?1 為什么要拆分？

先看一段對話：

從上面對話可以看出拆分的理由：

(資料圖片僅供參考)

1）應(yīng)用間耦合嚴重。系統(tǒng)內(nèi)各個應(yīng)用之間不通，同樣一個功能在各個應(yīng)用中都有實現(xiàn)，后果就是改一處功能，需要同時改系統(tǒng)中的所有應(yīng)用。這種情況多存在于歷史較長的系統(tǒng)，因各種原因，系統(tǒng)內(nèi)的各個應(yīng)用都形成了自己的業(yè)務(wù)小閉環(huán)；

2）業(yè)務(wù)擴展性差。數(shù)據(jù)模型從設(shè)計之初就只支持某一類的業(yè)務(wù)，來了新類型的業(yè)務(wù)后又得重新寫代碼實現(xiàn)，結(jié)果就是項目延期，大大影響業(yè)務(wù)的接入速度；

3）代碼老舊，難以維護。各種隨意的if else、寫死邏輯散落在應(yīng)用的各個角落，處處是坑，開發(fā)維護起來戰(zhàn)戰(zhàn)兢兢；

4）系統(tǒng)擴展性差。系統(tǒng)支撐現(xiàn)有業(yè)務(wù)已是顫顫巍巍，不論是應(yīng)用還是DB都已經(jīng)無法承受業(yè)務(wù)快速發(fā)展帶來的壓力；

5）新坑越挖越多，惡性循環(huán)。不改變的話，最終的結(jié)果就是把系統(tǒng)做死了。

2 拆前準備什么?2.1 多維度把握業(yè)務(wù)復(fù)雜度

一個老生常談的問題，系統(tǒng)與業(yè)務(wù)的關(guān)系？

我們最期望的理想情況是第一種關(guān)系（車輛與人），業(yè)務(wù)覺得不合適，可以馬上換一輛新的。但現(xiàn)實的情況是更像心臟起搏器與人之間的關(guān)系，不是說換就能換。一個系統(tǒng)接的業(yè)務(wù)越多，耦合越緊密。如果在沒有真正把握住業(yè)務(wù)復(fù)雜度之前貿(mào)然行動，最終的結(jié)局就是把心臟帶飛。關(guān)注公眾號：碼猿技術(shù)專欄，回復(fù)關(guān)鍵詞：1111 獲取阿里內(nèi)部Java性能調(diào)優(yōu)手冊！

如何把握住業(yè)務(wù)復(fù)雜度？需要多維度的思考、實踐。

一個是技術(shù)層面，通過與pd以及開發(fā)的討論，熟悉現(xiàn)有各個應(yīng)用的領(lǐng)域模型，以及優(yōu)缺點，這種討論只能讓人有個大概，更多的細節(jié)如代碼、架構(gòu)等需要通過做需求、改造、優(yōu)化這些實踐來掌握。

各個應(yīng)用熟悉之后，需要從系統(tǒng)層面來構(gòu)思，我們想打造平臺型的產(chǎn)品，那么最重要也是最難的一點就是功能集中管控，打破各個應(yīng)用的業(yè)務(wù)小閉環(huán)，統(tǒng)一收攏，這個決心更多的是開發(fā)、產(chǎn)品、業(yè)務(wù)方、各個團隊之間達成的共識，可以參考《微服務(wù)（Microservice）那點事》一文，“按照業(yè)務(wù)或者客戶需求組織資源”。

此外也要與業(yè)務(wù)方保持功能溝通、計劃溝通，確保應(yīng)用拆分出來后符合使用需求、擴展需求，獲取他們的支持。

2.2 定義邊界，原則：高內(nèi)聚，低耦合，單一職責(zé)！

業(yè)務(wù)復(fù)雜度把握后，需要開始定義各個應(yīng)用的服務(wù)邊界。怎么才算是好的邊界？像葫蘆娃兄弟一樣的應(yīng)用就是好的！

舉個例子，葫蘆娃兄弟（應(yīng)用）間的技能是相互獨立的，遵循單一職責(zé)原則，比如水娃只能噴水，火娃只會噴火，隱形娃不會噴水噴火但能隱身。更為關(guān)鍵的是，葫蘆娃兄弟最終可以合體為金剛葫蘆娃，即這些應(yīng)用雖然功能彼此獨立，但又相互打通，最后合體在一起就成了我們的平臺。

