干货 | 携程数据库发布系统演进之路

你的名字 2022-12-03 15:52 242阅读 0赞

> 天浩，携程数据库专家，专注数据库自动化运维研发工作。
> 
> 晓军，携程数据库专家，主要负责运维及分布式数据库研究。

## **一、前言** ##

互联网软件本身具有快速迭代、持续交付等特点，加上数据库的表结构（DDL）发布无法做到灰度发布，且回退困难、试错成本高，一个稳定可靠的数据库发布系统对于互联网公司显得尤其重要。本文将介绍携程MySQL数据库发布系统从无到有，版本不断迭代的演进之路，希望对读者有所参考和帮助。

我们先后设计了三个版本，最新的版本具有以下功能和特点：

*  发布期间只有一次表锁，锁定时间极短，锁定时间不受表容量影响；
 *  Master-Slave复制延迟可控，这点对有读写分离架构且数据实时性要求高的业务尤其重要；
 *  自动避开业务高峰，自动识别热表，确保发布期间业务基本无影响；
 *  将数据库规范加入发布前校验，对不符合规范的发布进行拦截；

介绍整个系统之前，首先对携程数据库环境和发布流程做一个简单的介绍。系统的数据库环境主要分成Dev、测试环境（含三个子环境，功能性测试（FAT）/压力测试（LPT）/UAT 三个环境）、Product：

1）数据库表设计在Dev环境完成，期间包含数据库规范检测

2）然后发布到其它测试环境（FAT→LPT→UAT）

3）测试环境都验证通过后，最后发布到生产环境

![format_png][] 表发布流程图

## **二、初期（1.0时代）** ##

携程成立以来一直使用SQL Server 数据库，2014年左右开始使用MySQL数据库，为后面转型MySQL做准备。这时期接入MySQL的业务量很小，数据量不大，都是非核心业务，所以整个发布过程可以概括为“简单粗暴”：

1）开发人员通过直连DEV环境数据库，直接对数据库表进行修改

2）DBA通过自动化工具捕捉到表的变化，将变更同步到测试环境

3）开发测试完后，将变化同步到生产环境

这个阶段只是简单把表的变更传递到其他环境，对发布期间业务和性能方面的影响没有考虑太多。

![format_png 1][] 1.0 版本发布流程

## **三、转型期（2.0时代）** ##

随着业务接入MySQL不断增加，MySQL数据库越来越多，到2016年下半年为止，MySQL 数据库数量已经有800+，很多核心业务也转到MySQL，包含很多读写分离架构。此时原生的DDL发布已经无法满足业务需求，这时引入了业界流行的pt-online-schema-change（pt-osc）。

![format_png 2][] 2.0版本发布流程

pt-osc是percona开发的一款比较成熟的产品，业界使用也较多。其采用触发器的方式将所有的增量DML应用到了影子表，这种实现方式会加大对语句的开销，并发过高时甚至会影响数据库正常提供服务，因此往往会出现发布一半最后还是不得不终止发布的现象，线上遇到核心的表或者大表往往需要晚上留守来进行发布，这极大的提高了DBA的运维负担。

# #

## **四、引入gh-ost（3.0时代）**       ##

为了进一步提升发布稳定性，我们在2017年调研了当时刚开源不久的gh-ost，由于产品非常新，因此做了大量的调研和测试工作，也发现提交了多个高优先级Bug（包括GBK字符集支持、bad connection以及column case-sensitive issue导致数据丢失等），都已得到作者的修复。

那么gh-ost对比pt-osc具体有哪些优势呢？下面先简单介绍下它的两个最核心的特性。

### **4.1 Triggerless** ###

在gh-ost出现之前第三方MySQL DDL工具均采用触发器的方式进行实现，包括前面percona的pt-osc，Facebook的OSC等等。而gh-ost采用的机制和他们完全不同：它通过MySQL binlog来同步数据，gh-ost本身注册为一个fake slave，可以从集群中的master或者slave上拉取binlog，并实时解析，将变更表的所有DML操作都重新apply到影子表上面。因此对于发布期间变更表上发生的DML操作，可以完全避免由于触发器而产生的性能开销，以及锁的争抢。

