Discuz!NT千万级数据量上的两驾马车 TokyoCabinet,MongoDB

麦可仑 發表於 2025-6-16 00:00:00

Discuz!NT千万级数据量上的两驾马车 TokyoCabinet,MongoDB

<p>特别是像主题表（topic），用户表（user）等，因为对于一个流量和发帖量都很大的论坛而言，在运行几年之后，这两个表的数据量可能会破千万（注：因为帖子表采用分表机制，所以这里暂未涉及，但出于性能考虑，也提供了本文中类似的解决方案）。当时考虑的架构设计中有两种思路来解决这种问题：<br />      一种是采用类似MYSPACE的方式，即按一定记录KEY值（比如用户表的UID）来对大数据表中的记录进行分割，比如前200万用户（即：UID<200w）放入一个表，200-400万的用户放入另一个表，以此类推。当然可以把几个表都放到一个数据库中，也可以放到别的MSSQL数据库上或实例上。但这种方案有一些问题，例如当用户表需要被联表（如LEFT JION）查询时使用，比如我们的帖子表进行分页查询时就需要左联user表，这时如采用分表或分布式布署就可能面临这样的问题，不仅业务逻辑要变化，就连存储过程中也要产生不小的变化，这里还不考虑效率上的问题。当然有人建议可以使用数据冗余的方式，比如在帖子表中冗余用户信息相应字段，但这种方案同样要大幅度的修改即有代码，同时如果用户信息发生变化时，不仅要更新用户表，还要更新帖子表中的相应冗余字段，如果这两者不同步，就会造成数据显示异常，当然在数据库层面增加存储成本也是不得不付出的。<br />      第二种就是使用能处理大数据量表格的第三方工具，比如本文所说的TokyoTyrant,Mongodb等，这类NOSQL软件从一问世就是面向海量数据存储访问的，而且这类软件往往都是开源的，另外通过与打算布署企业版的用户接触，发现虽然他们的服务器配置很高，但数量即不多，所以就要考虑如何最大限度的复用已有的机器资源，而这类NOSQL软件往往都是‘性价比’很高的，即用不多的资源（内存，CPU等）就能达到意想不到的效果。当然我目前对其还是很谨慎的使用，即不会马上把它当做主力数据存储工具，而是辅助MSSQL数据库工具，所以大家在看完本文后会发现，这两个工具在企业版中的角色顶多就是一个高级的MEMCACEHD。不过我的想法很简单，就是任何工具和技术，如果不是很了解它或者它很新，那么必定要有一个“考核期”，如果在‘任间’内它通过考核，才委以重任，如未通过考核，也不会让系统平台承担过多的技术层面上的‘风险’。</p>
<p>     综上所述，最终我把方向放到了TokyoTyrant,Mongodb上，之所以选择了这两个工具，主要基于下面因素：<br />    <br />    1.海量数据的解决方案应该可以跑在LINUX和WINDOW平台上。当然有人会说Mongodb完全可以跑这两个平台，那还为什么要引入TokyoTyrant呢？其实这里有一些产品的特殊情况要考虑，比如我们的用户中绝大多数对于数据的读写比在 4：1，即5条SQL访问中有4条是SELECT操作，1条是CUD操作，这就造成了读写比例的失衡。虽然Mongodb在读写性能上非常优异和稳定，但在并发读上相对于TokyoTyrant+cabinet还是有一些差距（注:更多内容参见<span style="color:#78afd3">该链接</span>，然后这只限于在我们产品中压力测试环境下的结果，不具备普遍性，所以希望大家具体问题具体分析）</p>
<p>    2.考虑到有些用户公司是有相应技术储备的，两种方案也便于用户公司进行的技术选型（当然因为采用接口方式，用户完全可以引入其它第三方的NOSQL工具来实现）。</p>
<p>    好了，说了这么多，开始今天的正文吧。<br />    <br />    前面说过，该方案使用了接口方式，这里就先看一下相应的接口声明：<br />    <br />   </p>
<p style="text-align:center"><img style="max-width:100%!important;height:auto!important;"alt="Discuz!NT千万级数据量上的两驾马车 TokyoCabinet,MongoDB" height="681" src="https://zhuji.jb51.net/uploads/allimg/20250616/1-2506160ZK1949.gif" width="761" /></p>
<p>    <br />   </p>
<p>     可以看到，目前在企业版中，对主题表(dnt_topics)，用户表(dnt_users)，在线表(dnt_online)以及帖子表(dnt_posts)进行了NOSQL数据支持，所以定义了如下的几个接口（图中）：</p>
<div class="dxycode"><pre class="brush:php;">public interface ICacheTopics
public interface ICacheUsers
public interface ICacheOnlineUser
public interface ICachePosts</pre></div>
<p><br />因为目前只是把这类NOSQL工具当作高级的‘缓存’来用，所以接口命名上都带着‘Cache’的字样。 <br />然后我使用了一个叫做DBCacheService的类，提供获取这几个接口实例的方法，比如ICacheTopics的实例代码如下： </p>
<div class="dxycode"><pre class="brush:php;"> /// <summary>
/// 该类用于获取NoSqlDb声明的缓存服务
/// </summary>
public class DBCacheService
{
   static ICacheTopics iCacheTopics = null;
   public static ICacheTopics GetTopicsService()
   {
         if (iCacheTopics == null)
         {
            lock (lockHelper)
            {
               if (iCacheTopics == null)
               {
                     try
                     {
                        if (EntLibConfigs.GetConfig().Cachetopics.Enable)
                        {
                           iCacheTopics = (ICacheTopics)Activator.CreateInstance(Type.GetType(
