[转]分层架构设计 – 5 数据库中间件

不少朋友经常会问我以下问题：

• 58到家有没有使用数据库中间件
• 使用了什么数据库中间件，是自研，还是第三方
• 怎么实现的，是基于客户端的中间件，还是基于服务端的中间件
• 使用中间件后，join/子查询/集函数/事务等问题是怎么解决的
• …

你是不是也有类似的疑问？

然而，“究竟为什么要引入数据库中间件”却很少有人问及。 “架构师之路”文章思路，以解决“为什么”为优先，借着近期撰写互联网分层架构系列文章，讲一讲这个核心问题：

• 究竟为什么要引入数据库中间件

经过连续分层架构演进，DAO层，基础数据服务化，通用业务服务化，前后端分离之后，一个业务系统的后端结构如上：

• web-view层通过http接口，从web-data获取json数据（前后端分离）
• web-data层通过RPC接口，从biz-service获取数据（通用业务服务）
• biz-service层通过RPC接口，从base-service获取数据（基础数据服务）
• base-service层通过DAO，从db获取数据（DAO）
• db存储数据

 

随着时间的推移，数据量会越来越大，base-service通过DAO来访问db的性能会越来越低，需要开始考虑对db进行水平切分，一旦db进行水平切分，原来很多SQL可以支持的功能，就需要base-service层来进行特殊处理：

• 有些数据需要路由到特定的水平切分库
• 有些数据不确定落在哪一个水平切分库，就需要访问所有库
• 有些数据需要访问全局的库，拿到数据的全局视野，到service层进行额外处理
• …

 

更具体的，对于前台高并发的业务，db水平切分后，有这么几类典型的业务场景及应对方案。特别强调一下，此处应对的是“前台”“高并发”“db水平切分”的场景，对于后台的需求，将通过前台与后台分离的架构处理，不在此处讨论。

 

一：partition key上的单行查询

典型场景：通过uid查询user

场景特点：

• 通过patition key查询
• 每次只返回一行记录

解决方案：base-service层通过patition key来进行库路由

如上图：

• user-service底层user库，分库patition key是uid
• uid上的查询，user-service可以直接定位到库

 

二、非patition key上的单行查询

典型场景：通过login_name查询user

场景特点：

• 通过非patition key查询
• 每次只返回一行记录

解决方案1：base-service层访问所有库

如上图：

• user-service通过login_name先查全库
• 结果集在user-service再合并，最终返回一条记录

 

解决方案2：base-service先查mapping库，再通过patition key路由

如上图：

• 新建mapping库，记录login_name到uid的映射关系
• 当有非 patition key的查询时，先通过login_name查询uid
• 再通过patition key进行路由，最终返回一条记录

 

解决方案3：基因法

关于“基因法”解决非patition key上的查询需求详见《分库后，非patition key上访问的多种解决办法》。

三、patition key上的批量查询

典型场景：用户列表uid上的IN查询

场景特点：

• 通过patition key查询
• 每次返回多行记录

 

解决方案1：base-service层访问所有库，结果集到base-service合并

 

解决方案2：base-service分析路由规则，按需访问

如上图：

• base-service根据路由规则分析，判断出有些数据落在库1，有些数据落在库2
• base-service按需访问相关库，而不是访问全库
• base-service合并结果集，返回列表数据

 

四、非patition key上的夸库分页需求

关于分库后，夸库分页的查询需求，详见《业界难题，夸库分页的四种方案》。

五、其他需求…

 

本文写到这里，上述一、二、三、四、五其实都不是重点，base-service层通过各种各样的奇技淫巧，能够解决db水平切分后的数据访问问题，只不过：

• base-service层的复杂度提高了
• 数据的获取效率降低了

当需要进行db水平切分的base-service越来越多以后，此时分层架构会变成下面这个样子：

底层的复杂性会扩散到各个base-service，所有的base-service都要关注：

• patition key路由
• 非patition key查询，先mapping，再路由
• 先全库，再合并
• 先分析，再按需路由
• 夸库分页处理
• …

 

这个架构图是不是看上去很别扭？如何让数据的获取更加高效快捷呢？

数据库中间件的引入，势在必行。

这是“基于服务端”的数据库中间件架构图：

• base-service层，就像访问db一样，访问db-proxy，高效获取数据
• 所有底层的复杂性，都屏蔽在db-proxy这一层

这是“基于客户端”的数据库中间件架构图：

• base-service层，通过db-proxy.jar，高效获取数据
• 所有底层的复杂性，都屏蔽在db-proxy.jar这一层

结论：

当数据库水平切分，base-service层获取db数据过于复杂，成为通用痛点的时候，就应该抽象出数据库中间件，简化数据获取过程，提高数据获取效率，向上游屏蔽底层的复杂性。

 

[source]分层架构设计 – 5 数据库中间件