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

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：
      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     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：
   
    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
[color=]该链接
，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）
    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）。
    好了，说了这么多，开始今天的正文吧。
   
    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：
   
   

   
   
     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）：
复制代码代码如下:
public interface ICacheTopics
public interface ICacheUsers
public interface ICacheOnlineUser
public interface ICachePosts
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。
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：
复制代码代码如下:
///  
/// 该类用于获取NoSqlDb声明的缓存服务
///  
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;
}
}
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：
复制代码代码如下:
///  
/// 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
///  
public class DBCache
{
///  
/// 是否有效
///  
public bool Enable = false;
///  
/// 服务地址
///  
public string Host = "";
///  
/// 服务地址
///  
public int Port = 0;
///  
/// 链接池名称
///  
public string PoolName = "dnt";
///  
/// 初始化链接数
///  
public int IntConnections = 4;
///  
/// 最少链接数
///  
public int MinConnections = 4;
///  
/// 最大连接数
///  
public int MaxConnections = 4;
///  
/// avaiable pool池中线程的最大空闲时间
///  
public int MaxIdle = 30000;
///  
/// busy pool中线程的最大忙碌时间
///  
public int MaxBusy = 50000;
///  
/// 维护线程休息时间
///  
public int MaintenanceSleep = 300000;
///  
/// TcpClient读操作超时时间
///  
public int TcpClientTimeout = 3000;
///  
/// TcpClient链接超时时间
///  
public int TcpClientConnectTimeout = 30000;
///  
/// 缓存类型1为mongodb,2为tokyotyrnat
///  
public int CacheType = 1;
}
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：
复制代码代码如下:
///  
/// 企业版配置信息类文件
///  
public class EntLibConfigInfo : IConfigInfo
{
///  
/// 提供数据库缓存服务，将在线表(dnt_online)放入CACHE中
///  
public DBCache Cacheonlineuser = new DBCache();
///  
/// 提供数据库缓存服务，将用户表(dnt_users)放入CACHE中
///  
public DBCache Cacheusers = new DBCache();
///  
/// 提供数据库缓存服务，将主题表(dnt_topic)放入CACHE中
///  
public DBCache Cachetopics = new DBCache();
///  
/// 提供数据库缓存服务，将主题表(dnt_topic)放入CACHE中
///  
public DBCache Cacheposts = new DBCache();
}
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：
复制代码代码如下:



10.0.4.119
27017
false
dnt_online
[I]4[/I]
4
4
30000
50000
300000
3000
30000
1



10.0.4.66
112121
false
dnt_users
[I]4[/I]
4
4
30000
50000
300000
3000
30000
1



10.0.4.5
27017
false
dnt_topics
[I]25[/I]
25
25
30000
5000
300000
300000
30000
1



10.0.4.5
27017
false
dnt_posts
[I]25[/I]
25
25
30000
5000
300000
300000
30000
1


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。

      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：
      
[color=]http://www.cnblogs.com/daizhj/archive/2010/06/08/tokyotyrantclient.html

      Mongodb使用的是：
[color=]http://github.com/samus/mongodb-csharp
。
     
      这里还有个小插曲，之前园子里有朋友介绍了这个客户端
[color=]NoRM
，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）：
复制代码代码如下:
Mongo db = new Mongo("Servers=10.0.4.5:27017;ConnectTimeout=30000;ConnectionLifetime=300000;MinimumPoolSize=64;MaximumPoolSize=256ooled=true");
db.Connect();
var topicColl = db.GetDatabase("dnt_mongodb").GetCollection("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 topicList = new List();
foreach (var topic in topicInfoList)
{
topicList.Add(LoadTopicInfo(topic));
}
db.Disconnect();
return topicList;
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。
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：
复制代码代码如下:
public Discuz.Common.Generic.List GetTopicList(int fid, int pageSize, int pageIndex, int startNumber)
{
int skip = 0;
if (pageIndex  topicInfoList = new Common.Generic.List();
System.Collections.Generic.List docList = MongoDbHelper.Find(mongoDB, "topics",
new Document().Add("fid", fid).Add("displayorder", 0), "lastpostid", IndexOrder.Descending, pageSize, skip);
return docList;
}
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）：
复制代码代码如下:
///  
/// 主题信息描述类
///  
public class TopicInfo : Discuz.Entity.TopicInfo
{
[MongoAlias("attention")]
public new int Attention { get; set; }
///
///主题tid
///
[MongoAlias("tid")]
public new int Tid { get; set; }
///  
/// 板块名称
///  
[MongoAlias("forumname")]
public new string Forumname { get; set; }
///
///版块fid
///
[MongoAlias("fid")]
public new int Fid { get; set; }
///
///主题图标id
///
[MongoAlias("iconid")]
public new int Iconid { get; set; }
......
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。
介绍到这里，再回到正文。
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，
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。
比如在Discuz.Data.Topics这个类中添加了这两个静态变量：
复制代码代码如下:
///  
/// 是否启用TokyoTyrantCache缓存用户表
///  
public static bool appDBCache = (EntLibConfigs.GetConfig() != null && EntLibConfigs.GetConfig().Cachetopics.Enable);
public static ICacheTopics ITopicService = appDBCache ? DBCacheService.GetTopicsService() : null;
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）。
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：
复制代码代码如下:
///  
/// 获得主题信息
///  
/// 要获得的主题ID
/// 版块ID
/// 模式选择, 0=当前主题, 1=上一主题, 2=下一主题
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;
}
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。
比如同样是更新主题附件类型的操作，下面是TTCACHED的写法：
复制代码代码如下:
///  
/// 更新主题附件类型
///  
/// 主题Id
/// 附件类型,1普通附件,2为图片附件
///  
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[key];
column["attachment"] = attType.ToString();
TokyoTyrantService.PutColumns(pool, column["tid"], column, true);
break;
}
return 1;
}
下面是MongoDB的写法
复制代码代码如下:
///  
/// 更新主题附件类型
///  
/// 主题Id
/// 附件类型,1普通附件,2为图片附件
///  
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;
}
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）。
   
      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：
     public interface ICacheTopics
     public interface ICacheUsers
     public interface ICacheOnlineUser
     public interface ICachePosts     
       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。


      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：

     TTCACEHD:
     

     
     MongoDB(目前比TTACEHD多了帖子分表转换功能):
   



      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。
     
     
     下面列了一下使用过程中的小问题，仅作记录：            
      
      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
                   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）
      
      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）。
原文链接:[/url][url=http://www.cnblogs.com/daizhj/archive/2010/07/20/1781140.html]
[color=]http://www.cnblogs.com/daizhj/archive/2010/07/20/1781140.html