粉丝关系链,10亿数据,如何设计?
继续答星球水友提问,大数据量,高并发量,好友关系链、粉丝关系链要如何设计?
什么是关系链业务?
关系链主要分为两类,弱好友关系与强好友关系,两类都有典型的互联网产品应用。
弱好友关系的建立,不需要双方彼此同意:
用户A关注用户B,不需要用户B同意,此时用户A与用户B为弱好友关系,对A而言,暂且理解为“关注”;
用户B关注用户A,也不需要用户A同意,此时用户A与用户B也为弱好友关系,对A而言,暂且理解为“粉丝”;
idol与fans这类微博粉丝关系链,是一个典型的弱好友关系应用。
强好友关系的建立,需要好友关系双方彼此同意:
用户A请求添加用户B为好友,用户B同意,此时用户A与用户B则互为强好友关系,即A是B的好友,B也是A的好友;
QQ好友关系链,是一个典型的强好友关系应用。
好友中心是一个典型的多对多业务:
一个用户可以添加多个好友
也可以被多个好友添加
其典型架构为:
friend-service:好友中心服务,对调用者提供友好的RPC接口
db:对好友数据进行存储
弱好友关系,存储层应该如何实现?
通过弱好友关系业务分析,很容易了解到,其核心元数据为:
guanzhu(uid, guanzhu_uid);
fensi(uid, fensi_uid);
其中:
guanzhu表,用户记录uid所有关注用户guanzhu_uid
fensi表,用来记录uid所有粉丝用户fensi_uid
需要强调的是,一条弱关系的产生,会产生两条记录,一条关注记录,一条粉丝记录。
例如:用户A(uid=1)关注了用户B(uid=2),A多关注了一个用户,B多了一个粉丝,于是:
guanzhu表要插入{1, 2}这一条记录,1关注了2
fensi表要插入{2, 1}这一条记录,2粉了1
如何查询一个用户关注了谁?
回答:在guanzhu的uid上建立索引:
select * from guanzhu where uid=1;
即可得到结果,1关注了2。
如何查询一个用户粉了谁?
回答:在fensi的uid上建立索引:
select * from fensi where uid=2;
即可得到结果,2粉了1。
强好友关系,存储层应该如何实现?
方案一
通过强好友关系业务分析,很容易了解到,其核心元数据为:
friend(uid1, uid2);
其中:
uid1,强好友关系中一方的uid
uid2,强好友关系中另一方的uid
uid=1的用户添加了uid=2的用户,双方都同意加彼此为好友,这个强好友关系,在数据库中应该插入记录{1, 2}还是记录{2,1}呢?
回答:都可以。为了避免歧义,可以人为约定,插入记录时uid1的值必须小于uid2。
例如:有uid=1,2,3三个用户,他们互为强好友关系,那边数据库中可能是这样的三条记录
{1, 2}
{2, 3}
{1, 3}
如何查询一个用户的好友呢?
回答:假设要查询uid=2的所有好友,只需在uid1和uid2上建立索引,然后:
select * from friend where uid1=2
union
select * from friend where uid2=2
即可得到结果。
方案二
强好友关系是弱好友关系的一个特例,A和B必须互为关注关系(也可以说,同时互为粉丝关系),即也可以使用关注表和粉丝表来实现:
guanzhu(uid, guanzhu_uid);
fensi(uid, fensi_uid);
例如:用户A(uid=1)和用户B(uid=2)为强好友关系,即相互关注:
用户A(uid=1)关注了用户B(uid=2),A多关注了一个用户,B多了一个粉丝,于是:
guanzhu表要插入{1, 2}这一条记录
fensi表要插入{2, 1}这一条记录
同时,用户B(uid=2)也关注了用户A(uid=1),B多关注了一个用户,A多了一个粉丝,于是:
guanzhu表要插入{2, 1}这一条记录
fensi表要插入{1, 2}这一条记录
两种实现,各有什么优缺点?