除此之外，一般我们选择目标发布机器通常会选择集群中slave节点，而slave一般不会承载业务，这样binlog解析的开销也不会落在提供业务的master上面，而仅仅是一次异步的DML语句重放。

### **4.2 Dynamically controllable** ###

另一个最重要的特性是动态调控，这是此前其他第三方开源工具所不具备的。

之前通过pt-osc发布时，命令执行后参数就没法修改，除非停止重来。假设发布进行到90%，突然由于其他各种原因导致服务器负载上升，为不影响业务，只能选择将发布停掉，等性能恢复再重来。

通过pt-osc发布的表都是很大的表，耗时较长，所以遇到这类场景很尴尬。因此发布中参数如果可动态调控将变得非常重要。gh-ost另外实现了一个socket server，我们可以在发布过程中，通过socket和发布进程进行实时交互，它可以支持实时的暂停，恢复，以及很多参数的动态调整，来适应外界变化。

### **4.3 gh-ost如何工作？** ###

在了解完其重要特性后，简单介绍下其实现原理。

其原理很好理解，首先建两张表，一张\_gho的影子表，gh-ost会将原表数据以及增量数据都应用到这个表，最后会将这个表和原表做次表名切换，另一张是\_ghc表，这个表是存放changelog的数据，包括信号标记，心跳等。

其次，gh-ost会开两个goroutine，一个用于拷贝原表数据，一个用于apply增量的binlog到\_gho表，并且两个goroutine的并行在跑的，也就是不用关心数据是先拷贝过去还是先apply binlog过去。

因为这里会对insert语句做调整，首先我们拷贝的insert into会改写成insert ignore into，而binlog内insert into会改写成replace into，这样可以很好的支持两个goroutine的并行。但这样的调整能适用所有的DDL吗？答案是否定的，大家可以思考下，下面案例部分会给出详细解释。

最后，当原表数据全部拷贝完成后，gh-ost会进入到表交换阶段，采用更加安全的原子交换。

![format_png 3][] Gh-ost 架构图

## **五、如何做到安全发布？** ##

为了确保每次发布符合数据库规范，确保发布可以顺利完成，发布前我们做了很多检查工作，发布过程中会有线程实时侦听发布状态。通过producer，consumer，listener如下三个组件来协同完成发布的顺利进行。

![format_png 4][] 任务运行架构图

### **5.1 运行前——是否能做发布？**        ###

我们消费线程（consumer）会在发布前做满足发布的前置校验，选择合适的目标主机进行发布。

1）MySQL环境变量的校验：检查当前实例变量配置是否满足发布要求。

2）冲突表校验：检查集群中是否存在已发布相冲突的表，存在的话自动进行清理。

3）冲突标记文件校验：检查发布机器上是否存在冲突的标记文件，存在的话自动进行清理。

4）磁盘容量校验：预估集群所有节点的磁盘空间是否足够

5）任务并行校验：检查集群是否存在其他发布，多实例会检查所有实例所属集群是否存在发布，为避免并行发布导致的性能影响，以及磁盘容量难以预估，我们会限制单个集群只能有串行发布。

6）DRC成员状态校验：对于已接入DRC的DB，会在发布前先初始化所有成员状态，并随机选择一个成员成为leader，仅当所有成员所属集群均已满足前置校验，才会进入真正发布阶段。

注：DRC(Data Replicate Center)，想了解更多DRC相关的技术[戳这里][Link 1]。这里主要负责支持多数据中心同时发起以及结束发布流程。

### **5.2 运行时——进展是否正常？**      ###

整个发布过程采用的是生产消费模型，当每个消费线程运行任务时，同时会生成一个其对应的监听线程（listener），用于监听该任务的运行状态。

1）磁盘容量监听：当低于某阈值时将终止发布，并会清理发布产生的残留表来释放空间。

2）服务器性能监听：当服务器负载过高，将会自动触发throttle，等性能恢复再重新解除throttle。

3）副本延迟监听：延迟阈值默认初始1.5s，后续在一个阈值上限内会动态增减，避免延迟一直波动时影响发布效率，但最终交换前会回置到默认1.5s。

4）时间监听：当前时间若处于业务高峰期，会通过自动加大nice-ratio的值来进行“限流”，等业务低峰期后再做置回。

5）DRC成员状态监听：对于接入DRC的DB，会侦听partner的运行状态，等所有成员均已进入postponing状态后，再由drc选举出来的leader统一触发表名交换。

