MySQL如何支撑起亿级流量

对于一个数据库开发者来说，牢固扎实的基础是十分重要的，golang学习网就来带大家一点点的掌握基础知识点。今天本篇文章带大家了解《MySQL如何支撑起亿级流量》，主要介绍了MySQL亿级流量、高负载，希望对大家的知识积累有所帮助，快点收藏起来吧，否则需要时就找不到了！

1 主从读写分离

大部分互联网业务都是读多写少，因此优先考虑DB如何支撑更高查询数，首先就需要区分读、写流量，这才方便针对读流量单独扩展，即主从读写分离。

若前端流量突增导致从库负载过高，DBA会优先做个从库扩容上去，这样对DB的读流量就会落到多个从库，每个从库的负载就降了下来，然后开发再尽力将流量挡在DB层之上。

Cache V.S MySQL读写分离
由于从开发和维护的难度考虑，引入缓存会引入复杂度，要考虑缓存数据一致性，穿透，防雪崩等问题，并且也多维护一类组件。所以推荐优先采用读写分离，扛不住了再使用Cache。

1.1 core

主从读写分离一般将一个DB的数据拷贝为一或多份，并且写入到其它的DB服务器中：

• 原始DB为主库，负责数据写入
• 拷贝目标DB为从库，负责数据查询

所以主从读写分离的关键：

• 数据的拷贝
  

即主从复制

• 屏蔽主从分离带来的访问DB方式的变化
  

让开发人员使用感觉依旧在使用单一DB

2 主从复制

MySQL的主从复制依赖于binlog，即记录MySQL上的所有变化并以二进制形式保存在磁盘上二进制日志文件。

主从复制就是将binlog中的数据从主库传输到从库，一般异步：主库操作不会等待binlog同步完成。

2.1 主从复制的过程

• 从库在连接到主节点时会创建一个I/O线程，以请求主库更新的binlog，并把接收到的binlog写入relay log文件，主库也会创建一个log dump线程发送binlog给从库
• 从库还会创建一个SQL线程，读relay log，并在从库中做回放，最终实现主从的一致性

使用独立的log dump线程是异步，避免影响主库的主体更新流程，而从库在接收到信息后并不是写入从库的存储，是写入一个relay log，这是为避免写入从库实际存储会比较耗时，最终造成从库和主库延迟变长。

• 主从异步复制的过程

基于性能考虑，主库写入流程并没有等待主从同步完成就返回结果，极端情况下，比如主库上binlog还没来得及落盘，就发生磁盘损坏或机器掉电，导致binlog丢失，主从数据不一致。不过概率很低，可容忍。

主库宕机后，binlog丢失导致的主从数据不一致也只能手动恢复。

主从复制后，即可：

• 在写入时只写主库
• 在读数据时只读从库

这样即使写请求会锁表或锁记录，也不会影响读请求执行。高并发下，可部署多个从库共同承担读流量，即一主多从支撑高并发读。

从库也能当成个备库，以避免主库故障导致数据丢失。

那无限制地增加从库就能支撑更高并发吗？
NO！从库越多，从库连接上来的I/O线程越多，主库也要创建同样多log dump线程处理复制的请求，对于主库资源消耗较高，同时受限于主库的网络带宽，所以一般一个主库最多挂3～5个从库。

2.2 主从复制的副作用

比如发朋友圈这一操作，就存在数据的：

• 同步操作
  

如更新DB

• 异步操作
  

如将朋友圈内容同步给审核系统

所以更新完主库后，会将朋友圈ID写入MQ，由Consumer依据ID在从库获取朋友圈信息再发给审核系统。
此时若主从DB存在延迟，会导致在从库取不到朋友圈信息，出现异常！