对于强好友关系的两类实现:
friend(uid1, uid2)表
数据冗余guanzhu表与fensi表(后文称正表T1与反表T2)
在数据量小时,看似无差异,但数据量大时,数据冗余的优势就体现出来了:
friend表,数据量大时,如果使用uid1来分库,那么uid2上的查询就需要遍历多库
正表T1与反表T2通过数据冗余来实现好友关系,{1,2}{2,1}分别存在于两表中,故两个表都使用uid来分库,均只需要进行一次查询,就能找到对应的关注与粉丝,而不需要多个库扫描
画外音:假如有10亿关系链,必须水平切分。
数据冗余,是多对多关系,在数据量大时,数据水平切分的常用实践。
如何进行数据冗余?
接下来的问题转化为,好友中心服务如何来进行数据冗余,常见有三种方法。
方法一:服务同步冗余
顾名思义,由好友中心服务同步写冗余数据,如上图1-4流程:
业务方调用服务,新增数据
服务先插入T1数据
服务再插入T2数据
服务返回业务方新增数据成功
优点:
不复杂,服务层由单次写,变两次写
数据一致性相对较高(因为双写成功才返回)
缺点:
请求的处理时间增加(要插入次,时间加倍)
数据仍可能不一致,例如第二步写入T1完成后服务重启,则数据不会写入T2
如果系统对处理时间比较敏感,引出常用的第二种方案。
方法二:服务异步冗余
数据的双写并不再由好友中心服务来完成,服务层异步发出一个消息,通过消息总线发送给一个专门的数据复制服务来写入冗余数据,如上图1-6流程:
业务方调用服务,新增数据
服务先插入T1数据
服务向消息总线发送一个异步消息(发出即可,不用等返回,通常很快就能完成)
服务返回业务方新增数据成功
消息总线将消息投递给数据同步中心
数据同步中心插入T2数据
优点:
请求处理时间短(只插入1次)
缺点:
系统的复杂性增加了,多引入了一个组件(消息总线)和一个服务(专用的数据复制服务)
因为返回业务线数据插入成功时,数据还不一定插入到T2中,因此数据有一个不一致时间窗口(这个窗口很短,最终是一致的)
在消息总线丢失消息时,冗余表数据会不一致
如果想解除“数据冗余”对系统的耦合,引出常用的第三种方案。
方法三:线下异步冗余
数据的双写不再由好友中心服务来完成,而是由线下的一个服务或者任务来完成,如上图1-6流程:
业务方调用服务,新增数据
服务先插入T1数据
服务返回业务方新增数据成功
数据会被写入到数据库的log中
线下服务或者任务读取数据库的log
线下服务或者任务插入T2数据
优点:
数据双写与业务完全解耦
请求处理时间短(只插入1次)
缺点:
返回业务线数据插入成功时,数据还不一定插入到T2中,因此数据有一个不一致时间窗口(这个窗口很短,最终是一致的)
数据的一致性依赖于线下服务或者任务的可靠性
上述三种方案各有优缺点,可以结合实际情况选取。
数据冗余固然能够解决多对多关系的数据库水平切分问题,但又带来了新的问题,如何保证正表T1与反表T2的数据一致性呢?
从上面的讨论可以看到,不管哪种方案,因为两步操作不能保证原子性,总有出现数据不一致的可能,高吞吐分布式事务是业内尚未解决的难题,此时的架构优化方向:最终一致性。并不是完全保证数据的实时一致,而是尽早的发现不一致,并修复不一致。
最终一致性,是高吞吐互联网业务一致性的常用实践。更具体的,保证数据最终一致性的常见方案有三种。
方法一:线下扫面正反冗余表全部数据
如上图所示,线下启动一个离线的扫描工具,不停的比对正表T1和反表T2,如果发现数据不一致,就进行补偿修复。
优点:
比较简单,开发代价小
线上服务无需修改,修复工具与线上服务解耦
缺点:
扫描效率低,会扫描大量的“已经能够保证一致”的数据
由于扫描的数据量大,扫描一轮的时间比较长,即数据如果不一致,不一致的时间窗口比较长
有没有只扫描“可能存在不一致可能性”的数据,而不是每次扫描全部数据,以提高效率的优化方法呢?
