微信支付商戶系統架構背後的故事

資料庫軟體架構 · 發表 2018-09-27 17:55:34

摘要：歡迎大家前往騰訊雲+社群，獲取更多騰訊海量技術實踐乾貨哦~ 本文由李躍森發表於雲+社群專欄李躍森，騰訊雲PostgreSQL首席架構師，騰訊資料庫團隊架構師，負責微信支付商戶系統核心資料庫的架構設計和研發，PostgreSQL-x2社群核心成員，獲多項國家發明專利。從事PG...

歡迎大家前往騰訊雲+社群，獲取更多騰訊海量技術實踐乾貨哦~

本文由李躍森發表於雲+社群專欄

李躍森，騰訊雲PostgreSQL首席架構師，騰訊資料庫團隊架構師，負責微信支付商戶系統核心資料庫的架構設計和研發，PostgreSQL-x2社群核心成員，獲多項國家發明專利。從事PG核心開發和架構設計超過10年。

2015年之前，微信支付業務快速發展，需要一款資料庫能夠安全高效的支撐微信支付商戶系統核心業務，這個重任落在了騰訊資料庫團隊自研PostgreSQL上。

2016年7月，騰訊雲對外發布雲資料庫PostgreSQL，提供騰訊自研的核心優化版和社群版兩個版本，以及提供分散式叢集架構（分散式叢集內部代號PostgreSQL-XZ）兩種方案。目前雲資料庫PostgreSQL在騰訊大資料平臺、廣點通、騰訊視訊等騰訊多個核心業務中穩定執行。

騰訊自研PostgreSQL分散式叢集 PostgreSQL-XZ

騰訊PostgreSQL-XZ是由PostgreSQL-XC社群版本地化而來，能支撐水平擴充套件資料庫叢集。雖然PostgreSQL-XC很強大，但在效能、擴充套件性、安全、運維方面還是有明顯的瓶頸，而騰訊PostgreSQL經過多年的積累，在這些方面都有較大提升和強化。由於是用於微信支付的核心資料庫，騰訊PostgreSQL被定位為安全、高效，穩定，可靠的資料庫叢集。下面將以騰訊PostgreSQL-XZ為代表介紹騰訊自研PostgreSQL所做的優化和改進。

一.事務管理系統的優化

PostgreSQL-XC在事務管理系統方案本身有一個明顯的缺點，那就是事務管理機制會成為系統的瓶頸，GTM（Global Transaction Manager全域性事務管理器）會限制系統的擴充套件規模。如圖1所示，是每個請求過來CN(Coordinator 協調節點)都會向GTM申請必需的gxid（全域性事務ID）和gsnapshot（全域性快照）資訊，並把這些資訊隨著SQL語句本身一起發往DN（Datanode資料庫節點）進行執行。另外，PostgreSQL-XC的管理機制，只有主DN才會獲取的gxid，而備DN沒有自己的gxid，因此無法提供只讀服務，對系統也是不小的浪費。

圖1

而騰訊PostgreSQL-XZ改進了事務管理機制，改進後，CN不再從GTM獲取gxid和gsnapshot，每個節點使用自己的本地xid（事務ID）和gsnapshot（快照），如此GTM便不會成為系統的瓶頸；並且，DN備機就還可以提供只讀服務，充分利用系統閒置資源。如圖2，優化後的事務管理系統架構如下：

圖2

二.備機只讀實現與優化

當然，事務管理系統的優化為進行備DN只讀提供了基礎，然而原始叢集並沒有負載、排程等能力。在這方面，我們也做了大量的創新，總結起來包括：

正常CN和只讀CN進行分離。
正常CN儲存主用DN的元資料資訊
只讀CN儲存備用DN的元資料資訊
DN之間使用hot standby（熱備份保護）模式進行日誌同步