                                 EntLibConfigs.GetConfig().Cachetopics.CacheType == 2 ?
                                 "Discuz.EntLib.TokyoTyrant.Data.Topics, Discuz.EntLib.TokyoTyrant" :
                                 "Discuz.EntLib.MongoDB.Data.Topics, Discuz.EntLib.MongoDB", false, true));
                        }
                     }
                     catch
                     {
                        throw new Exception("请检查" + (EntLibConfigs.GetConfig().Cachetopics.CacheType == 2 ?
                                 "Discuz.EntLib.TokyoTyrant.dll" :
                                 "Discuz.EntLib.MongoDB.dll") + "文件是否被放置到了bin目录下!");
                     }
               }
            }
         }
         return iCacheTopics;
   }
}</pre></div>
<p> </p>
<p> </p>
<p><br />从上面代码可以看出，使用反射方式获取相应DLL文件（分别是Discuz.EntLib.TokyoTyrant.dll和Discuz.EntLib.MongoDB.dll）中的类信息并初始化该实例。当然，这里还定义了一个配置文件，也就是EntLibConfigs.GetConfig()这个方法所获取的配置文件信息，相应配置文件内容包括： </p>
<div class="dxycode"><pre class="brush:php;">/// <summary>
/// 提供数据库缓存服务，将在线表主题表这类大表放入缓存之中
/// </summary>
public class DBCache
{
   /// <summary>
   /// 是否有效
   /// </summary>
   public bool Enable = false;
   /// <summary>
   /// 服务地址
   /// </summary>
   public string Host = "";
   /// <summary>
   /// 服务地址
   /// </summary>
   public int Port = 0;
   /// <summary>
   /// 链接池名称
   /// </summary>
   public string PoolName = "dnt";
   /// <summary>
   /// 初始化链接数
   /// </summary>
   public int IntConnections = 4;
   /// <summary>
   /// 最少链接数
   /// </summary>
   public int MinConnections = 4;
   /// <summary>
   /// 最大连接数
   /// </summary>
   public int MaxConnections = 4;
   /// <summary>
   /// avaiable pool池中线程的最大空闲时间
   /// </summary>
   public int MaxIdle = 30000;
   /// <summary>
   ///busy pool中线程的最大忙碌时间
   /// </summary>
   public int MaxBusy = 50000;
   /// <summary>
   /// 维护线程休息时间
   /// </summary>
   public int MaintenanceSleep = 300000;
   /// <summary>
   /// TcpClient读操作超时时间
   /// </summary>
   public int TcpClientTimeout = 3000;
   /// <summary>
   /// TcpClient链接超时时间
   /// </summary>
   public int TcpClientConnectTimeout = 30000;
   /// <summary>
   /// 缓存类型1为mongodb,2为tokyotyrnat
   /// </summary>
   public int CacheType = 1;
}</pre></div>
<p></p>
<p><br />上面是配置文件中‘可复用信息’的基类，下面是具体的配置类实例声明： </p>
<div class="dxycode"><pre class="brush:php;"> /// <summary>
/// 企业版配置信息类文件
/// </summary>
public class EntLibConfigInfo : IConfigInfo
{
   /// <summary>
   /// 提供数据库缓存服务，将在线表(dnt_online)放入CACHE中
   /// </summary>
   public DBCache Cacheonlineuser = new DBCache();
   /// <summary>
   /// 提供数据库缓存服务，将用户表(dnt_users)放入CACHE中
   /// </summary>
   public DBCache Cacheusers = new DBCache();
   /// <summary>
   /// 提供数据库缓存服务，将主题表(dnt_topic)放入CACHE中
   /// </summary>
   public DBCache Cachetopics = new DBCache();
      /// <summary>
   /// 提供数据库缓存服务，将主题表(dnt_topic)放入CACHE中
   /// </summary>
   public DBCache Cacheposts = new DBCache();
}</pre></div>
<p> </p>
<p><br />通过该类，就可以用如下配置文件内容初始化相应的实例了： </p>
<div class="dxycode"><pre class="brush:plain;"><EntLibConfigInfo>
<Cacheonlineuser>

