https://tech.meituan.com/mtddl.html

背景

2016年Q3季度初，在美團外賣上單2.0項目上線后，商家和商品數量急速增長，預估商品庫的容量和寫峰值QPS會很快遇到巨大壓力。隨之而來也會影響線上服務的查詢性能、DB（數據庫，以下統一稱DB）主從延遲、表變更困難等一系列問題。

要解決上面所說的問題，通常有兩種方案。第一種方案是直接對現有的商品庫進行垂直拆分，可以緩解目前寫峰值QPS過大、DB主從延遲的問題。第二種方案是對現有的商品庫大表進行分庫分表，從根本上解決現有問題。方案一實施起來周期較短，但只能解決一時之痛，由此可見，分庫分表是必然的。

在確定分庫分表的方案之后，我們調研了外賣訂單、結算以及主站等業務的分庫分表實現方案，也調研了業界很多分庫分表中間件。在綜合考慮性能、穩定性及實現成本的前提下，最終決定自主研發客戶端分庫分表中間件MTDDL來支撐外賣商品分庫分表項目，這也就是MTDDL的由來。

當然，在MTDDL的設計研發過程中，我們充分考慮了MTDDL的通用性、可擴展性、功能的全面性和接入的便利性。到目前為止一共開發了四期，實現了MySQL動態數據源、讀寫分離、分布式唯一主鍵生成器、分庫分表、連接池及SQL監控、動態化配置等一系列功能，支持分庫分表算法、分布式唯一主鍵生成算法的高可擴展性，而且支持全注解的方式接入，業務方不需要引入任何配置文件。

下面就部分業界方案及MTDDL的設計目標詳細展開下，然后從源碼的角度來剖析下MTDDL的整個邏輯架構和具體實現。

業界調研

業界組件簡介實現方案功能特性優點缺點

Atlas	Qihoo 360開發維護的一個基于MySQL協議的數據中間層項目。它實現了MySQL的客戶端與服務端協議，作為服務端與應用程序通信，同時作為客戶端與MySQL通信	proxy-based	實現讀寫分離、單庫分表	功能簡單，性能跟穩定性較好	不支持分庫分表
MTAtlas	原美團DBA團隊在開源Atlas基礎上做的一系列升級改造	proxy-based	在讀寫分離、單庫分表的基礎上，完成了分庫分表的功能開發	在Atlas基礎上支持了分庫分表	當時還處于測試階段，暫不推薦業務方使用
TDDL	淘寶根據自己的業務特點開發了TDDL框架，主要解決了分庫分表對應用的透明化以及異構數據庫之間的數據復制，它是一個基于集中式配置的JDBC datasource實現	client-based	實現動態數據源、讀寫分離、分庫分表	功能齊全	分庫分表功能還未開源，當前公布文檔較少，并且需要依賴diamond（淘寶內部使用的一個管理持久配置的系統）
Zebra	Zebra是原點評內部使用數據源、DAO以及監控等和數據庫打交道的中間件集	client-based	實現動態數據源、讀寫分離、分庫分表、CAT監控	功能齊全且有監控	接入較為復雜，當時只支持c3p0、Druid、Tomcat JDBC等連接池，且分庫分表算法只支持Groovy表達式不易擴展

設計目標

MTDDL（Meituan Distributed Data Layer），美團點評分布式數據訪問層中間件，旨在為全公司提供一個通用數據訪問層服務，支持MySQL動態數據源、讀寫分離、分布式唯一主鍵生成器、分庫分表、動態化配置等功能，并且支持從客戶端角度對數據源的各方面（比如連接池、SQL等）進行監控，后續考慮支持NoSQL、Cache等多種數據源。

功能特性

• 動態數據源
• 讀寫分離
• 分布式唯一主鍵生成器
• 分庫分表
• 連接池及SQL監控
• 動態化配置

邏輯架構

下圖是一次完整的DAO層insert方法調用時序圖，簡單闡述了MTDDL的整個邏輯架構。其中包含了分布式唯一主鍵的獲取、動態數據源的路由以及SQL埋點監控等過程：

具體實現

動態數據源及讀寫分離

在Spring JDBC AbstractRoutingDataSource的基礎上擴展出MultipleDataSource動態數據源類，通過動態數據源注解及AOP實現。

動態數據源

MultipleDataSource動態數據源類，繼承于Spring JDBC AbstractRoutingDataSource抽象類，實現了determineCurrentLookupKey方法，通過setDataSourceKey方法來動態調整dataSourceKey，進而達到動態調整數據源的功能。其類圖如下：

動態數據源AOP

ShardMultipleDataSourceAspect動態數據源切面類，針對DAO方法進行功能增強，通過掃描DataSource動態數據源注解來獲取相應的dataSourceKey，從而指定具體的數據源。具體流程圖如下：