主从延迟对业务的影响示意图

2.3 避免主从复制的延迟

这咋办呢？其实解决方案有很多，核心思想都是 尽量不去从库查询数据。因此针对上述案例，就有如下方案：

2.3.1 数据冗余

可在发MQ时，不止发送朋友圈ID，而是发给Consumer需要的所有朋友圈信息，避免从DB重新查询数据。

推荐该方案，因为足够简单，不过可能造成单条消息较大，从而增加消息发送的带宽和时间。

2.3.2 使用Cache

在同步写DB的同时，把朋友圈数据写Cache，这样Consumer在获取朋友圈信息时，优先查询Cache，这也能保证数据一致性。

该方案适合新增数据的场景。若是在更新数据场景下，先更新Cache可能导致数据不一致。比如两个线程同时更新数据：

• 线程A把Cache数据更新为1
• 另一个线程B把Cache数据更新为2
• 然后线程B又更新DB数据为2
• 线程A再更新DB数据为1

最终DB值（1）和Cache值（2）不一致！

2.3.3 查询主库

可以在Consumer中不查询从库，而改为查询主库。

使用要慎重，要明确查询的量级不会很大，是在主库的可承受范围之内，否则会对主库造成较大压力。

若非万不得已，不要使用该方案。因为要提供一个查询主库的接口，很难保证其他人不滥用该方法。

主从同步延迟也是排查问题时容易忽略。
有时会遇到从DB获取不到信息的诡异问题，会纠结代码中是否有一些逻辑把之前写入内容删除了，但发现过段时间再去查询时又能读到数据，这基本就是主从延迟问题。
所以，一般把从库落后的时间作为一个重点DB指标，做监控和报警，正常时间在ms级，达到s级就要告警。

主从的延迟时间预警，那如何通过哪个数据库中的哪个指标来判别？ 在从从库中，通过监控show slave
status\G命令输出的Seconds_Behind_Master参数的值判断，是否有发生主从延时。
这个参数值是通过比较sql_thread执行的event的timestamp和io_thread复制好的
event的timestamp(简写为ts)进行比较，而得到的这么一个差值。
但如果复制同步主库bin_log日志的io_thread线程负载过高，则Seconds_Behind_Master一直为0，即无法预警，通过Seconds_Behind_Master这个值来判断延迟是不够准确。其实还可以通过比对master和slave的binlog位置。

3 如何访问DB

使用主从复制将数据复制到多个节点，也实现了DB的读写分离，这时，对DB的使用也发生了变化：

• 以前只需使用一个DB地址
• 现在需使用一个主库地址，多个从库地址，且需区分写入操作和查询操作，再结合“分库分表”，复杂度大大提升。

为降低实现的复杂度，业界涌现了很多DB中间件解决DB的访问问题，大致分为：

3.1 应用程序内部

如TDDL（ Taobao Distributed Data Layer），以代码形式内嵌运行在应用程序内部。可看成是一种数据源代理，它的配置管理多个数据源，每个数据源对应一个DB，可能是主库或从库。
当有一个DB请求时，中间件将SQL语句发给某个指定数据源，然后返回处理结果。

优点

简单易用，部署成本低，因为植入应用程序内部，与程序一同运行，适合运维较弱的小团队。

缺点

缺乏多语言支持，都是Java语言开发的，无法支持其他的语言。版本升级也依赖使用方的更新。

3.2 独立部署的代理层方案

如Mycat、Atlas、DBProxy。

这类中间件部署在独立服务器，业务代码如同在使用单一DB，实际上它内部管理着很多的数据源，当有DB请求时，它会对SQL语句做必要的改写，然后发往指定数据源。

优点

• 一般使用标准MySQL通信协议，所以可支持多种语言
• 独立部署，所以方便维护升级，适合有运维能力的大中型团队

缺点

• 所有的SQL语句都需要跨两次网络：从应用到代理层和从代理层到数据源，所以在性能上会有一些损耗。

4 总结

可以把主从复制引申为存储节点之间互相复制存储数据的技术，可以实现数据冗余，以达到备份和提升横向扩展能力。

使用主从复制时，需考虑：

• 主从的一致性和写入性能的权衡
  

若保证所有从节点都写入成功，则写性能一定受影响；若只写主节点就返回成功，则从节点就可能出现数据同步失败，导致主从不一致。互联网项目，一般优先考虑性能而非数据的强一致性

• 主从的延迟
  

会导致很多诡异的读取不到数据的问题

很多实际案例：

• Redis通过主从复制实现读写分离
• Elasticsearch中存储的索引分片也可被复制到多个节点
• 写入到HDFS中，文件也会被复制到多个DataNode中

不同组件对于复制的一致性、延迟要求不同，采用的方案也不同，但设计思想是相通的。

FAQ

若大量订单，通过userId hash到不同库，对前台用户订单查询有利，但后台系统页面需查看全部订单且排序，SQL执行就很慢。这该怎么办呢？

由于后台系统不能直接查询分库分表的数据，可考虑将数据同步至一个单独的后台库或同步至ES。

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于数据库的相关知识，也可关注golang学习网公众号。