<Host>10.0.4.119</Host>
<Port>27017</Port>
<Enable>false</Enable>
<PoolName>dnt_online</PoolName>
<IntConnections>4</IntConnections>
<MinConnections>4</MinConnections>
<MaxConnections>4</MaxConnections>
<MaxIdle>30000</MaxIdle>
<MaxBusy>50000</MaxBusy>
<MaintenanceSleep>300000</MaintenanceSleep>
<TcpClientTimeout>3000</TcpClientTimeout>
<TcpClientConnectTimeout>30000</TcpClientConnectTimeout>
<CacheType>1</CacheType>
</Cacheonlineuser>
<Cacheusers>

<Host>10.0.4.66</Host>
<Port>112121</Port>
<Enable>false</Enable>
<PoolName>dnt_users</PoolName>
<IntConnections>4</IntConnections>
<MinConnections>4</MinConnections>
<MaxConnections>4</MaxConnections>
<MaxIdle>30000</MaxIdle>
<MaxBusy>50000</MaxBusy>
<MaintenanceSleep>300000</MaintenanceSleep>
<TcpClientTimeout>3000</TcpClientTimeout>
<TcpClientConnectTimeout>30000</TcpClientConnectTimeout>
<CacheType>1</CacheType>
</Cacheusers>
<Cachetopics>

<Host>10.0.4.5</Host>
<Port>27017</Port>
<Enable>false</Enable>
<PoolName>dnt_topics</PoolName>
<IntConnections>25</IntConnections>
<MinConnections>25</MinConnections>
<MaxConnections>25</MaxConnections>
<MaxIdle>30000</MaxIdle>
<MaxBusy>5000</MaxBusy>
<MaintenanceSleep>300000</MaintenanceSleep>
<TcpClientTimeout>300000</TcpClientTimeout>
<TcpClientConnectTimeout>30000</TcpClientConnectTimeout>
<CacheType>1</CacheType>
</Cachetopics>
<Cacheposts>

<Host>10.0.4.5</Host>
<Port>27017</Port>
<Enable>false</Enable>
<PoolName>dnt_posts</PoolName>
<IntConnections>25</IntConnections>
<MinConnections>25</MinConnections>
<MaxConnections>25</MaxConnections>
<MaxIdle>30000</MaxIdle>
<MaxBusy>5000</MaxBusy>
<MaintenanceSleep>300000</MaintenanceSleep>
<TcpClientTimeout>300000</TcpClientTimeout>
<TcpClientConnectTimeout>30000</TcpClientConnectTimeout>
<CacheType>1</CacheType>
</Cacheposts>
</EntLibConfigInfo></pre></div>
<p></p>
<p><br />当然，因为使用的开源的客户源工具在配置上有一定的的差异性（比如命名上等），所以这里有些参数可以对TTCACHE有效，却对MONGODB无效， 不过这并不影响对这两种工具的使用。<br /> <br />      这里要说明的是，对于TokyoTrant而言，这里使用的是我开发的这款客户端软件：</p>
<p><br />      这里还有个小插曲，之前园子里有朋友介绍了这个客户端<span style="color:#78afd3">NoRM </span>，不过在我写了一个LINQ示例并进行压力测试后，发现速度不快，比samus的那个客户端慢了不少，在苦找原因无果的情况下，最终选择了samus，不过在samus中目前也支持LINQ的写法（也算是扩展和尝试吧），如下面的写法（更多具体示例还是参见其官方源码包中的相应内容）： <br /> </p>
<div class="dxycode"><pre class="brush:php;"> Mongo db = new Mongo("Servers=10.0.4.5:27017;ConnectTimeout=30000;ConnectionLifetime=300000;MinimumPoolSize=64;MaximumPoolSize=256;Pooled=true");
db.Connect();
var topicColl = db.GetDatabase("dnt_mongodb").GetCollection<Discuz.EntLib.MongoDB.Entity.TopicInfo>("topics");
var topicInfoList = topicColl.Linq().Where(t => t.Fid == 2 && t.Displayorder == 0).Skip(skip).OrderByDescending(t=>t.Lastpostid).Take(16).ToList();
Discuz.Common.Generic.List<TopicInfo> topicList = new List<TopicInfo>();
foreach (var topicin topicInfoList)
{
      topicList.Add(LoadTopicInfo(topic));
}
db.Disconnect();
return topicList;</pre></div>
<p></p>
<p><br />不过在使用上述代码进行1500万主题分页时，发现LR的测试周期延长（前者(document方式)从2:10秒延长到后者(linq)2：30秒）和吞吐量降低。 <br />所以这里还是最终延用了samus的document访问方式，参照上面的LINQ写法，下面是document写法，形如： </p>
<div class="dxycode"><pre class="brush:php;">public Discuz.Common.Generic.List<TopicInfo> GetTopicList(int fid, int pageSize, int pageIndex, int startNumber)
{
int skip = 0;
if (pageIndex <= 1)
   pageSize = pageSize - startNumber;
else
   skip = (pageIndex - 1) * pageSize - startNumber;
Discuz.Common.Generic.List<TopicInfo> topicInfoList = new Common.Generic.List<TopicInfo>();
System.Collections.Generic.List<Document> docList = MongoDbHelper.Find(mongoDB, "topics",
               new Document().Add("fid", fid).Add("displayorder", 0), "lastpostid", IndexOrder.Descending, pageSize, skip);
return docList;
}</pre></div>
<p></p>
<p><br />如果在你的项目中非要使用LINQ方式的话，那在这里再要介绍的一个samus的属性绑定功能，这个功能对于那些数据库字段与代码中的属性存在 “大小写”差异的情况下，非常有用，即对相应实体类进行‘别名’的绑定，比如对于主题表（需引入MongoDB.Attributes名空间）： </p>
<div class="dxycode"><pre class="brush:php;">/// <summary>
/// 主题信息描述类
/// </summary>
public class TopicInfo : Discuz.Entity.TopicInfo
{

