(二) MdbCluster分布式内存数据库——分布式架构1

(二) MdbCluster分布式内存数据库——分布式架构1

 

　　分布式架构是MdbCluster的核心关键，业界有很多相关的实现，却很少有文章详细的解释每个架构实现背后的细节和这么做的原因。在MdbCluster整个研发和测试的过程中，我们不断的遇到各种各样的问题，分析问题的原因，修改相应的设计和实现，再回归测试。很多在设计的时候一些颇为得意的trick，却造成测试时整个系统运行的灾难。无数次的推到重来警醒我们——在没有详细的测试数据支撑的情况下，不要在设计阶段以增加系统复杂度为代价来进行某些想象的优化。虽然我们一直知道这是一条真理，但总有忍不住、自作聪明的时候。现实总能一次次地将我们拉回原地——Keep it simple,stupid! 本文试图总结这一年来我们交的经验税，来详细阐述那些看似简单架构设计背后的复杂细节。

 

　　接我们上一章单节点的架构图，两个节点的架构图如下：

　　MdbClient与每个节点的MdbAgent建立连接，但只与Master节点进行业务通讯。这个架构本身很简单，几乎可以从1-N无限复制，是一个完全的分布式架构，无单点故障。下面我们通过假设读者的问题，来一步步的介绍整个架构。

　　1. 数据是根据什么策略来进行分片的?

　　2. 整个业务的交互流程是怎么样的？

　　3. 当某个节点状态和数量发生变化时，其它节点如何感知？

　　4. 扩容和缩容时，分片是如何调整的？　

　　5. 业务消息是如何校验、错误消息如何重定向、超时消息如何处理？

 

　　一、 数据是根据什么策略来进行分片的?

　　关于MdbCluster的Sharding策略，我们直接采用了Redis的策略。Redis Cluster 采用虚拟哈希槽分区，所有的键根据哈希函数映射到 0 ~ 16383 整数槽内，计算公式：slot = CRC16(key) & 16383。每一个节点负责维护一部分槽以及槽所映射的键值数据。

 

　　

　　从我们项目实际使用过程，来说说这个分片规则的好处。

　　1. 通过 keys -> slot -> node的映射关系，解决了从表的partitionid到Mdbcluster分片nodeid的对应关系。

　　2. 为什么不是keys->node直接映射？在扩容和缩容的过程中，这种解耦将带来迁移的便利。利用上图举个简单例子，如果要将节点从5个扩到10个的时候，上述分片策略，只要将node1的slot(1638-3276)挪到node6。node2的slot(4914-6553)挪到node7。依此类推……只要进行5次节点间的数据迁移。但如果是直接映射，分片策略从keys%5->node 转为 keys%10->node，就会面临node1->(node2, 3, 4, 5, 6, 7, 8, 9,10)都要挪数据的场景，总共需要迁移的次数为9*5=45。反之，缩容也一样。

　　3. 为什么slot的数量是16384？ 2的14次方。网上有很多说法，但我们的经验是：在扩缩容做数据迁移的时候，需要对这个slot的数据进行加锁。如果slot数量太少，锁定的数据量太大，从而造成迁移过程中业务请求失败太多。如果slot数量太多，迁移的批次过多，每次迁移的数据条数太少，造成迁移性能受影响。所以这个数字的大小其实是跟业务每张表的数据量有直接关系的。

 

　　二、整个业务的交互流程是怎么样的？

　　

　　有两点需要特别说明，第一是App的驱动到MdbClient是同步请求，有超时管理。这样做的好处是简化业务逻辑。其它的环节均为异步消息，为了最大化的提高性能。第二是MdbClient到MdbAgent之间具备消息重定向的能力。这样做的好处是，在扩缩容的时候，可以减少App侧返回错误消息的数量。