方法二:线下扫描增量数据
每次只扫描增量的日志数据,就能够极大提高效率,缩短数据不一致的时间窗口,如上图1-4流程所示:
写入正表T1
第一步成功后,写入日志log1
写入反表T2
第二步成功后,写入日志log2
当然,我们还是需要一个离线的扫描工具,不停的比对日志log1和日志log2,如果发现数据不一致,就进行补偿修复
优点:
虽比方法一复杂,但仍然是比较简单的
数据扫描效率高,只扫描增量数据
缺点:
线上服务略有修改(代价不高,多写了2条日志)
虽然比方法一更实时,但时效性还是不高,不一致窗口取决于扫描的周期
有没有实时检测一致性并进行修复的方法呢?
方法三:实时线上“消息对”检测
这次不是写日志了,而是向消息总线发送消息,如上图1-4流程所示:
写入正表T1
第一步成功后,发送消息msg1
写入反表T2
第二步成功后,发送消息msg2
这次不是需要一个周期扫描的离线工具了,而是一个实时订阅消息的服务不停的收消息。
假设正常情况下,msg1和msg2的接收时间应该在3s以内,如果检测服务在收到msg1后没有收到msg2,就尝试检测数据的一致性,不一致时进行补偿修复
优点:
效率高
实时性高
缺点:
方案比较复杂,上线引入了消息总线这个组件
线下多了一个订阅总线的检测服务
however,技术方案本身就是一个投入产出比的折衷,可以根据业务对一致性的需求程度决定使用哪一种方法。
总结
关系链业务是一个典型的多对多关系,又分为强好友与弱好友
数据冗余是一个常见的多对多业务数据水平切分实践
冗余数据的常见方案有三种
(1)服务同步冗余
(2)服务异步冗余
(3)线下异步冗余
数据冗余会带来一致性问题,高吞吐互联网业务,要想完全保证事务一致性很难,常见的实践是最终一致性
最终一致性的常见实践是,尽快找到不一致,并修复数据,常见方案有三种
(1)线下全量扫描法
(2)线下增量扫描法
(3)线上实时检测法
希望大家有所启示,思路比结论重要。
欢迎大家继续提问,有问必答。
答球友问:
《MQ如何实现平滑迁移?》
《30亿日志,检索+分页+后台展示》
《1000亿文本信息,高并发MD5查询,怎么弄?》
《用DB自增键生成uid了,还能分库吗?》
《处理亿级数据的“定时任务”,如何缩短执行时间?》
粉丝关系链,10亿数据,如何设计?相关推荐
- 架构师之路:粉丝关系链,10亿数据,如何设计?
目录 粉丝关系链,10亿数据,如何设计? 什么是关系链业务? 弱好友关系的建立,不需要双方彼此同意: 强好友关系的建立,需要好友关系双方彼此同意: 弱好友关系,存储层应该如何实现? 如何查询一个用户关 ...
- Redis 10亿数据量只需要100MB内存,为什么这么牛?
作者:java架构设计 来源:toutiao.com/i6767642839267410445 本文主要和大家分享一下redis的高级特性:bit位操作. 力求让大家彻底学会使用redis的bit ...
- 图数据库hugegraph如何快速导入10亿+数据
随着社交.电商.金融.零售.物联网等行业的快速发展,现实社会织起了了一张庞大而复杂的关系网,亟需一种支持海量复杂数据关系运算的数据库即图数据库.本系列文章是学习知识图谱以及图数据库相关的知识梳理与总结 ...
