使用 查询分离 后 从20s优化到500ms

发布日期：2022/9/20 11:39:27      浏览量：

在前面一篇文章中提到过对于业务主表读写缓慢的解决方案：冷热分离，有不了解的请看：业务主表读写缓慢如何优化？

冷热分离固然是一个性价比高的解决方案，但也并不是银弹，仍然有诸多限制，比如：

1. 查询冷数据慢
2. 业务无法修改冷数据
3. 冷数据多到一定程度系统依旧扛不住

此时如果需要解决以上问题，可以采用另外一种方案：使用 查询分离 优化业务主表数据大查询缓慢的问题

什么是查询分离？

查询分离从字面上来说非常容易理解，其实就是在写数据时保存一个备份数据到另外的存储系统，在查询时直接从另外的存储系统中获取数据，如下图：

查询分离

以上只是简单的架构图，其中有些细节还是需要深究，如下：

1. 什么时候触发查询分离？
2. 如何实现查询分离？
3. 查询数据的存储系统选型？
4. 查询数据如何使用？

查询分离的适用场景？

当你在实际业务中遇到以下情形，则可以考虑使用查询分离解决方案。

• 数据量大；
• 所有写数据的请求效率尚可；
• 查询数据的请求效率很低；
• 所有的数据任何时候都可能被修改；
• 业务希望我们优化查询数据的功能。

曾做过 SaaS 客服系统的架构优化，系统里有一个工单查询功能，工单表中存放了几千万条数据，且查询工单表数据时需要关联十几个子表，每个子表的数据也是超亿条。

面对如此庞大的数据量，跟前面的冷热分离一样，每次客户查询数据时几十秒才能返回结果，即便我们使用了索引、SQL 等数据库优化技巧，效果依然不明显。

工单表中有些数据是几年前的，客户说这些数据涉及诉讼问题，需要继续保持更新，因此我们无法将这些旧数据封存到别的地方，也就没法通过前面的冷热分离方案来解决。

最终我们采用了查询分离的解决方案，才得以将这个问题顺利解决：将更新的数据放在一个数据库里，而查询的数据放在另外一个系统里。因为数据的更新都是单表更新，不需要关联也没有外键，所以更新速度立马得到提升，每次客户查询数据时，500ms 内就可得到返回结果。

什么时候触发查询分离？

简单的来说就是什么时候应该保存一份数据到查询数据库中，其实也就是数据异构的过程，详细文章可以看我前面一篇文章：数据异构就该这样做，yyds~

这里介绍三种方式，如下：

1. 同步建立
2. 异步建立
3. binlog方式

1、 同步建立

修改业务代码：在写入常规数据后，同步建立查询数据。

该种方案优缺点也非常明显：

优点：查询数据的一致性和实时性得到了保证

缺点：业务代码侵入比较强；减缓写操作的效率

2、 异步建立

修改业务代码：写入数据后，异步建立查询数据

该种方案的优缺点如下：

优点：不影响主流程

缺点：数据一致性存在问题

3、 binlog的方式

该种方案也是业界常用的一种方案，对于代码是无侵入的，通过监听数据库日志的方式建立查询数据，如下：

该种方案的优缺点如下：

优点：不影响主流程；代码侵入为0

缺点：数据一致性存在问题；架构相对复杂

如何实现查询分离？

对于上述三种方案都算是比较常见的方案，对于第一种同步的方式比较简单，这里不再介绍；对于第三种binlog的方式在数据异构的文章中介绍过，详情见：数据异构就该这样做，yyds~

这篇文章来介绍一下异步的方式，异步的方式有很多，可以放在内存中进行操作，但是这有些弊端：

1. 数据过多，内存有限
2. 服务重启，内存数据将会丢失

因此最终我们可以选择MQ的方式，那么此时就涉及到了MQ的技术选型，这里给两个建议：

1. 如果你的公司已经用了MQ，那么直接接着用即可
2. 如果公司目前未引入MQ，则需要架构组考量选型了，对于MQ的选型可以看我之前文章：聊聊 MQ 技术选型

当然一旦引入了MQ还需要考虑的问题很多，如下：

1、 MQ突然宕机了怎么办？

MQ宕机意味着查询数据不能继续建立了，我们可以在写入数据的同时给该条数据加一个标志字段（已搬运、未搬运），当MQ启动后，查询所有未搬运的数据，继续建立查询数据

“ 这里的方案很多，按照业务实际情况考量 ”

2、消息的幂等消费

消息的幂等消费一定要保证，避免数据重复建立，比如：主数据的订单 A 更新后，我们在查询数据中插入了 A，可是此时系统出问题了，系统误以为查询数据没更新，又把订单 A 插入更新了一次。

3、消息的时序性问题

比如某个订单 A 更新了 1 次数据变成 A1，线程甲将 A1 的数据搬到查询数据中。不一会儿，后台订单 A 又更新了 1 次数据变成 A2，线程乙也启动工作，将 A2 的数据搬到查询数据中。

所谓的时序性就是如果线程甲启动比乙早，但搬运数据动作比线程乙还晚完成，就有可能出现查询数据最终变成过期的 A1

查询数据的存储系统选型？

既然为了解决表数据量大查询缓慢的问题，肯定是不能选用关系型数据库了，那么还有其他选择吗？

内存数据库虽然性能非常高，比如Redis，但是不适合海量数据，太费钱了

那么这里比较适用的有如下三种：

1. MongoDB
2. HBase
3. Elasticsearch

这里选型还是要根据自己公司业务选择，如果已经有在用的，则直接用即可；另外就是选择自己熟悉的，比如当初我们设计架构方案时，为什么选择用 Elasticsearch，除 ES 对查询的扩展性支持外，最关键的一点是我们团队对 Elasticsearch 很熟悉。

查询数据如何使用？

查询数据很简单，每个数据库都有对应的API，直接调用查询

但是，这里有一个问题：数据查询更新完前，查询数据不一致怎么办？，给出两种方案：

1. 在查询数据更新到最新前，不允许用户查询。（我们没用过这种设计，但我确实见过市面上有这样的设计。）
2. 给用户提示：您目前查询到的数据可能是 1 秒前的数据，如果发现数据不准确，可以尝试刷新一下，这种提示用户一般比较容易接受。

总结

本篇文章介绍了表数据量大查询缓慢的一种解决方案：查询分离，但这也不是银弹，仍然是存在一些不足，比如表数据量大，写入缓慢怎么办？这个后面文章再介绍吧

当然查询分离还有一个重要的问题：历史数据如何迁移？这个处理也是非常简单，但是也有许多需要考虑的点，后文介绍

来源：https://mp.weixin.qq.com/s/8CEhYdCX7JpPzSkA7gXUfw 作者：不才陈某