從MongoDB遷移到ES后，我們減少了80%的服務(wù)器
來自：DBAplus社群
作者介紹
李猛(ynuosoft)，Elastic-stack產(chǎn)品深度用戶，ES認(rèn)證工程師，2012年接觸Elasticsearch，對Elastic-Stack開發(fā)、架構(gòu)、運(yùn)維等方面有深入體驗(yàn)，實(shí)踐過多種Elasticsearch項(xiàng)目，最暴力的大數(shù)據(jù)分析應(yīng)用，最復(fù)雜的業(yè)務(wù)系統(tǒng)應(yīng)用；業(yè)余為企業(yè)提供Elastic-stack咨詢培訓(xùn)以及調(diào)優(yōu)實(shí)施。
圖示：MongoDB與Elasticsearch熱度排名
本文內(nèi)容涉及到MongoDB與Elasticsearch兩大陣營，可能會引起口水之爭，僅代表個人經(jīng)驗(yàn)之談，非陣營之說，圍繞兩個話題展開：
為什么要從MongoDB遷移到Elasticsearch？
如何從MongoDB遷移到Elasticsearch？
MongoDB本身定位與關(guān)系型數(shù)據(jù)庫競爭，但工作中幾乎沒有見到哪個項(xiàng)目會將核心業(yè)務(wù)系統(tǒng)的數(shù)據(jù)放在上面，依然選擇傳統(tǒng)的關(guān)系型數(shù)據(jù)庫。
公司所在物流速運(yùn)行業(yè)，業(yè)務(wù)系統(tǒng)復(fù)雜且龐大，用戶操作者很多，每日有大量業(yè)務(wù)數(shù)據(jù)產(chǎn)生，同時業(yè)務(wù)數(shù)據(jù)會有很多次流轉(zhuǎn)狀態(tài)變化，為了便于記錄追蹤分析，系統(tǒng)操作日志記錄項(xiàng)目應(yīng)運(yùn)而生，考慮到原有的日均數(shù)據(jù)量，操作日志數(shù)據(jù)基于MongoDB存儲。
操作日志記錄系統(tǒng)需要記錄兩種數(shù)據(jù)，如下說明：
1）變更主數(shù)據(jù)，什么人在什么時間在系統(tǒng)哪個模塊做了什么操作，數(shù)據(jù)編號是什么，操作跟蹤編號是什么。
{
"dataId": 1,
"traceId": "abc",
"moduleCode": "crm_01",
"operateTime": "2019-11-11 12:12:12",
"operationId": 100,
"operationName": "張三",
"departmentId": 1000,
"departmentName": "客戶部",
"operationContent": "拜訪客戶。。。"
}
2）變更從數(shù)據(jù)，實(shí)際變更數(shù)據(jù)的變化前后，此類數(shù)據(jù)條數(shù)很多，一行數(shù)據(jù)多個字段變更就記錄多條。
[
{
"dataId": 1,
"traceId": "abc",
"moduleCode": "crm_01",
"operateTime": "2019-11-11 12:12:12",
"operationId": 100,
"operationName": "張三",
"departmentId": 1000,
"departmentName": "客戶部",
"operationContent": "拜訪客戶",
"beforeValue": "20",
"afterValue": "30",
"columnName": "customerType"
},
{
"dataId": 1,
"traceId": "abc",
"moduleCode": "crm_01",
"operateTime": "2019-11-11 12:12:12",
"operationId": 100,
"operationName": "張三",
"departmentId": 1000,
"departmentName": "客戶部",
"operationContent": "拜訪客戶",
"beforeValue": "2019-11-02",
"afterValue": "2019-11-10",
"columnName": "lastVisitDate"
}
]
項(xiàng)目架構(gòu)描述如下：