- 破解10亿数据点数据实时可视化
破解10亿数据点数据实时可视化 芬兰Kuopio市,2016/05/19 – LightningChart实现了高达十亿(1,000,000,000)数据点的滚动线图,这种成就在WPF 和 WinFo ...
- 这么设计,Redis 10亿数据量只需要100MB内存
点击上方蓝色"方志朋",选择"设为星标" 回复"666"获取独家整理的学习资料! 来源:www.toutiao.com/i676764283 ...
- 判断数组中某个元素除自身外是否和其他数据不同_布隆过滤器,我也是个处理过 10 亿数据的人...
❝ 文章收录在 GitHub JavaKeeper ,N线互联网开发必备技能兵器谱 什么是 BloomFilter 布隆过滤器(英语:Bloom Filter)是 1970 年由布隆提出的.它实际上是 ...
- nutsdb与mysql_分享下 nutsdb 单机 1 亿、10 亿数据实测
大家好, 想给大家分享下我最近为 nutsdb 做的数据测试. 测试项目 起因 事情起因是这个 issue ,简单说就是内存高了,不够用了. 可能很多人不知道 NutsDB.简单介绍下,NutsDB ...
- 面对 10 亿数据量的挑战,如何对系统进行性能优化?
作者 | 中华石杉 责编 | 伍杏玲 本文经授权转载自石杉的架构笔记 这篇文章,我们来聊一聊在十亿级的大数据量技术挑战下,世界上最优秀的大数据系统之一的Hadoop是如何将系统性能提升数十倍的? 首先 ...
- 惊艳!这份阿里的「10亿级并发设计文档」Git狂揽9000星,堪称大厂直通车!
前言 每逢阿里开展大型活动,比如.双11.双12.等等,使用淘宝的用户就会瞬间飙升,为何淘宝APP从来没有崩盘?淘宝的亿级并发系统架构又是如何设计的呢?又是如何承受住亿级流量带来的并发量呢? 这份阿里 ...
最新文章
- eclipse 环境下 FreeMarker 编辑器插件
- 第八期直播《立体视觉之立体匹配理论与实战》精彩回录
- html选择一个元素,css3选择第n个元素
- HTML系列(七):多媒体
- Ext---CheckBoxGroup的取值和赋值
- 大数据_Hbase-API访问_Java操作Hbase_MR-数据迁移-开发代码---Hbase工作笔记0016
- http.client.ResponseNotReady: Request-sent
- ZABBIX 3.2 基础安装
- Warning: The TensorFlow library wasn't compiled to use SSE,SSE2,SSE3,SSE4.1 instructions
- 一完整的HTTP事务是怎样的过程
- 计算机英语简历模板,计算机专业的英文简历模板
- 计算机类sci一区是什么水平,计算机类高质量SCI分区高水平期刊投稿建议汇总
- Scala学习笔记(1)-基本类型归纳
- 对称加密php,PHP实现对称加密与解密
- 【暑期每日一题】洛谷 P1192 台阶问题
- matlab的ezplot绘图函数
- C# 自定义控件,日期时间选择输入插件
- 基于 Prometheus 的边缘计算监控实践
- 补偿matlab,Type-III 补偿参数计算的 matlab 脚本
- 华硕飞行堡垒7开启虚拟化
热门文章
- 是c语言正确常量的是_,下列表达中,是C语言正确常量的是________。
- onenote隐藏分区_如何使用密码保护OneNote笔记本和分区
- 内网学习——0x05 BloodHound 的使用
- 创建百度个人百科的方法与步骤
- 生活英语词汇:常用电器,常见的公共标志和说明
- GoogleDeveloperDay 回顾
- 十大经典排序,学习排序的时候,参照某位大佬的
- AXIS2视频教程系列(第一课)
- think PHP M(),thinkPHP的用法之M
- 17.使用CSS完成视差滚动效果?