public new int Attention { get; set; }
///<summary>
///主题tid
///</summary>

public new int Tid { get; set; }
/// <summary>
/// 板块名称
/// </summary>

public new string Forumname { get; set; }
///<summary>
///版块fid
///</summary>

public new int Fid { get; set; }
///<summary>
///主题图标id
///</summary>

public new int Iconid { get; set; }
......</pre></div>
<p> </p>
<p><br />上面的MongoAlias属性就是属性别名，它就是MONGODB中所存储的数据字段名称。 <br /><br />介绍到这里，再回到正文。 <br />因为这两个工具都是在数据库层面进行缓存的，所以它对于原有的DISCUZ!NT中的缓存系统而言，与数据库帖的更近，所以对原有的业务逻辑改造， <br />就停留在了数据访问层"DISCUZ.DATA.dll"中了，其实到这里，就看出了当初为什么要分层，以及分层带来的好处了。 <br />比如在Discuz.Data.Topics这个类中添加了这两个静态变量： </p>
<div class="dxycode"><pre class="brush:php;">/// <summary>
/// 是否启用TokyoTyrantCache缓存用户表
/// </summary>
public static bool appDBCache = (EntLibConfigs.GetConfig() != null && EntLibConfigs.GetConfig().Cachetopics.Enable);
public static ICacheTopics ITopicService = appDBCache ? DBCacheService.GetTopicsService() : null;</pre></div>
<p></p>
<p><br />前者用户判断是否启用主题缓存，后者则获取相应的缓存服务实例（前面配置文件中已做相应说明）。 <br />这样，在已有的数据访问代码中加入相应的缓存逻辑，比如获取主题信息： </p>
<div class="dxycode"><pre class="brush:php;">/// <summary>
/// 获得主题信息
/// </summary>
/// <param name="tid">要获得的主题ID</param>
/// <param name="fid">版块ID</param>
/// <param name="mode">模式选择, 0=当前主题, 1=上一主题, 2=下一主题</param>
public static TopicInfo GetTopicInfo(int tid, int fid, byte mode)
{
TopicInfo topicInfo = null;
if (appDBCache)//新增代码
   topicInfo = ITopicService.GetTopicInfo(tid, fid, mode);
if(topicInfo == null)
{
   //原代码
   IDataReader reader = DatabaseProvider.GetInstance().GetTopicInfo(tid, fid, mode);
   if (reader.Read())
         topicInfo = LoadSingleTopicInfo(reader);
   reader.Close();
   if (appDBCache && topicInfo != null)
         ITopicService.CreateTopic(topicInfo);
}
return topicInfo;
}</pre></div>
<p></p>
<p><br />当然，因为使用了缓存方式，所以就牵扯到缓存中的数据与数据库中数据的一致性问题，所以对于主题的CUD操作，也要对应有相应的对缓存的操作，这基本上就是一个工作量的问题了。因为无论是TTCACHED，还是MONGODB，都支持更新操作。 <br />比如同样是更新主题附件类型的操作，下面是TTCACHED的写法： </p>
<div class="dxycode"><pre class="brush:php;">/// <summary>
/// 更新主题附件类型
/// </summary>
/// <param name="tid">主题Id</param>
/// <param name="attType">附件类型,1普通附件,2为图片附件</param>
/// <returns></returns>
public int UpdateTopicAttachmentType(int tid, int attType)
{
var qrecords = TokyoTyrantService.QueryRecords(pool, new Query().NumberEquals("tid", tid));
foreach (string key in qrecords.Keys)