業(yè)務(wù)系統(tǒng)新增或者編輯數(shù)據(jù)，產(chǎn)生操作日志記錄發(fā)送到Kafka集群，基于dataid字段作為key；
新增或編輯數(shù)據(jù)實(shí)際存儲到MySQL數(shù)據(jù)庫；
canal集群訂閱MySQL集群，按照業(yè)務(wù)系統(tǒng)模塊配置監(jiān)控的數(shù)據(jù)庫與表；
canal將監(jiān)控到的變更業(yè)務(wù)數(shù)據(jù)發(fā)送到Kafka集群，基于dataid字段作為key；
操作日志系統(tǒng)從Kafka獲取主記錄數(shù)據(jù)與從記錄數(shù)據(jù)；
操作日志系統(tǒng)寫入數(shù)據(jù)到MongoDB，同時需要反查詢。
圖示：操作日志記錄業(yè)務(wù)流程說明
集群架構(gòu)說明：
服務(wù)器配置8c/32gb/500gb ssd；
Router路由服務(wù)器部署了3個節(jié)點(diǎn)；
Config配置服務(wù)器部署了3個節(jié)點(diǎn)；
Shard分片服務(wù)器部署了9個節(jié)點(diǎn)；
主操作記錄設(shè)計(jì)3個分片；
從操作記錄設(shè)計(jì)3個分片。
MongoDB的信徒們可能懷疑我們沒有使用好，或者我們的運(yùn)維能力欠缺，或者認(rèn)為我們有Elasticsearch的高手在。不是這樣的，棄用MongoDB選擇Elasticsearch其實(shí)并非技術(shù)偏見問題，而是我們的實(shí)際場景需求，原因如下：
MongoDB內(nèi)部采用B-Tree作為索引結(jié)構(gòu)，此索引基于最左優(yōu)先原則，且必須保證查詢順序與索引字段的順序一致才有效，這個即是優(yōu)點(diǎn)，但在現(xiàn)在復(fù)雜業(yè)務(wù)場景也是致命的；
業(yè)務(wù)系統(tǒng)查詢操作日志記錄會有很多過濾條件，且查詢條件是任意組合的，現(xiàn)有MongoDB是不支持的，或者說所有關(guān)系型數(shù)據(jù)庫都不支持，如果要支持，得創(chuàng)建好多組合的B+數(shù)索引，想法很不理智，這個我們已經(jīng)在《DB與ES混合之應(yīng)用系統(tǒng)場景分析探討》文中探討過，詳細(xì)可以閱讀；
同時主記錄與從記錄中有很多字符類的數(shù)據(jù)，這些數(shù)據(jù)查詢即要支持精確查詢，也要支持全文檢索，這幾個方面MongoDB功能很單一，性能也很糟糕，業(yè)務(wù)系統(tǒng)查詢時經(jīng)常超時，反倒是Elasticsearch非常合適。
分片與副本實(shí)現(xiàn)問題，MongoDB集合數(shù)據(jù)在設(shè)計(jì)時是需要綁定到具體的機(jī)器實(shí)例的，哪些分片分布在哪些節(jié)點(diǎn)上，哪些副本分布在哪些節(jié)點(diǎn)上，這些都需要在配置集群時就要綁定死，跟傳統(tǒng)的關(guān)系型數(shù)據(jù)庫做分庫分表本質(zhì)上沒有什么兩樣，其實(shí)現(xiàn)在很多數(shù)據(jù)產(chǎn)品的集群還是這種模式偏多，比如Redis-cluster，ClickHouse等。而Elasticsearc的集群與分片和副本沒有直接的綁定關(guān)系，可以任意的平衡調(diào)整，且節(jié)點(diǎn)的性能配置也可以很容易差異化；
操作日志數(shù)據(jù)量增加很快，單日寫入超過千萬條，不用多久，運(yùn)維人員就需要對服務(wù)器進(jìn)行擴(kuò)容，且相對Elasticsearch復(fù)雜很多；
MongoDB單集合數(shù)據(jù)量超過10億條，此情況下即使簡單條件查詢性能也不理想，不如Elasticsearch倒排索引快；
公司對于ES與MongoDB技術(shù)棧的經(jīng)驗(yàn)積累不同，Elasticsearc在很多項(xiàng)目中運(yùn)用，非常核心的項(xiàng)目也是大量運(yùn)用，對于其技術(shù)與運(yùn)維經(jīng)驗(yàn)更豐富，而MongoDB如果除去核心業(yè)務(wù)場景，幾乎找不到合適的切入口，實(shí)際沒有人敢在核心項(xiàng)目中使用MongoDB，這就很尷尬。
