范围， user-center 很快能够定位到数据在哪个库上；

（2） 扩容简单 ，如果容量不够，只要增加 user-db3 ，拓展2千万到3千万的 uid 即可；

范围法有什么缺点？

（1） uid 必须要满足递增的特性 ；

（2） 数据量不均 ，新增的 user-db3 ，在初期的数据会比较少；

（3） 请求量不均 ，一般来说，新注册的用户活跃度会比较高，故 user-db2 往往会比 user-db1 负载要高，导致服务器利用率不平衡；

画外音：数据库层面的负载均衡，既要考虑数据量的均衡，又要考虑负载的均衡。

水平切分，什么是哈希法？

哈希法，也是以用户中心的业务主键 uid 为划分依据， 采用哈希的方式 ，将数据水平切分到两个数据库实例上去：

（1） user-db1 ：存储奇数的 uid 数据；

（2） user-db2 ：存储偶数的 uid 数据；

哈希法有什么优点？

（1） 切分策略简单 ，根据 uid ，按照hash， user-center 很快能够定位到数据在哪个库上；

（2） 数据量均衡 ，只要 uid 是随机的，数据在各个库上的分布一定是均衡的；

（3） 请求量均衡 ，只要 uid 是随机的，负载在各个库上的分布一定是均衡的；

画外音：如果采用分布式id生成器，id的生成，一般都是随机的。

哈希法有什么缺点？

（1） 扩容麻烦 ，如果容量不够，要增加一个库，重新hash可能会导致数据迁移；

用户中心架构，实施了水平切分之后，会带来什么新的问题呢？

使用 uid 来进行水平切分之后， 对于 uid 属性上的查询，可以直接路由到库 ，假设访问 uid=124 的数据，取模后能够直接定位 db-user1 ：

但 对于非 uid 属性上的查询，就悲剧了 ，例如 login_name 属性上的查询：

假设访问 login_name=shenjian 的数据，由于不知道数据落在哪个库上， 往往需要遍历所有库 ，当分库数量多起来，性能会显著降低。

用户中心，非 uid 属性查询，有哪些业务场景？

任何脱离业务的架构设计都是耍流氓。

在进行架构讨论之前，先来对业务进行简要分析，用户中心非 uid 属性上，有两类典型的业务需求。

第一大类，用户侧，前台访问 ，最典型的有两类需求：

（1）用户登录：通过登录名 login_name 查询用户的实体，1%请求属于这种类型；

（2）用户信息查询：登录之后，通过 uid 来查询用户的实例，99%请求属这种类型；

用户侧的查询，基本上是 单条记录的查询，访问量较大，服务需要高可用，并且对一致性的要求较高 。

第二大类，运营侧，后台访问 ，根据产品、运营需求，访问模式各异，按照年龄、性别、头像、登陆时间、注册时间来进行查询。

运营侧的查询，基本上是 批量分页 的查询，由于是内部系统， 访问量很低，对可用性的要求不高，对一致性的要求也没这么严格 。

对于这两类不同的业务需求，应该使用什么样的架构方案来解决呢？

总的来说，针对这两类业务需求，架构设计的核心思路为：

（1）用户侧，采用“ 建立非 uid 属性到 uid 的映射关系 ”的架构方案；

（2）运营侧，采用“ 前台与后台分离 ”的架构方案；

用户侧，如何实施“建立非 uid 属性到 uid 的映射关系”呢？

常见的方法有四种：

（1） 索引表法 ；

（2） 缓存映射法 ；

（3） 生成 uid 法 ；

（4） 基因法 ；

接下来，咱们一一介绍。

什么是，索引表法？

索引表法的思路是： uid 能直接定位到库， login_name 不能直接定位到库，如果 通过 login_name 能查询到 uid ，问题便能得到解决。

具体的解决方案如下：

（1）建立一个索引表记录 login_name 与 uid 的映射关系；

（2）用 login_name 来访问时， 先通过索引表查询到 uid ，再通过 uid 定位相应的库 ；

（3）索引表属性较少，可以容纳非常多数据，一般不需要分库；

（4）如果数据量过大，可以通过 login_name 来分库；

索引表法，有什么缺点呢？

数据访问， 会增加一次数据库查询 ，性能会有所下降。

什么是，缓存映射法？

缓存映射法的思路是：访问索引表性能较低， 把映射关系放在缓存里 ，能够提升性能。

具体的解决方案如下：

（1） login_name 查询先到 cache 中查询 uid ，再根据 uid 定位数据库；

（2）假设 cache miss ，扫描所有分库，获取 login_name 对应的 uid ，放入 cache ；

（3） login_name到uid的映射关系不会变化，映射关系一旦放入缓存，不会更改，无需淘汰，缓存命中率超高 ；

（4）如果数据量过大，可以通过 login_name 进行 cache 水平切分；

缓存映射法，有什么缺点呢？

仍然多了一次网络交互 ，即一次 cache 查询。

什么是，生成 uid 法？

生成 uid 法的思路是： 不进行远程查询，由 login_name 直接得到 uid 。

具体的解决方案如下：