這里很多人會有疑惑，拆分粒度怎么控制？很難有一個明確的結(jié)論，只能說是結(jié)合業(yè)務(wù)場景、目標、進度的一個折中。但總體的原則是先從一個大的服務(wù)邊界開始，不要太細，因為隨著架構(gòu)、業(yè)務(wù)的演進，應(yīng)用自然而然會再次拆分，讓正確的事情自然發(fā)生才最合理。關(guān)注公眾號：碼猿技術(shù)專欄，回復(fù)關(guān)鍵詞：1111 獲取阿里內(nèi)部Java性能調(diào)優(yōu)手冊！

2.3 確定拆分后的應(yīng)用目標

一旦系統(tǒng)的宏觀應(yīng)用拆分圖出來后，就要落實到某一具體的應(yīng)用拆分上了。

首先要確定的就是某一應(yīng)用拆分后的目標。拆分優(yōu)化是沒有底的，可能越做越深，越做越?jīng)]結(jié)果，繼而又影響自己和團隊的士氣。比如說可以定這期的目標就是將db、應(yīng)用分拆出去，數(shù)據(jù)模型的重新設(shè)計可以在第二期。

2.4 確定當(dāng)前要拆分應(yīng)用的架構(gòu)狀態(tài)、代碼情況、依賴狀況，并推演可能的各種異常。

動手前的思考成本遠遠低于動手后遇到問題的解決成本。應(yīng)用拆分最怕的是中途說“他*的，這塊不能動，原來當(dāng)時這樣設(shè)計是有原因的，得想別的路子！”這時的壓力可想而知，整個節(jié)奏不符合預(yù)期后，很可能會接二連三遇到同樣的問題，這時不僅同事們士氣下降，自己也會喪失信心，繼而可能導(dǎo)致拆分失敗。

2.5給自己留個錦囊，“有備無患”

錦囊就四個字“有備無患”，可以貼在桌面或者手機上。在以后具體實施過程中，多思考下“方案是否有多種可以選擇？復(fù)雜問題能否拆解？實際操作時是否有預(yù)案？”，應(yīng)用拆分在具體實踐過程中比拼得就是細致二字，多一份方案，多一份預(yù)案，不僅能提升成功概率，更給自己信心。

2.6 放松心情，緩解壓力

收拾下心情，開干！

3 實踐3.1 db拆分實踐

DB拆分在整個應(yīng)用拆分環(huán)節(jié)里最復(fù)雜，分為垂直拆分和水平拆分兩種場景，我們都遇到了。垂直拆分是將庫里的各個表拆分到合適的數(shù)據(jù)庫中。比如一個庫中既有消息表，又有人員組織結(jié)構(gòu)表，那么將這兩個表拆分到獨立的數(shù)據(jù)庫中更合適。

水平拆分：以消息表為例好了，單表突破了千萬行記錄，查詢效率較低，這時候就要將其分庫分表。

3.1.1 主鍵id接入全局id發(fā)生器

DB拆分的第一件事情就是使用全局id發(fā)生器來生成各個表的主鍵id。為什么？

舉個例子，假如我們有一張表，兩個字段id和token，id是自增主鍵生成，要以token維度來分庫分表，這時繼續(xù)使用自增主鍵會出現(xiàn)問題。

正向遷移擴容中，通過自增的主鍵，到了新的分庫分表里一定是唯一的，但是，我們要考慮遷移失敗的場景，如下圖所示，新的表里假設(shè)已經(jīng)插入了一條新的記錄，主鍵id也是2，這個時候假設(shè)開始回滾，需要將兩張表的數(shù)據(jù)合并成一張表（逆向回流），就會產(chǎn)生主鍵沖突！

因此在遷移之前，先要用全局唯一id發(fā)生器生成的id來替代主鍵自增id。這里有幾種全局唯一id生成方法可以選擇。

1）snowflake：https://github.com/twitter/snowflake；（非全局遞增）

2） mysql新建一張表用來專門生成全局唯一id（利用auto_increment功能）（全局遞增）；

3）有人說只有一張表怎么保證高可用？那兩張表好了（在兩個不同db），一張表產(chǎn)生奇數(shù)，一張表產(chǎn)生偶數(shù)。或者是n張表，每張表的負責(zé)的步長區(qū)間不同（非全局遞增）