{
   var column = qrecords;
   column["attachment"] = attType.ToString();
   TokyoTyrantService.PutColumns(pool, column["tid"], column, true);
   break;
}
return 1;
}</pre></div>
<div></div>
<p></p>
<p><br />下面是MongoDB的写法 </p>
<div class="dxycode"><pre class="brush:php;">/// <summary>
/// 更新主题附件类型
/// </summary>
/// <param name="tid">主题Id</param>
/// <param name="attType">附件类型,1普通附件,2为图片附件</param>
/// <returns></returns>
public int UpdateTopicAttachmentType(int tid, int attType)
{
MongoDbHelper.Update(mongoDB, "topics",
      new Document() { { "$set", new Document() { { "attachment", attType } } } },
         new Document().Add("_id", tid));
return 1;
}</pre></div>
<div></div>
<p><br />通过对比可以看出，MONGODB可以对某一字段进行操作，而TTCACEHD则只能通过查询先获取整条记录，然后修改某一‘字段’，之后再整条提交更新，所以单从这一角度讲，MONGDOB要比TTCACHED更新性能要高许多（之后的测试结果也说明了这一点）。<br />   <br />      正如之前所说的那样，如用户对于这两个接口实现方案均不满意，那么他可以使用其它类型的NOSQL数据库，只要实现了相应的接口：<br />     public interface ICacheTopics<br />     public interface ICacheUsers<br />     public interface ICacheOnlineUser<br />     public interface ICachePosts     <br />       并在配置文件中进行相应的配置就可以了，当然本文中代码因为时间问题还是有待考量的，但主要的架构设计思想基本被确定下来了。<br /> <br /> <br />      当然对于原有的数据库中的记录，如果要使用本方案，我提供了转换工具，用于把数据转到TTCACHED或MONGODB中的任一服务端上。如下：<br /> <br />     TTCACEHD:<br />     </p>
<p style="text-align:center"><img style="max-width:100%!important;height:auto!important;"alt="Discuz!NT千万级数据量上的两驾马车 TokyoCabinet,MongoDB" height="465" src="https://zhuji.jb51.net/uploads/allimg/20250616/1-2506160ZK1363.gif" width="640" /></p>
<p><br />     <br />     MongoDB(目前比TTACEHD多了帖子分表转换功能):<br />    </p>
<p style="text-align:center"><img style="max-width:100%!important;height:auto!important;"alt="Discuz!NT千万级数据量上的两驾马车" height="465" src="https://zhuji.jb51.net/uploads/allimg/20250616/1-2506160ZK1A0.gif" width="640" /></p>
<p><br /> <br /> <br />      最后在压力测试过程中，还出现了一些小问题，好在对着官方文档，逐步优化解决了，这里要特别说一下MONGDOB,其文件的详细程度要好于TTCACHED，基本上主要的功能都有详细的介绍说明页面，呵呵。当然TTCACHED的诞生时间要比MONGODB早，所以在生产环境下的成功案例也相对多一些。<br />     <br />     <br />     下面列了一下使用过程中的小问题，仅作记录：            <br />      <br />      TokyoTyrant的使用问题：尽量不要在查询的列表中使用排序操作，因为它的排序效率还不如数据库高。尽量使用索引进行查询<br />                   键值操作。2000w记录以下查询效率很高，但更高的数据量上目前没做过压力测试（包括CRUD操作）<br />      <br />      Mongodb：尽量使用_ID做为查询键值操作，包括排序等，对索引进行优化（单列或多列进行索引）。</p>

頁: [1]

琼殿技术论坛's Archiver

Discuz!NT千万级数据量上的两驾马车 TokyoCabinet,MongoDB