通過這些方式，叢集可以提供帶有智慧負載能力的備DN只讀功能，充分利用系統資源。

圖3

三.業務最小中斷的擴容方案

業務的快速增長不可避免的需要對資源進行擴容，社群版本的實現使得擴容成本高昂，需要對業務進行長時間的中斷。因為，在社群版本PostgreSQL-XC中，通過 DN=Hash(row) % nofdn 的方式決定一條記錄的儲存節點：

也就是說，先對分佈列計算hash值，然後使用這個值對叢集中的節點個數取模來決定記錄去哪個節點（如圖4）。

這種方案簡單，但實際應用中需要長時間停機擴容。這是因為，擴容後節點數會變多，資料無法按照原有的分佈邏輯進行讀寫，需要重新分佈節點資料。而再均衡資料需要停機並手工遷移再均衡到各個節點。對於規模較大的交易系統來說，由於原有節點儲存的是海量資料，再均衡過程可能會持續好幾天。相信這是業務完全無法忍受的。

圖4

因此我們引入了一種新的分表方法 —sharded table。Shardedtable 的資料分佈採用如下（圖5）的方式：

Hash(row) % #shardmap entry

通過上面的方案，在擴容新加節點時，就只需要把一些shardmap中的shardid對映到新加的節點，並把對應的資料搬遷過去就可以了。擴容也僅僅需要切換shardmap中對映關係的，時間從幾天縮短到幾秒。

圖5

四.資料傾斜解決方案

資料傾斜是指，在分散式資料庫系統中會因為物理節點、hash或shard分佈原因，導致某些DN物理空間不足，而另外的物理空間剩餘較大。例如，如果以商戶作為分佈key，京東每天的資料量和一個普通電商的資料量肯定是天地差別。可能某個大商戶一個月的資料就會把一個DN的物理空間塞滿，這時系統只有停機擴容一條路。因此我們必須要有一個有效的手段來解決資料傾斜，保證在表資料分佈不均勻時系統仍然能夠高效穩定的執行。

首先我們把系統的DN分為group（如下圖6），每個group裡面：

包含一個或者多個DN
每個group有一個shardmap
在建sharded表時，可以指定儲存的group，也就是要麼儲存在group1，要麼group2
CN可以訪問所有的group，而且CN上也儲存所有表的訪問方式資訊

圖6

對於系統中資料量較大使用者進行特別的識別，併為他們建立白名單，使用不同的資料分佈邏輯（如下圖7）：普通使用者使用預設的資料分佈邏輯，也就是：

Shardid = Hash(merchantid) % #shardmap
複製程式碼

大商戶使用定製的資料分佈邏輯，也就是：

Shardid = Hash(merchantid) % #shardmap + fcreate_timedayoffset from 1970-01-01
複製程式碼

圖7

通過在大商戶group分佈邏輯中加入日期偏移，來實現同一個使用者的資料在group內部多個節點間均勻分佈。從而有效的解決資料分佈不均勻問題。

下面是一個例子（如下圖8）：

圖8

五.9000W記錄高效排序解決方案

業務在列表查詢場景下會收到如下的查詢SQL：

在微信支付的場景中，某個商戶每天的資料有300W，一個月資料超過9000W條，也就是說PostgreSQL需要面向一個9000W資料級資料進行快速排序，而且業務邏輯要求需要秒級輸出，快速獲取排序結果。

為此，我們提供表定義方案，即建立叢集分割槽表。根據上述需求，可以採用按月分表，即每個月一張表，並對排序欄位ffinish_time建立索引，這樣每個分割槽進行掃描是可以使用索引。

我們再通過一系列執行計劃的優化，CN下推order by和limit offset子句到DN；DN上在執行對應的sql使用使用Merge Append運算元對各個子表執行的結果進行彙總輸出，這個運算元本身會保證輸出是有序的，也就是說對子表進行索引掃描，同時Merge Append又對各個子表的結果進行歸併，進而保證節點本身的結果是排序的。CN對多個DN的結果同樣使用Merge Append進行歸併，保證整個輸出結果是有序的，從而完成整個排序過程。