配置和使用方式舉例

/*** 參考配置*/ <bean id="multipleDataSource" class="com.sankuai.meituan.waimai.datasource.multi.MultipleDataSource">/** 數據源配置 */<property name="targetDataSources"><map key-type="java.lang.String"> /** 寫數據源 */<entry key="dbProductWrite" value-ref="dbProductWrite"/>/** 讀數據源 */<entry key="dbProductRead" value-ref="dbProductRead"/></map></property> </bean>/*** DAO使用動態數據源注解*/ public interface WmProductSkuDao {/** 增刪改走寫數據源 */@DataSource("dbProductWrite")public void insert(WmProductSku sku);/** 查詢走讀數據源 */@DataSource("dbProductRead")public void getById(long sku_id); }

分布式唯一主鍵生成器

眾所周知，分庫分表首先要解決的就是分布式唯一主鍵的問題，業界也有很多相關方案：

序號實現方案優點缺點

1	UUID	本地生成，不需要RPC，低延時； 擴展性好，基本沒有性能上限	無法保證趨勢遞增； UUID過長128位，不易存儲，往往用字符串表示
2	Snowflake或MongoDB ObjectId	分布式生成，無單點； 趨勢遞增，生成效率快	沒有全局時鐘的情況下，只能保證趨勢遞增； 當通過NTP進行時鐘同步時可能會出現重復ID； 數據間隙較大
3	proxy服務+數據庫分段獲取ID	分布式生成，段用完后需要去DB獲取，同server有序	可能產生數據空洞，即有些ID沒有分配就被跳過了，主要原因是在服務重啟的時候發生； 無法保證有序，需要未來解決，可能會通過其他接口方案實現

綜上，方案3的缺點可以通過一些手段避免，但其他方案的缺點不好處理，所以選擇第3種方案。目前該方案已由美團點評技術工程部實現——分布式ID生成系統Leaf，MTDDL集成了此功能。

分布式ID生成系統Leaf

美團點評分布式ID生成系統Leaf，其實是一種基于DB的Ticket服務，通過一張通用的Ticket表來實現分布式ID的持久化，執行update更新語句來獲取一批Ticket，這些獲取到的Ticket會在內存中進行分配，分配完之后再從DB獲取下一批Ticket。整體架構圖如下：

每個業務tag對應一條DB記錄，DB MaxID字段記錄當前該Tag已分配出去的最大ID值。

IDGenerator服務啟動之初向DB申請一個號段，傳入號段長度如 genStep = 10000，DB事務置 MaxID = MaxID + genStep，DB設置成功代表號段分配成功。每次IDGenerator號段分配都通過原子加的方式，待分配完畢后重新申請新號段。

唯一主鍵生成算法擴展

MTDDL不僅集成了Leaf算法，還支持唯一主鍵算法的擴展，通過新增唯一主鍵生成策略類實現IDGenStrategy接口即可。IDGenStrategy接口包含兩個方法：getIDGenType用來指定唯一主鍵生成策略，getId用來實現具體的唯一主鍵生成算法。其類圖如下：

分庫分表

在動態數據源AOP的基礎上擴展出分庫分表AOP，通過分庫分表ShardHandle類實現分庫分表數據源路由及分表計算。ShardHandle關聯了分庫分表上下文ShardContext類，而ShardContext封裝了所有的分庫分表算法。其類圖如下：

分庫分表流程圖如下：

分庫分表取模算法

分庫分表目前默認使用的是取模算法，分表算法為 (#shard_key % (group_shard_num * table_shard_num))，分庫算法為 (#shard_key % (group_shard_num * table_shard_num)) / table_shard_num，其中group_shard_num為分庫個數，table_shard_num為每個庫的分表個數。

例如把一張大表分成100張小表然后散到2個庫，則0-49落在第一個庫、50-99落在第二個庫。核心實現如下：

public class ModStrategyHandle implements ShardStrategy {@Overridepublic String getShardType() {return "mod";}@Overridepublic DataTableName handle(String tableName, String dataSourceKey, int tableShardNum, int dbShardNum, Object shardValue) {/** 計算散到表的值 */long shard_value = Long.valueOf(shardValue.toString());long tablePosition = shard_value % tableShardNum;long dbPosition = tablePosition / (tableShardNum / dbShardNum);String finalTableName = new StringBuilder().append(tableName).append("_").append(tablePosition).toString();String finalDataSourceKey = new StringBuilder().append(dataSourceKey).append(dbPosition).toString();return new DataTableName(finalTableName, finalDataSourceKey);} }

分庫分表算法擴展

MTDDL不僅支持分庫分表取模算法，還支持分庫分表算法的擴展，通過新增分庫分表策略類實現ShardStrategy接口即可。ShardStrategy接口包含兩個方法：getShardType用來指定分庫分表策略，handle用來實現具體的數據源及分表計算邏輯。其類圖如下：

全注解方式接入

為了盡可能地方便業務方接入，MTDDL采用全注解方式使用分庫分表功能，通過ShardInfo、ShardOn、IDGen三個注解實現。

ShardInfo注解用來指定具體的分庫分表配置：包括分表名前綴tableName、分表數量tableShardNum、分庫數量dbShardNum、分庫分表策略shardType、唯一鍵生成策略idGenType、唯一鍵業務方標識idGenKey；ShardOn注解用來指定分庫分表字段；IDGen注解用來指定唯一鍵字段。具體類圖如下：