MongoDB與Elasticsearch都屬于文檔型數(shù)據(jù)庫 ，Bson類同與Json，_objectid與_id原理一樣，所以主數(shù)據(jù)與從數(shù)據(jù)遷移到Elasticsearch平臺，數(shù)據(jù)模型幾乎無需變化。
異構(gòu)數(shù)據(jù)系統(tǒng)遷移，主要圍繞這兩大塊內(nèi)容展開：
上層應(yīng)用系統(tǒng)遷移，原來是針對MongoDB的語法規(guī)則，現(xiàn)在要修改為面向Elasticsearch語法規(guī)則；
下層MongoDB數(shù)據(jù)遷移到Elasticsearch。
原有MongoDB集群采用了15臺服務(wù)器，其中9臺是數(shù)據(jù)服務(wù)器，遷移到Elastic集群需要多少臺服務(wù)器？我們采取簡單推算辦法，如假設(shè)生產(chǎn)環(huán)境上某個MongoDB集合的數(shù)據(jù)有10億條數(shù)據(jù), 我們先在測試環(huán)境上從MongoDB到ES上同步100萬條數(shù)據(jù)，假設(shè)這100萬條數(shù)據(jù)占用磁盤10G，那生產(chǎn)上環(huán)境上需要1個T磁盤空間，然后根據(jù)業(yè)務(wù)預(yù)期增加量擴(kuò)展一定冗余。根據(jù)初步評估，Elastic集群設(shè)置3臺服務(wù)器， 配置8c/16g內(nèi)存/2T機(jī)械磁盤。服務(wù)器數(shù)量一下從15臺縮減到3臺，且配置也降低不少。
系統(tǒng)操作日志是時序性數(shù)據(jù)，寫完整后基本上無需再次修改。操作日志記錄查詢主要是當(dāng)月的居多，后續(xù)的歷史性數(shù)據(jù)查詢頻率很低，根據(jù)評估，核心數(shù)據(jù)索引按月創(chuàng)建生成， 業(yè)務(wù)查詢時候必須帶上操作時間范圍，后端根據(jù)時間反推需要查詢哪些索引，Elastic-Api支持多索引匹配查詢，完美利用Elastic的特性解決跨多個月份的查詢合并。對于非核心數(shù)據(jù)索引，按年創(chuàng)建索引生成足以。
圖示：Elastic操作日志索引創(chuàng)建規(guī)則
Elasticsearch不是關(guān)系型數(shù)據(jù)庫，不具備事務(wù)的機(jī)制。操作日志系統(tǒng)的數(shù)據(jù)來源都是Kafka，消費(fèi)數(shù)據(jù)是有順序機(jī)制的，有2種場景特別注意，如下：
主數(shù)據(jù)先到操作日志系統(tǒng)，從數(shù)據(jù)后到，從數(shù)據(jù)寫的時候先拼湊主數(shù)據(jù)記錄和Binlog字段數(shù)據(jù)；
從數(shù)據(jù)先到操作日志系統(tǒng)，主數(shù)據(jù)后到，主數(shù)據(jù)更新從索引的相關(guān)的索引字段。
Elasticsearch索引數(shù)據(jù)更新是近實(shí)時的刷新機(jī)制，數(shù)據(jù)提交后不能馬上通過Search-Api查詢到，主記錄的數(shù)據(jù)如何更新到從記錄呢？而且業(yè)務(wù)部門不規(guī)范的使用，多條主記錄的dataId和tracId可能一樣。
由于主數(shù)據(jù)與從數(shù)據(jù)關(guān)聯(lián)字段是dataId和traceId。如果主數(shù)據(jù)與從數(shù)據(jù)在同時達(dá)到操作日志系統(tǒng)，基于update_by_query 命令肯定失效不 準(zhǔn)確， 主從數(shù)據(jù)也可能是多對多的關(guān)聯(lián)關(guān)系，dataId 和traceId不能唯一決定一條記錄。
Elasticsearch其實(shí)也是一個NoSQL數(shù)據(jù)庫， 可以做key-value緩存。這時新建一個Elastic索引作為中間緩存， 原則是主數(shù)據(jù)與從數(shù)據(jù)誰先到緩存誰，索引的 _id=（dataId+traceId） ， 通過這個中間索引可以找到主數(shù)據(jù)記錄的Id或者從記錄Id， 索引數(shù)據(jù)模型多如下，detailId為從索引的_id的數(shù)組記錄。
{
"dataId": 1,
"traceId": "abc",
"moduleCode": "crm_01",
