「如何实现流动式软件发布」线上课堂开课啦,快来报名参与课堂抽奖吧~ 了解详情
写点什么

在线数据迁移经验:如何为正在飞行的飞机更换引擎

2015 年 2 月 13 日

在线数据迁移,是指将正在提供线上服务的数据,从一个地方迁移到另一个地方,整个迁移过程中要求不停机,服务不受影响。根据数据所处层次,可以分为 cache 迁移和存储迁移;根据数据迁移前后的变化,又可以分为平移和转移。

平移是指迁移前后数据组织形式不变,比如 Mysql 从 1 个实例扩展为 4 个实例,Redis 从 4 个端口扩展到 16 个端口,HBase 从 20 台机器扩展到 30 台机器等等。如果在最初的设计里就为以后的扩容缩容提供了方便,那么数据迁移工作就会简单很多,比如 Mysql 已经做了分库分表,扩展实例的时候,只需要多做几个从库,切换访问,最后将多余的库表删除即可。更进一步,在实现上已经做到全自动数据迁移,如 HBase,就更简单了:添加机器,手工修改配置或者系统自动发现,然后,沏一杯咖啡,等待系统完成迁移。

转移是指数据迁移前后,数据组织形式发生了变化。多年前,某社交平台曾经为 ID 升级做过一次数据迁移,将 ID 由最初的自增算法修改为巧妙设计的 UUID 算法,这次迁移最大的挑战是要修改数据的主键,主键本来是数据的唯一标识,它发生变化,也就意味着原来的数据不复存在,新的数据凭空产生,对于整个系统中所有业务流程、周边配套、上下游部门都会产生巨大的兼容性挑战。不过大部分数据迁移项目都不会修改主键,甚至不会修改数据本身,改变的只是数据的组织形式。比如某社交平台计数器原本为了节约存储空间,使用 redis hash 进行存储,后来为了提升批量查询的性能,迁移成 KV 形式;又比如某社交平台的转发列表和粉丝列表,最初都使用 Mysql 存储,后来为了更好的扩展性和成本,都迁移到 HBase 存储。

在线数据迁移最大的挑战是如何保证迁移过程服务不受影响。很多人将其比喻成“飞行过程中换发动机”“给行驶的汽车换轮胎”,但实际上并没有那么困难,一个入行一两年的技术人员,遵从一些经验指导,完全可以完成。下面就跟大家分享一下个人在这方面的一些经验,作为抛砖引玉。

在线数据迁移一般分为四个步骤:一,上线双写,即同时写入新旧两种数据;二,历史数据离线搬迁,即离线将历史存量数据从旧系统搬到新系统;三,切读,即将读请求路由到新系统;四,清理沉淀,包括清理旧的数据,回收资源,及清理旧的代码逻辑,旧的配套系统等等,将迁移过程中的经验教训进行总结沉淀,将过程中开发或使用的工具进行通用化改造,以备下次使用。注意,某些情况下,步骤一和步骤二也可能倒过来,先做历史数据搬迁,然后再写入新数据,这时候就需要谨慎的处理搬迁这段时间里产生的新数据,一般使用 queue 缓存写入的方式,称为“追数据”。

图 1:在线数据迁移步骤示意图

下面以某社交平台粉丝列表从 Mysql 迁移到 HBase 为例子,展开来讲讲每个步骤具体实施、可能的问题及对策。

在迁移之前,根据以往的经验制定了更详细的流程,如图:

图 2:粉丝列表迁移到 HBase 工作流程图

上线双写

编写双写的代码逻辑之前,首先要根据业务规则和性能指标确定 HBase 的表结构和主键设计。
对于列表类的需求,HBase 有两种典型的用法,一种是高表模式,与传统的 Mysql 模式非常类似,列表中的每一项存一行,每一行有固定的属性列;另一种是宽表模式,一个列表存一行,列表中的每一项存成一个单独的列,各种属性都打包到列内部的 value 中。如图:

