一分鐘系列之《啥，又要為表增加一列屬性？》分享了兩種數據庫屬性擴展思路，被噴得厲害。第二天補充了一篇《這才是真正的表擴展方案》，分享了互聯網大數據高並發情況下，數據庫屬性擴容的成熟工具及思路。

對於version + ext方案，還是有很多朋友質疑“線上不可能這麽用”。本篇將講述一下58同城最核心的數據“帖子”的架構實現技術細節，說明不僅不是“不可能這麽用”，而是大數據，可變屬性，高吞吐場景下的“常用手段”。

一、背景描述及業務介紹

問：什麽是數據庫擴展的version + ext方案？

使用ext來承載不同業務需求的個性化屬性，使用version來標識ext裏各個字段的含義。

例如上述user表：

verion=0表示ext裏是passwd/nick

version=1表示ext裏是passwd/nick/age/sex

優點？

（1）可以隨時動態擴展屬性，擴展性好

（2）新舊兩種數據可以同時存在，兼容性好

不足？

（1）ext裏的字段無法建立索引

（2）ext裏的key值有大量冗余，建議key短一些

問：什麽是58同城最核心的數據？

58同城是一個信息平臺，有很多垂直品類：招聘、房產、二手物品、二手車、黃頁等等，每個品類又有很多子品類，不管哪個品類，最核心的數據都是“帖子信息”（業務像一個大論壇？）。

問：帖子信息有什麽特點？

大家去58同城的首頁上看看就知道了：

（1）每個品類的屬性千差萬別，招聘帖子和二手帖子屬性完全不同，二手手機和二手家電的屬性又完全不同，目前恐怕有近萬個屬性

（2）帖子量很大，100億級別

（3）每個屬性上都有查詢需求（各組合屬性上都可能有組合查詢需求），招聘要查職位/經驗/薪酬範圍，二手手機要查顏色/價格/型號，二手要查冰箱/洗衣機/空調

（4）查詢量很大，每秒幾10萬級別

如何解決100億數據量，1萬屬性，多屬性組合查詢，10萬並發查詢的技術難題，是今天要討論的內容。

二、最容易想到的方案

每個公司的發展都是一個從小到大的過程，撇開並發量和數據量不談，先看看

（1）如何實現屬性擴展性需求

（2）多屬性組合查詢需求

最開始，可能只有一個招聘品類

tiezi(tid,uid, c1, c2, c3)

那如何滿足各屬性之間的組合查詢需求呢？

最容易想到的是通過組合索引：

index_1(c1,c2) index_2(c2, c3) index_3(c1, c3)

隨著業務的發展，又新增了一個房產類別，新增了若幹屬性，新增了若幹組合查詢，於是帖子表變成了：

tiezi(tid,uid, c1, c2, c3, c10, c11, c12, c13)

其中c1,c2,c3是招聘類別屬性，c10,c11,c12,c13是房產類別屬性，這兩塊屬性一般沒有組合查詢需求

但為了滿足房產類別的查詢需求，又要建立了若幹組合索引（不敢想有多少個索引能覆蓋所有兩屬性查詢，三屬性查詢）

是不是發現玩不下去了？

三、友商的玩法

新增屬性是一種擴展方式，新增表也是一種方式，有友商是這麽玩的，按照業務進行垂直拆分：

tiezi_zhaopin(tid,uid, c1, c2, c3)

tiezi_fangchan(tid,uid, c10, c11, c12, c13)

這些表，這些服務維護在不同的部門，不同的研發同學手裏，看上去各業務線靈活性強，這恰恰是悲劇的開始：

（1）tid如何規範？

（2）屬性如何規範？

（3）按照uid來查詢怎麽辦（查詢自己發布的所有帖子）？

（4）按照時間來查詢怎麽辦（最新發布的帖子）？

（5）跨品類查詢怎麽辦（例如首頁搜索框）？

（6）技術範圍的擴散，有的用mongo存儲，有的用mysql存儲，有的自研存儲

（7）重復開發了不少組件

（8）維護成本過高

（9）…

想想看，電商的商品表，不可能一個類目一個表的。

四、58同城的玩法

【統一帖子中心服務】

平臺型創業型公司，可能有多個品類，例如58同城的招聘房產二手，很多異構數據的存儲需求，到底是分還是合，無需糾結：基礎數據基礎服務的統一，無疑是58同城技術路線發展roadmap上最正確的決策之一，把這個方針堅持下來，@老崔 @曉飛 這些高瞻遠矚的先賢功不可沒，業務線會有“擴展性”“靈活性”上的微詞，後文看看先賢們如何通過一些巧妙的技術方案來解決的。

如何將不同品類，異構的數據統一存儲起來，采用的就是類似version+ext的方式：

tiezi(tid,uid, time, title, cate, subcate, xxid, ext)

（1）一些通用的字段抽取出來單獨存儲

（2）通過cate, subcate, xxid等來定義ext是何種含義（和version有點像？）

（3）通過ext來存儲不同業務線的個性化需求

例如招聘的帖子：

ext : {“job”:”driver”,”salary”:8000,”location”:”bj”}

而二手的帖子：

ext : {”type”:”iphone”,”money”:3500}

58同城最核心的帖子數據，100億的數據量，分256庫，異構數據mysql存儲，上層架了一個服務，使用memcache做緩存，就是這樣一個簡單的架構，一直堅持這這麽多年。上層的這個服務，就是58同城最核心的統一服務IMC（Imformation Management Center），註意這個最核心，是沒有之一。