配置和使用方式舉例

// 動態數據源 @DataSource("dbProductSku")// tableName：分表名前綴，tableShardNum：分表數量，dbShardNum：分庫數量，shardType：分庫分表策略，idGenType：唯一鍵生成策略，idGenKey：唯一鍵業務方標識 @ShardInfo(tableName="wm_food", tableShardNum=100, dbShardNum=1, shardType="mod", idGenType=IDGenType.LEAF, idGenKey=LeafKey.SKU) @Component public interface WmProductSkuShardDao {// @ShardOn("wm_poi_id") 將該注解修飾的對象的wm_poi_id字段作為shardValue// @IDGen("id") 指定要設置唯一鍵的字段public void insert(@ShardOn("wm_poi_id") @IDGen("id") WmProductSku sku);// @ShardOn 將該注解修飾的參數作為shardValuepublic List<WmProductSku> getSkusByWmPoiId(@ShardOn long wm_poi_id); }

連接池及SQL監控

DB連接池使用不合理容易引發很多問題，如連接池最大連接數設置過小導致線程獲取不到連接、獲取連接等待時間設置過大導致很多線程掛起、空閑連接回收器運行周期過長導致空閑連接回收不及時等等，如果缺乏有效準確的監控，會造成無法快速定位問題以及追溯歷史。

再者，如果缺乏SQL執行情況相關監控，會很難及時發現DB慢查詢等潛在風險，而慢查詢往往就是DB服務端性能惡化乃至宕機的根源（關于慢查詢，推薦閱讀《MySQL索引原理及慢查詢優化》一文）。MTDDL從1.0.2版本開始正式引入連接池及SQL監控等相關功能。

連接池監控

實現方案

結合Spring完美適配c3p0、dbcp1、dbcp2、mtthrift等多種方案，自動發現新加入到Spring容器中的數據源進行監控，通過美團點評統一監控組件JMonitor上報監控數據。整體架構圖如下：

連接數量監控

監控連接池active、idle、total連接數量，Counter格式：（連接池類型.數據源.active/idle/total_connection），效果圖如下：

獲取連接時間監控

監控獲取空閑連接時間，Counter格式：（ds.getConnection.數據源.time），效果圖如下：

SQL監控

實現方案

采用Spring AOP技術對所有DAO方法進行功能增強處理，通過美團點評分布式會話跟蹤組件MTrace進行SQL調用數據埋點及上報，進而實現從客戶端角度對SQL執行耗時、QPS、調用量、超時率、失敗率等指標進行監控。整體架構圖如下：

實現效果

登錄美團點評的服務治理平臺OCTO選擇服務查看去向分析，效果圖如下：

動態化配置

為了滿足業務方一些動態化需求，如解決線上DB緊急事故需動態調整數據源或者分庫分表相關配置，要求無需重啟在線修改立即生效，MTDDL從1.0.3版本開始正式引入動態化配置相關功能。

實現方案

在Spring容器啟動的時候自動注冊數據源及分庫分表相關配置到美團點評的統一配置中心MCC，在MCC配置管理頁面可以進行動態調整，MCC客戶端在感知到變更事件后會刷新本地配置，如果是數據源配置變更會根據新的配置構造出一個新數據源來替換老數據源，最后再將老的數據源優雅關閉掉。具體流程圖如下：

動態化數據源

目前支持dbcp、dbcp2、c3p0等數據源，效果圖如下：

分庫分表動態化

支持動態化配置分庫分表數量、分庫分表策略、唯一鍵生成策略、唯一鍵業務方標識等，效果圖如下：

版本迭代

MTDDL到目前為止總共開發了四期，后續考慮逐步開源，具體版本迭代如下：

項目名功能開始時間結束時間正式版本快照版本版本備注

MTDDL一期	動態數據源 讀寫分離 分布式唯一主鍵生成器 分庫分表	2016.05.30	2016.06.16	0.0.1	0.0.1-SNAPSHOT	MTDDL第一版
MTDDL二期	分布式唯一主鍵生成算法可擴展 支持零配置接入MTDDL 優化shardkey配置方式	2016.08.23	2016.09.05	1.0.1	1.0.1-SNAPSHOT	MTDDL接入優化
MTDDL三期	連接池及SQL監控 緩存優化	2016.09.06	2016.09.20	1.0.2	1.0.2-SNAPSHOT	MTDDL監控完善
MTDDL四期	唯一主鍵生成注解化 動態化配置	2016.10.11	2016.11.08	1.0.3	1.0.3-SNAPSHOT	MTDDL配置動態化

轉載于:https://www.cnblogs.com/davidwang456/articles/10186576.html

總結

以上是生活随笔為你收集整理的MTDDL——美团点评分布式数据访问层中间件的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。