"operationId": 100,
"operationName": "張三",
"departmentId": 1000,
"departmentName": "客戶部",
"operationContent": "拜訪客戶",
"detailId": [
1,
2,
3,
4,
5,
6
]
}
前面我們講過主記錄和從記錄都是一個Kafka的分區(qū)上，我們拉一批數(shù)據(jù)的時候，操作ES用的用到的核心API：
#批量獲取從索引的記錄
_mget
#批量插入
bulk
#批量刪除中間臨時索引
_delete_by_query
選擇DataX作為數(shù)據(jù)同步工具由以下幾個因素：
歷史型數(shù)據(jù)。操作日志記錄數(shù)據(jù)屬于歷史性的數(shù)據(jù)，記錄產(chǎn)生之后幾乎無需二次修改，等同于離線數(shù)據(jù)；
非持續(xù)性遷移。項(xiàng)目全部完工之后，原有的MongoDB集群會全部銷毀，不會有二次遷移需求；
數(shù)據(jù)量問題。原有MongoDB操作日志數(shù)據(jù)量有幾十億條，遷移過程不能太快也不能太慢，速度太快，MongoDB集群會出現(xiàn)性能問題，速度太慢，項(xiàng)目周期太長，增加運(yùn)維的成本與復(fù)雜度。否則可以選擇Hadoop作為中轉(zhuǎn)平臺的遷移；
DataX源碼特定場景改造。如日期類型的轉(zhuǎn)換、索引主鍵_id的生成、索引主鍵_id映射，支持重復(fù)同步；
多實(shí)例多線程并行。主數(shù)據(jù)同步部署多個實(shí)例，從數(shù)據(jù)同步也部署多個實(shí)例，單實(shí)例中配置多個Channel。
圖示：DataX同步數(shù)據(jù)示意圖
臨時修改索引的一些設(shè)置，當(dāng)數(shù)據(jù)同步完之后再修改回來，如下：
"index.number_of_replicas": 0,
"index.refresh_interval": "30s",
"index.translog.flush_threshold_size": "1024M"
"index.translog.durability": "async",
"index.translog.sync_interval": "5s"
操作日志項(xiàng)目采用Springboot構(gòu)建，增加了自定義配置項(xiàng)，如下：
#應(yīng)用寫入mongodb標(biāo)識
writeflag.mongodb: true
#應(yīng)用寫入elasticsearch標(biāo)識
writeflag.elasticsearch: true
項(xiàng)目改造說明：
第一次上線的時候，先將2個寫入標(biāo)識設(shè)置為true，雙寫MongoDB和ES；
對于讀，提供2個不同接口，前端自由的切換；
等數(shù)據(jù)遷移完，沒有差異的時候，重新更改flag的值。
圖示：應(yīng)用平衡遷移
棄用MongoDB使用ElasticSearch作為存儲數(shù)據(jù)庫，服務(wù)器從原來的15臺MongoDB，變成了3臺ElasticSearch，每月為公司節(jié)約了一大筆費(fèi)用。同時查詢性能提高了10倍以上，而且更好的支持了各種查詢，得到了業(yè)務(wù)部門的使用者，運(yùn)維團(tuán)隊(duì)和領(lǐng)導(dǎo)的一致贊賞。
整個項(xiàng)目前后歷經(jīng)幾個月，多位同事參與，設(shè)計(jì)、研發(fā)，數(shù)據(jù)遷移、測試、數(shù)據(jù)驗(yàn)證、壓測等各個環(huán)節(jié)。技術(shù)方案不是一步到位，中間也踩了很多坑，最終上線了。ES的技術(shù)優(yōu)秀特點(diǎn)很多，靈活的使用，才能發(fā)揮最大的威力。
特別推薦一個分享架構(gòu)+算法的優(yōu)質(zhì)內(nèi)容，還沒關(guān)注的小伙伴，可以長按關(guān)注一下：
長按訂閱更多精彩▼
如有收獲，點(diǎn)個在看，誠摯感謝
免責(zé)聲明：本文內(nèi)容由21ic獲得授權(quán)后發(fā)布，版權(quán)歸原作者所有，本平臺僅提供信息存儲服務(wù)。文章僅代表作者個人觀點(diǎn)，不代表本平臺立場，如有問題，請聯(lián)系我們，謝謝！
下載文檔