4）……

我們使用的是阿里巴巴內(nèi)部的tddl-sequence（mysql+內(nèi)存），保證全局唯一但非遞增，在使用上遇到一些坑：

1）對按主鍵id排序的sql要提前改造。因為id已經(jīng)不保證遞增，可能會出現(xiàn)亂序場景，這時候可以改造為按gmt_create排序；

2）報主鍵沖突問題。這里往往是代碼改造不徹底或者改錯造成的，比如忘記給某一insert sql的id添加#{}，導(dǎo)致繼續(xù)使用自增，從而造成沖突；

3.1.2 建新表&遷移數(shù)據(jù)&binlog同步

1） 新表字符集建議是utf8mb4，支持表情符。新表建好后索引不要漏掉，否則可能會導(dǎo)致慢sql！從經(jīng)驗來看索引被漏掉時有發(fā)生，建議事先列計劃的時候?qū)⑦@些要點記下，后面逐條檢查；

2） 使用全量同步工具或者自己寫job來進行全量遷移；全量數(shù)據(jù)遷移務(wù)必要在業(yè)務(wù)低峰期時操作，并根據(jù)系統(tǒng)情況調(diào)整并發(fā)數(shù)；

3） 增量同步。全量遷移完成后可使用binlog增量同步工具來追數(shù)據(jù)，比如阿里內(nèi)部使用精衛(wèi)，其它企業(yè)可能有自己的增量系統(tǒng)，或者使用阿里開源的cannal/otter：

https://github.com/alibaba/canal?spm=5176.100239.blogcont11356.10.5eNr98

https://github.com/alibaba/otter/wiki/QuickStart?spm=5176.100239.blogcont11356.21.UYMQ17

增量同步起始獲取的binlog位點必須在全量遷移之前，否則會丟數(shù)據(jù)，比如我中午12點整開始全量同步，13點整全量遷移完畢，那么增量同步的binlog的位點一定要選在12點之前。

位點在前會不會導(dǎo)致重復(fù)記錄？不會！線上的MySQL binlog是row 模式，如一個delete語句刪除了100條記錄，binlog記錄的不是一條delete的邏輯sql，而是會有100條binlog記錄。insert語句插入一條記錄，如果主鍵沖突，插入不進去。

3.1.3 聯(lián)表查詢sql改造

現(xiàn)在主鍵已經(jīng)接入全局唯一id，新的庫表、索引已經(jīng)建立，且數(shù)據(jù)也在實時追平，現(xiàn)在可以開始切庫了嗎？no！

考慮以下非常簡單的聯(lián)表查詢sql，如果將B表拆分到另一個庫里的話，這個sql怎么辦？畢竟跨庫聯(lián)表查詢是不支持的！

因此，在切庫之前，需要將系統(tǒng)中上百個聯(lián)表查詢的sql改造完畢。

如何改造呢？

1）業(yè)務(wù)避免

業(yè)務(wù)上松耦合后技術(shù)才能松耦合，繼而避免聯(lián)表sql。但短期內(nèi)不現(xiàn)實，需要時間沉淀；

2）全局表

每個應(yīng)用的庫里都冗余一份表，缺點：等于沒有拆分，而且很多場景不現(xiàn)實，表結(jié)構(gòu)變更麻煩；

3）冗余字段

就像訂單表一樣，冗余商品id字段，但是我們需要冗余的字段太多，而且要考慮字段變更后數(shù)據(jù)更新問題；

4）內(nèi)存拼接

4.1）通過RPC調(diào)用來獲取另一張表的數(shù)據(jù)，然后再內(nèi)存拼接。1）適合job類的sql，或改造后RPC查詢量較少的sql；2）不適合大數(shù)據(jù)量的實時查詢sql。假設(shè)10000個ID，分頁RPC查詢，每次查100個，需要5ms，共需要500ms，rt太高。

4.2）本地緩存另一張表的數(shù)據(jù)