图 3:粉丝列表业务分别使用 HBase 高表模式和宽表模式存储示意图

高表模式的好处在于与 Mysql 类似,各种业务逻辑的实现也比较像,认知和改造成本较低,劣势在于因为 HBase 的实现机制导致单个列表可能被分别存储在多个不同的 Region 里,查询的性能较差。而宽表的优劣势正好与高表相反。在高并发大流量系统中,技术方案很多特性都可以妥协,但唯独性能永远是不能妥协的,所以我们选择宽表模式。

很多高并发系统都采用上行异步化,通过将操作转化为消息,写入消息队列,后台异步处理的方式来削峰填谷,并获得更好的可用性。大部分消息队列都支持单个消息被多个业务模块重复处理,并支持串联和并联。所以在这里我们将写入 HBase 的代码逻辑单独封装到一个模块中,将它配置为与写入旧 Mysql 代码串联或并联即可。

为了支持消息异步处理的重试机制,建议将业务模块设计成具有幂等特性,即同一条消息可以重试多次,而不会破坏最终的结果。有一些模块,如计数器,提醒等,业务本身不支持重试,可以通过“重复消息检测模块”为它们提供短时间内的重试支持。大部分 Mysql 存储都通过主键或者单独的 Unique key 索引来达到幂等要求,相应的,HBase 高表模式通过主键保证,宽表模式通过 column qualifier 保证。在粉丝列表迁移过程中,因为 column qualifier 不能保证幂等,导致数据一致性无法达到要求,最后也是通过引入额外的重复消息检测模块解决。

另外,HBase 当前不提供二级索引、覆盖索引、join、order by 等 Mysql 高级查询功能,需要在迁移之前做好评估,确定新方案能够支持所有的业务特性。比如粉丝列表一般都是查询最新的 5000 个粉丝,但如果还要支持查询最初 100 个粉丝列表的功能,就会比较费劲。

上线双写完成后,需要对双写的数据进行一致性校验。数据一致性校验需要从两个维度进行:存储维度和业务维度。存储维度是指直接取 Mysql 和 HBase 里的数据进行对比;业务维度是指从最终用户看到的数据维度进行校验,即访问粉丝列表页面,看结果是否与原来一致。大型系统的数据一致性校验建议及格线是 6 个 9,即 99.9999%,也就是说每一百万条数据中,差别不能超过 1 条。

历史数据搬迁

上线双写并校验确认通过后,就可以开始搬迁历史数据了。

搬迁历史数据的步骤中,最大的困难是保证搬迁过程与线上业务写入互不干扰。对于列表类功能,最大的干扰是来自于这样一种业务场景:搬迁程序从 Mysql 中 select 出来一个列表,在插入到 HBase 之前,这个列表发生了变化。如果是增加一个元素,由于 HBase 的幂等保证,最终结果并不会产生偏差,但如果是删除一个或多个元素,那么最终会表现为 HBase 中删除操作未生效,因为线上业务执行完删除操作后,搬迁程序又执行了插入操作。本质上,这是因为我们在这样的数据量规模下不能使用事务引起的,如果引入事务,能够解决这个问题,但同时也会将搬迁耗时从几天延长到几周甚至几个月。为了解决这个问题,可以通过引入轻量级的 Memcache 锁来模拟 Serializable 级别的事务隔离。

历史数据搬迁完成后也需要进行一致性校验。实际上,建议在搬迁全量数据之前,先搬迁部分数据,并进行一致性校验。部分数据一致性校验通过后,再对全量数据进行搬迁。这种方式可以极大的节约搬迁时间,降低因为搬迁流程或代码不完善导致的延期风险。

切读

全量数据搬迁并校验完成后,即可以进行读请求切换了。通用的切换方式是在代码中埋入开关,通过 Config Service 或类似机制进行切换操作。切换的流程为:Tcpcopy 环境 --> 线上环境 uid 白名单(内部工程师)–> 线上环境百分比灰度 0.01%,1%,10% --> 线上环境全量。tcpcopy 环境用来验证代码在线上环境是否正常,uid 白名单用来验证功能是否正常,百分比灰度用来验证性能和资源压力是否正常,所有验证都通过后,最后才进行全量切换。一般这个过程会持续一周到两周。