6）集群拓扑监听：线上我们往往会碰到正在发布的DB进行了变更维护，包括主从切换，DB拆分到其他集群上等等。这时我们发现gh-ost会hang在那，也不会报错，往往会等到提交发布的人员反馈才会发现，因此我们这里加了对集群拓扑的监听，来及时发现拓扑的变更并终止发布。

## **六、碰到了哪些问题，如何解决？** ##

目前gh-ost接入发布系统已接近两年，运行非常稳定。但慢慢的我们会发现原生gh-ost没办法满足我们所有需求，所以做了一些二次开发。

下面通过几个典型案例来简要介绍下。

### **案例1、发布后自增列值保留** ###

默认gh-ost 发布时新表并没有保留原表自增值，部分业务是依赖自增列的值，这种场景会出现较大的问题。

要解决这个问题其实不难，只需要在建\_gho表后设置一把AUTO\_INCREMENT值即可。我们添加了一个- reset-original-auto-increment 参数开关，默认false，即保留原始自增值。

代码示例如下，先查找原表的有效自增值，并应用给新的\_gho表即可。

![format_png 5][]

### **案例2、含唯一键表发布** ###

我们知道唯一键发布有两大前提，首先，表中已有的存量数据必须满足新增的唯一键约束；其次，发布过程中出现的DML增量数据也需保证满足新增的唯一键约束。

默认gh-ost对表添加唯一键是无法保证数据的完整性的。为什么呢？前面我们简单提过gh-ost发布会做语句转换，并且rowCopy 中insert into 会转为 insert ignore into，而binlogApply中insert into会转为replace into。当表结构变更中包含新增唯一键的话，这种转换就显然不够了，它会将冲突数据全部自然抹掉，而这显然是不合理的，是很严重的data integrity问题。

工具的预期应该是出现数据冲突即退出，说明这个发布并没有发布条件。而官方并没有做唯一索引发布的特殊支持，那我们是否可以实现这一部分逻辑？问题的关键在于我们要对原主键继续支持insert ignore into/ replace into的逻辑保证数据一致且不失败，另外新增唯一键部分又不能通过这种逻辑处理，保证冲突数据要及时发现。

后面通过分析我们想了一种方案，首先通过如下一条正则解析命令是否包含新增唯一键。

![format_png 6][]

其次对写入逻辑进行如下改写：

1）原数据拷贝（rowCopy）从insert ignore into 调整为 insert into .. andnot exists PK的方式，如下示例。

![format_png 7][]

2）DML增量应用（binlogApply）从 replace into 调整为 delete from + insert into的方式，如下示例。

![format_png 8][]

下面对原数据拷贝(A)，原表DML(B)，Binlog应用到新表(C) 三个过程先后顺序不固定时做下推演。首先C肯定在B后面，因此可能的顺序是ABC，BCA，BAC 三种可能情况。

原表b, 2个列，col1 PK，col2 计划新增Uniquekey，原表数据是(1,a), (3,c)。

ABC：先完成拷贝，再对原表DML，最后应用binlog

![format_png 9][]

BCA：先原表DML，再应用binlog，最后拷贝

![format_png 10][]

BAC：先原表DML，再拷贝，最后应用binlog

![format_png 11][]

经过过程推演，我们发现这个方案可以解决新增唯一键时可能存在的问题。

### **案例3、活学活用，大表发布+数据清理** ###

我们经常会碰到一些大表的发布，发布系统一般会对超大表做拦截，建议清理些无效数据。那这里分为两个过程，即先清理无效数据，再进行发布。那我们是否可以将这两个过程合并发布呢？答案是可行的，而且可以极大的提升发布效率。

逻辑可以很容易理解，见下图，即拷贝你所需要的数据，而增量部分不做变化。我们可以加个参数-where-reserve-clause，代表你需要的数据。那这里有一个问题，拷贝范围是先去根据-where-reserve-clause去限定，还是实际insert的时候去限定？有何区别？