適合數(shù)據(jù)變化不大、數(shù)據(jù)量查詢大、接口性能穩(wěn)定性要求高的sql。

3.1.4切庫方案設(shè)計與實現(xiàn)（兩種方案）

以上步驟準備完成后，就開始進入真正的切庫環(huán)節(jié)，這里提供兩種方案，我們在不同的場景下都有使用。

a）DB停寫方案

優(yōu)點：快，成本低；

缺點：

1）如果要回滾得聯(lián)系DBA執(zhí)行線上停寫操作，風(fēng)險高，因為有可能在業(yè)務(wù)高峰期回滾；

2）只有一處地方校驗，出問題的概率高，回滾的概率高

舉個例子，如果面對的是比較復(fù)雜的業(yè)務(wù)遷移，那么很可能發(fā)生如下情況導(dǎo)致回滾：

sql聯(lián)表查詢改造不完全；

sql聯(lián)表查詢改錯&性能問題；

索引漏加導(dǎo)致性能問題；

字符集問題

此外，binlog逆向回流很可能發(fā)生字符集問題（utf8mb4到gbk），導(dǎo)致回流失敗。這些binlog同步工具為了保證強最終一致性，一旦某條記錄回流失敗，就卡住不同步，繼而導(dǎo)致新老表的數(shù)據(jù)不同步，繼而無法回滾！

b）雙寫方案

第2步“打開雙寫開關(guān)，先寫老表A再寫新表B”，這時候確保寫B(tài)表時try catch住，異常要用很明確的標識打出來，方便排查問題。第2步雙寫持續(xù)短暫時間后（比如半分鐘后），可以關(guān)閉binlog同步任務(wù)。

優(yōu)點：

1）將復(fù)雜任務(wù)分解為一系列可測小任務(wù)，步步為贏；

2）線上不停服，回滾容易；

3）字符集問題影響小

缺點：

1）流程步驟多，周期長；

2）雙寫造成RT增加

3.1.5 開關(guān)要寫好

不管什么切庫方案，開關(guān)少不了，這里開關(guān)的初始值一定要設(shè)置為null！

如果隨便設(shè)置一個默認值，比如”讀老表A“，假設(shè)我們已經(jīng)進行到讀新表B的環(huán)節(jié)了。這時重啟了應(yīng)用，在應(yīng)用啟動的一瞬間，最新的“讀新表B”的開關(guān)推送等可能沒有推送過來，這個時候就可能使用默認值，繼而造成臟數(shù)據(jù)！

3.2 拆分后一致性怎么保證？

以前很多表都在一個數(shù)據(jù)庫內(nèi)，使用事務(wù)非常方便，現(xiàn)在拆分出去了，如何保證一致性？

1）分布式事務(wù)

性能較差，幾乎不考慮。

2）消息機制補償（如何用消息系統(tǒng)避免分布式事務(wù)？）

3）定時任務(wù)補償

用得較多，實現(xiàn)最終一致，分為加數(shù)據(jù)補償，刪數(shù)據(jù)補償兩種。

3.3 應(yīng)用拆分后穩(wěn)定性怎么保證？

一句話：懷疑第三方，防備使用方，做好自己！

1）懷疑第三方

a）防御式編程，制定好各種降級策略；

比如緩存主備、推拉結(jié)合、本地緩存……

b）遵循快速失敗原則，一定要設(shè)置超時時間，并異常捕獲；

c）強依賴轉(zhuǎn)弱依賴，旁支邏輯異步化

我們對某一個核心應(yīng)用的旁支邏輯異步化后，響應(yīng)時間幾乎縮短了1/3，且后面中間件、其它應(yīng)用等都出現(xiàn)過抖動情況，而核心鏈路一切正常；

d）適當(dāng)保護第三方，慎重選擇重試機制

2）防備使用方

a）設(shè)計一個好的接口，避免誤用

遵循接口最少暴露原則；很多同學(xué)搭建完新應(yīng)用后會隨手暴露很多接口，而這些接口由于沒人使用而缺乏維護，很容易給以后挖坑。聽到過不只一次對話，”你怎么用我這個接口啊，當(dāng)時隨便寫的，性能很差的“；不要讓使用方做接口可以做的事情；比如你只暴露一個getMsgById接口，別人如果想批量調(diào)用的話，可能就直接for循環(huán)rpc調(diào)用，如果提供getMsgListByIdList接口就不會出現(xiàn)這種情況了。避免長時間執(zhí)行的接口；特別是一些老系統(tǒng)，一個接口背后對應(yīng)的可能是for循環(huán)select DB的場景?！?p>b）容量限制