解決了海量異構數據的存儲問題，遇到的新問題是：

（1）每條記錄ext內key都需要重復存儲，占據了大量的空間，能否壓縮存儲

（2）cateid已經不足以描述ext內的內容，品類有層級，深度不確定，ext能否具備自描述性

（3）隨時可以增加屬性，保證擴展性

【統一類目屬性服務】

每個業務有多少屬性，這些屬性是什麽含義，值的約束等揉不到帖子服務裏，怎麽辦呢？

58同城的先賢們抽象出一個統一的類目、屬性服務，單獨來管理這些信息，而帖子庫ext字段裏json的key，統一由數字來表示，減少存儲空間。

如上圖所示，json裏的key不再是”salary” ”location” ”money” 這樣的長字符串了，取而代之的是數字1,2,3,4，這些數字是什麽含義，屬於哪個子分類，值的校驗約束，統一都存儲在類目、屬性服務裏。

這個表裏對帖子中心服務裏ext字段裏的數字key進行了解釋：

1代表job，屬於招聘品類下100子品類，其value必須是一個小於32的[a-z]字符

4代表type，屬於二手品類下200子品類，其value必須是一個short

這樣就對原來帖子表ext裏的

ext : {“1”:”driver”,”2”:8000,”3”:”bj”}

ext : {”4”:”iphone”,”5”:3500}

key和value都做了統一約束。

除此之外，如果ext裏某個key的value不是正則校驗的值，而是枚舉值時，需要有一個對值進行限定的枚舉表來進行校驗：

這個枚舉校驗，說明key=4的屬性（對應屬性表裏二手，手機類型字段），其值不只是要進行“short類型”校驗，而是value必須是固定的枚舉值。

ext : {”4”:”iphone”,”5”:3500}這個ext就是不合法的（key=4的value=iphone不合法），合法的應該為

ext : {”4”:”5”,”5”:3500}

此外，類目屬性服務還能記錄類目之間的層級關系：

（1）一級類目是招聘、房產、二手…

（2）二手下有二級類目二手家具、二手手機…

（3）二手手機下有三級類目二手iphone，二手小米，二手三星…

（4）…

協助解釋58同城最核心的帖子數據，描述品類層級關系，保證各類目屬性擴展性，保證各屬性值合理性校驗，就是58同城另一個統一的核心服務CMC（Category Management Center）。

多提一句，類目、屬性服務像不像電商系統裏的SKU擴展服務？

（1）品類層級關系，對應電商裏的類別層級體系

（2）屬性擴展，對應電商裏各類別商品SKU的屬性

（3）枚舉值校驗，對應屬性的枚舉值，例如顏色：紅，黃，藍

解決了key壓縮，key描述，key擴展，value校驗，品類層級的問題，還有這樣的一個問題沒有解決：每個品類下帖子的屬性各不相同，查詢需求各不相同，如何解決100億數據量，1萬屬性的查詢需求，是58同城面臨的新問題。

【統一檢索服務】

數據量很大的時候，不同屬性上的查詢需求，不可能通過組合索引來滿足所有查詢需求，怎麽辦呢？

58同城的先賢們，從一早就確定了“外置索引，統一檢索服務”的技術路線：

（1）數據庫提供“帖子id”的正排查詢需求

（2）所有非“帖子id”的個性化檢索需求，統一走外置索引

元數據與索引數據的操作遵循：

（1）對帖子進行tid正排查詢，直接訪問帖子服務

（2）對帖子進行修改，帖子服務通知檢索服務，同時對索引進行修改

（3）對帖子進行復雜查詢，通過檢索服務滿足需求

這個扛起58同城80%終端請求（不管來自PC還是APP，不管是主頁、城市頁、分類頁、列表頁、詳情頁，很可能這個請求最終會是一個檢索請求）的服務，就是58同城另一個統一的核心服務E-search，這個搜索引擎的每一行代碼都來自58同城@老崔 @老龔 等先賢們，目前系統維護者，就是“架構師之路”裏屢次提到的@龍神 。

對於這個服務的架構，簡單展開說明一下：

為應對100億級別數據量、幾十萬級別的吞吐量，業務線各種復雜的復雜檢索查詢，擴展性是設計重點：

（1）統一的Java代理層集群，其無狀態性能夠保證增加機器就能擴充系統性能

（2）統一的合並層C服務集群，其無狀態性也能夠保證增加機器就能擴充系統性能

（3）搜索內核檢索層C服務集群，服務和索引數據部署在同一臺機器上，服務啟動時可以加載索引數據到內存，請求訪問時從內存中load數據，訪問速度很快

（3.1）為了滿足數據容量的擴展性，索引數據進行了水平切分，增加切分份數，就能夠無限擴展性能

（3.2）為了滿足一份數據的性能擴展性，同一份數據進行了冗余，理論上做到增加機器就無限擴展性能

系統時延，100億級別帖子檢索，包含請求分合，拉鏈求交集，從merger層均可以做到10ms返回。

58同城的帖子業務，一致性不是主要矛盾，E-search會定期全量重建索引，以保證即使數據不一致，也不會持續很長的時間。

五、總結

文章寫了很長，最後做一個簡單總結，面對100億數據量，1萬列屬性，10萬吞吐量的業務需求，58同城的經驗，是采用了元數據服務、屬性服務、搜索服務來解決的。

再回到文首version + ext的方案，希望朋友有新的收獲和感觸，幫轉哈。

==【完】==

【轉自】58沈劍 架構師之路

【轉載】100億數據1萬屬性數據架構設計