![format_png 12][] 发布+清理逻辑图

区别在于如果根据-where-reserve-clause去限定范围的性能很差，往往查主键范围需要花很久，如果主键范围又很分散，那选择先查这个范围是比较差的。而如果实际insert的时候去限定实际需写入的数据的话，则只是在每个chunk 写入时附加上这个条件，可能一个chunk没有一条数据符合条件，那即产生一次空跑，也没有任何影响。

但如果用户明确知道要保留的主键范围，那先去限定范围可以避免大量的空跑。因此添加了-force-query-migration-range-values-on-master来确定使用哪种方式，而具体选择需具体案例具体分析。

除此之外，我们知道数据清理表空间并不会自动瘦身，往往需要配合optimize table来进行表收缩。而添加的这个功能本身既支持数据清理，又支持表结构变更，而支持了表结构变更也就支持了表收缩。因此对-alter做了下扩展，允许noop，来支持不变更结构仅数据清理或者表收缩等场景。

下面有个线上数据清理的测试数据对比（表大小在300GB左右，需清理80%左右的数据）：

<table> 
 <tbody> 
 <tr> 
 <td style="vertical-align:top;"> 表大小 </td> 
 <td style="vertical-align:top;"> 总行数/保留行数 </td> 
 <td style="vertical-align:top;"> 处理方式 </td> 
 <td style="vertical-align:top;"> 耗时 </td> 
 <td style="vertical-align:top;"> 备注 </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> 290GB </td> 
 <td style="vertical-align:top;"> 68666w/17327w </td> 
 <td style="vertical-align:top;"> 数据清理工具 </td> 
 <td style="vertical-align:top;"> 25h </td> 
 <td style="vertical-align:top;"> 后续还需optimize </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> 320GB </td> 
 <td style="vertical-align:top;"> 75128w/19542w </td> 
 <td style="vertical-align:top;"> gh-ost </td> 
 <td style="vertical-align:top;"> 2h30m </td> 
 <td style="vertical-align:top;"> 后续清理老表即可 </td> 
 </tr> 
 </tbody> 
</table>

通过对比，我们可以看到效率提升了10倍以上，其中还不算optimize的开销。

## **七、结语** ##

以上是携程数据库发布系统的整个演进过程，希望对读者有所参考和帮助，新的3.0MySQL数据库发布系统从2018年开始研发上线并持续改进，功能上已经较为完善，适应了业务快速迭代的要求，规避了发布可能造成的业务故障，覆盖了携程绝大多数类型的DDL。

面向未来，我们的发布系统会持续改进：更加友好的交互、更加智能的throttle，我们已经在路上。

[format_png]: /images/20221123/64457d3f1af44b3ba41b6dc426e4539f.png
[format_png 1]: /images/20221123/3f26ea5e844f44c2a37beabce83cf424.png
[format_png 2]: /images/20221123/d1401364bef540d99abaa8d01342bf2f.png
[format_png 3]: /images/20221123/9765c6582b744b3d97dc6343e6036f35.png
[format_png 4]: /images/20221123/d6dc6502f73a469582d69440da18d3bb.png
[Link 1]: https://mp.weixin.qq.com/s?__biz=MjM5MDI3MjA5MQ==&mid=2697269807&idx=1&sn=1d32b44d6108309309e93c4810b24b83&scene=21#wechat_redirect
[format_png 5]: /images/20221123/497cd3021dae4b46bd23b83edcce7942.png
[format_png 6]: /images/20221123/e1df3aad53b4403bb3a091dd1ac34646.png
[format_png 7]: /images/20221123/3c87693d9ff44236b1bf357d2abb99a7.png
[format_png 8]: /images/20221123/802bd1aca2bf4231bc5504ccb3f9450d.png
[format_png 9]: /images/20221123/c8ef501d693a4e5ca5f1d39471abf45c.png
[format_png 10]: /images/20221123/1e2408a69b6b4b7393c7c6355ffdd0f0.png
[format_png 11]: /images/20221123/0b0b1d03346f4011bedadf083535da66.png
[format_png 12]: /images/20221123/79a92c96a15c407eadad3ca070ab37cf.png