清理沉淀

切读完成后,整个数据迁移过程可以认为已经完成了。但项目工作并没有完结,旧的逻辑代码清理,旧的配套系统下线,旧资源回收,以及最重要的一个环节:经验教训总结、分享,流程完善,工具通用化改造。

在线数据迁移并不是一项需要高深技术的工作,它更多需要的是对业务逻辑的把控,对操作流程的理解,对新旧系统特性的掌握,以及对细节的敬畏之心。


感谢郭蕾对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ )或者腾讯微博( @InfoQ )关注我们,并与我们的编辑和其他读者朋友交流。

2015 年 2 月 13 日 07:5612391

评论

发布
暂无评论
发现更多内容

ProxmoxVE系列:Ubuntu服务器版系统安装

Bob

虚拟机 系统 proxmoxve PVE

ProxmoxVE 系列:如何巧妙的用Xshell连接Ubuntu server服务主机

Bob

虚拟机 系统 proxmoxve PVE

通俗讲解分布式锁,看完不懂算我输

Java小咖秀

Java 分布式 多线程 并发

在全面拥抱人工智能前,这 6 步您的公司做到了吗?| 云途专栏

亚马逊云科技 (Amazon Web Services)

ProxmoxVE系列:上传系统镜像&&创建虚拟机

Bob

虚拟机 proxmoxve PVE

C++ socket通讯详解及注意事项

赖猫

c++ 后台开发 后端 服务器开发

Java泛型最全指南

xcbeyond

Java 泛型 3月日更

Wireshark数据包分析学习笔记Day21

穿过生命散发芬芳

Wireshark 数据包分析 3月日更

Redis - 缓存穿透、缓存击穿、缓存雪崩

insight

redis 3月日更

[译]用@WebMvcTest测试MVC Web Contorller

祝坤荣

spring unittest

一个SQL错误的问题让我找到了公司框架中三个bug

程序员小毕

Java MySQL 数据库 程序员 架构

员工离职的注意事项

石云升

离职 28天写作 职场经验 3月日更

智能时代与华为路标:手机影像的文艺复兴史

脑极体

数据结构队列

我是程序员小贱

3月日更

数据去哪了?:从一次生产事故聊聊并发编程原子性问题

海拉鲁

Java 并发编程 多线程

第十二周作业

MR.X

亚马逊云科技和德甲为 2021 赛季新推出三项赛况统计数据,强化实时比赛分析

亚马逊云科技 (Amazon Web Services)

镜像仓库学习笔记

lenka

3月日更

分布式锁的实现方案

360技术

深圳正探索利用区块链技术理念打造“数字政府“

CECBC区块链专委会

大数据

apollo在Spring boot加载过程解析

程序员小毕

Java spring 开源 源码 程序员

用 Redis 实现消息队列是一个好主意么?

escray

redis 极客时间 学习笔记 3月日更 Redis 核心技术与实战

看东鹏饮料如何从150亿条数据中洞察先机 | 精选案例

亚马逊云科技 (Amazon Web Services)

设计与思考,关于资源和生命周期

程序员架构进阶

设计实践 生命周期 28天写作 3月日更 池化技术

异步机制和CPU架构对 Redis 性能的影响

escray

redis 极客时间 学习笔记 3月日更 Redis 核心技术与实战

寻找被遗忘的勇气(二十四)

Changing Lin

3月日更

C++ 中的 task based 并发

赖猫

c++ 后端 多线程 并发 服务器开发

如何定义错误码

编号94530

Java 错误码 错误处理

NoCode 实战 | 零代码应用开发,轻松搞定任务跟踪管理难题(上)

亚马逊云科技 (Amazon Web Services)

学习方法记录

风翱

学习方法 3月日更

初识Golang之声明函数

Kylin

golang新手 3月日更 21天挑战

在线数据迁移经验:如何为正在飞行的飞机更换引擎-InfoQ