（1）在用户注册时， 设计函数 login_name 生成uid ， uid=f(login_name) ，按uid分库插入数据；

（2）用 login_name 来访问时，先通过函数计算出uid，即 uid=f(login_name) 再来一遍，由uid路由到对应库；

生成uid法，有什么缺点呢？

该函数设计需要非常讲究技巧，且 有uid生成冲突风险 。

画外音：uid冲突，是业务无法接受的，故生产环境中，一般不使用这个方法。

什么是，基因法？

基因法的思路是：不能用 login_name 生成uid，但可以 从 login_name 抽取“基因”，融入uid中 。

假设分8库，采用uid%8路由，潜台词是，uid的最后3个bit决定这条数据落在哪个库上，这3个bit就是所谓的“基因”。

具体的解决方案如下：

（1）在用户注册时， 设计函数 login_name 生成3bit基因， login_name_gene = f(login_name) ，如上图粉色部分；

（2）同时，生成61bit的全局唯一id，作为用户的标识，如上图绿色部分；

（3）接着 把3bit的 login_name_gene 也作为uid的一部分 ，如上图屎黄色部分；

（4）生成64bit的uid，由id和 login_name_gene 拼装而成，并按照uid分库插入数据；

（5）用 login_name 来访问时，先通过函数由 login_name 再次复原3bit基因， login_name_gene = f(login_name) ，通过 login_name_gene %8直接定位到库；

画外音：基因法，有点意思，在分库时经常使用。

用户侧，如何实施“前台与后台分离”的架构方案呢？

前台用户侧，业务需求基本都是 单行记录的访问 ，只要建立非uid属性 login_name 到uid的映射关系，就能解决问题。

后台运营侧，业务需求各异，基本是 批量分页的访问 ，这类访问计算量较大，返回数据量较大，比较消耗数据库性能。

此时的架构，存在什么问题？

此时，前台业务和后台业务共用一批服务和一个数据库，有可能导致，由于后台的“少数几个请求”的“批量查询”的“低效”访问，导致数据库的cpu偶尔瞬时100%，影响前台正常用户的访问（例如，登录超时）。

画外音：本质上，是系统的耦合。

而且，为了满足后台业务各类“奇形怪状”的需求，往往会在数据库上建立各种索引，这些索引占用大量内存，会使得用户侧前台业务uid/ login_name 上的查询性能与写入性能大幅度降低，处理时间增长。

对于这一类业务，应该采用“前台与后台分离”的架构方案。

什么是，前台与后台分离的架构方案？

用户侧前台业务需求架构依然不变，产品运营侧后台业务需求则抽取 独立的 web / service / db 来支持 ，解除系统之间的耦合，对于“业务复杂”“并发量低”“无需高可用”“能接受一定延时”的后台业务：

（1）可以去掉 service 层，在运营后台 web 层通过 dao 直接访问 db ；

（2）不需要反向代理，不需要集群冗余；

（3）不需要访问实时库，可以通过 MQ 或者线下异步同步数据；

（4）在数据库非常大的情况下，可以使用更契合大量数据允许接受更高延时的“索引外置”或者“ HIVE ”的设计方案；

总结

用户中心，是典型的“单KEY”类业务，这一类业务， 都可以使用上述架构方案 。

常见的数据库水平切分方式有两种：

（1） 范围法 ；

（2） 哈希法 ；

水平切分后碰到的问题 是：

（1）通过uid属性查询能直接定位到库， 通过非uid属性查询不能定位到库 ；

非uid属性查询，有两类典型的业务 ：

（1）用户侧，前台访问，单条记录的查询，访问量较大，服务需要高可用，并且对一致性的要求较高；

（2）运营侧，后台访问，根据产品、运营需求，访问模式各异，基本上是批量分页的查询，由于是内部系统，访问量很低，对可用性的要求不高，对一致性的要求也没这么严格；

针对这两类业务，架构设计的思路是：

（1）用户侧，采用“ 建立非uid属性到uid的映射关系 ”的架构方案；

（2）运营侧，采用“ 前台与后台分离 ”的架构方案；

前台用户侧，“建立非uid属性到uid的映射关系”，有四种常见的实践：

（1）索引表法：数据库中记录 login_name 与uid的映射关系；

（2）缓存映射法：缓存中记录 login_name 与uid的映射关系；

（3）生成uid法： login_name 生成uid；

（4）基因法： login_name 基因融入uid；

后台运营侧，“前台与后台分离”的最佳实践是：

（1）前台、后台系统 web/service/db 分离解耦，避免后台低效查询引发前台查询抖动；

（2）可以采用数据冗余的设计方式；

（3）可以采用“外置索引”（例如ES搜索系统）或者“大数据处理”（例如 HIVE ）来满足后台变态的查询需求；

任何脱离业务的架构设计都是耍流氓。

成为架构师， 关注架构师之路 。

架构师之路-分享架构思路

码字不易，转发，点赞，再看三连，谢谢。