按應(yīng)用優(yōu)先級進行流控；不僅有總流量限流，還要區(qū)分應(yīng)用，比如核心應(yīng)用的配額肯定比非核心應(yīng)用配額高；業(yè)務(wù)容量控制。有些時候不僅僅是系統(tǒng)層面的限制，業(yè)務(wù)層面也需要限制。舉個例子，對saas化的一些系統(tǒng)來說，”你這個租戶最多1w人使用“。

3）做好自己

a）單一職責(zé)

b）及時清理歷史坑

例：例如我們改造時候發(fā)現(xiàn)一年前留下的坑，去掉后整個集群cpu使用率下降1/3

c）運維SOP化

說實話，線上出現(xiàn)問題，如果沒有預(yù)案，再怎么處理都會超時。曾經(jīng)遇到過一次DB故障導(dǎo)致臟數(shù)據(jù)問題，最終只能硬著頭皮寫代碼來清理臟數(shù)據(jù)，但是時間很長，只能眼睜睜看著故障不斷升級。經(jīng)歷過這個事情后，我們馬上設(shè)想出現(xiàn)臟數(shù)據(jù)的各種場景，然后上線了三個清理臟數(shù)據(jù)的job，以防其它不可預(yù)知的產(chǎn)生臟數(shù)據(jù)的故障場景，以后只要遇到出現(xiàn)臟數(shù)據(jù)的故障，直接觸發(fā)這三個清理job，先恢復(fù)再排查。

d）資源使用可預(yù)測

應(yīng)用的cpu、內(nèi)存、網(wǎng)絡(luò)、磁盤心中有數(shù)

正則匹配耗cpu

耗性能的job優(yōu)化、降級、下線（循環(huán)調(diào)用rpc或sql）

慢sql優(yōu)化、降級、限流

tair/redis、db調(diào)用量要可預(yù)測

例：tair、db

舉個例子: 某一個接口類似于秒殺功能，qps非常高（如下圖所示），請求先到tair，如果找不到會回源到DB，當(dāng)請求突增時候，甚至?xí)|發(fā)tair/redis這層緩存的限流，此外由于緩存在一開始是沒數(shù)據(jù)的，請求會穿透到db，從而擊垮db。

這里的核心問題就是tair/redis這層資源的使用不可預(yù)測，因為依賴于接口的qps，怎么讓請求變得可預(yù)測呢？

如果我們再增加一層本地緩存（guava，比如超時時間設(shè)置為1秒），保證單機對一個key只有一個請求回源，那樣對tair/redis這層資源的使用就可以預(yù)知了。假設(shè)有500臺client，對一個key來說，一瞬間最多500個請求穿透到Tair/redis，以此類推到db。

再舉個例子：

比如client有500臺，對某key一瞬間最多有500個請求穿透到db，如果key有10個，那么請求最多可能有5000個到db，恰好這些sql的RT有些高，怎么保護DB的資源？

可以通過一個定時程序不斷將數(shù)據(jù)從db刷到緩存。這里就將不可控的5000個qps的db訪問變?yōu)榭煽氐膫€位數(shù)qps的db訪問。

4 總結(jié)

1）做好準備面對壓力！

2）復(fù)雜問題要拆解為多步驟，每一步可測試可回滾！

這是應(yīng)用拆分過程中的最有價值的實踐經(jīng)驗！

3）墨菲定律：你所擔(dān)心的事情一定會發(fā)生，而且會很快發(fā)生，所以準備好你的SOP（標準化解決方案）！

某個周五和組里同事吃飯時討論到某一個功能存在風(fēng)險，約定在下周解決，結(jié)果周一剛上班該功能就出現(xiàn)故障了。以前講小概率不可能發(fā)生，但是概率再小也是有值的，比如p=0.00001%，互聯(lián)網(wǎng)環(huán)境下，請求量足夠大，小概率事件就真發(fā)生了。

4）借假修真

這個詞看上去有點玄乎，顧名思義，就是在借者一些事情，來提升另外一種能力，前者稱為假，后者稱為真。在任何一個單位，對核心系統(tǒng)進行大規(guī)模拆分改造的機會很少，因此一旦你承擔(dān)起責(zé)任，就毫不猶豫地全力以赴吧！不要被過程的曲折所嚇倒，心智的磨礪，才是本真。

關(guān)鍵詞：