关于冗余表数据一致性

一.需求

互联网很多业务场景的数据量很大，此时数据库架构要进行水平切分，水平切分会有一个patition key，通过patition key的查询能够直接定位到库，但是非patition key上的查询可能就需要扫描多个库了。

例如订单表，业务上对用户和商家都有订单查询需求：

Order(oid, info_detail)

T(buyer_id, seller_id, oid)

如果用buyer_id来分库，seller_id的查询就需要扫描多库。

如果用seller_id来分库，buyer_id的查询就需要扫描多库。

 

这类需求，为了做到高吞吐量低延时的查询，往往使用“数据冗余”的方式来实现。

T1(buyer_id, seller_id, oid)

T2(seller_id, buyer_id, oid)

同一个数据，冗余两份，一份以buyer_id来分库，满足买家的查询需求；

一份以seller_id来分库，满足卖家的查询需求。

 

二.冗余表的实现方案

1、服务同步写

顾名思义，由服务层同步写冗余数据，如上图流程：

（1）业务方调用服务，新增数据；

（2）服务先插入T1数据；

（3）服务再插入T2数据；

（4）服务返回业务方新增数据成功；

优点：

（1）不复杂，服务层由单次写，变两次写；

（2）数据一致性相对较高（因为双写成功才返回）；

缺点：

（1）请求的处理时间增加（要插入次，时间加倍）；

（2）数据仍可能不一致，例如第二步写入T1完成后服务重启，则数据不会写入T2；

 

 

2、服务异步写

如果系统对处理时间比较敏感，可以采用此方案

数据的双写并不再由服务来完成，服务层异步发出一个消息，通过消息总线发送给一个专门的数据复制服务来写入冗余数据，如上图1-6流程：

（1）业务方调用服务，新增数据；

（2）服务先插入T1数据；

（3）服务向消息总线发送一个异步消息（发出即可，不用等返回，通常很快就能完成）；

（4）服务返回业务方新增数据成功；

（5）消息总线将消息投递给数据同步中心；

（6）数据同步中心插入T2数据；

优点：

（1）请求处理时间短（只插入1次）；

缺点：

（1）系统的复杂性增加了，多引入了一个组件（消息总线）和一个服务（专用的数据复制服务）；

（2）因为返回业务线数据插入成功时，数据还不一定插入到T2中，因此数据有一个不一致时间窗口（这个窗口很短，最终是一致的）；

（3）在消息总线丢失消息时，冗余表数据会不一致；

 

 

3、线下异步写

如果想解除“数据冗余”对系统的耦合，可以采用此方案。

数据的双写不再由服务层来完成，而是由线下的一个服务或者任务来完成，如上图流程：

（1）业务方调用服务，新增数据；

（2）服务先插入T1数据；

（3）服务返回业务方新增数据成功；

（4）数据会被写入到数据库的log中；

（5）线下服务或者任务读取数据库的log；

（6）线下服务或者任务插入T2数据；

优点：

（1）数据双写与业务完全解耦；

（2）请求处理时间短（只插入1次）；

缺点：

（1）返回业务线数据插入成功时，数据还不一定插入到T2中，因此数据有一个不一致时间窗口（这个窗口很短，最终是一致的）；

（2）数据的一致性依赖于线下服务或者任务的可靠性；

 

上述三种方案各有优缺点，但不管哪种方案，都会面临“究竟先写T1还是先写T2”的问题？这该怎么办呢？

 

三.究竟先写正表还是反表

对于一个不能保证事务性的操作，一定涉及“哪个任务先做，哪个任务后做”的问题，解决这个问题的方向是：

如果出现不一致，谁先做对业务的影响较小，就谁先执行。

以上文的订单生成业务为例，buyer和seller冗余表都需要插入数据：

T1(buyer_id, seller_id, oid)

T2(seller_id, buyer_id, oid)

用户下单时，如果“先插入buyer表T1，再插入seller冗余表T2”，当第一步成功、第二步失败时，出现的业务影响是“买家能看到自己的订单，卖家看不到推送的订单”，

相反，如果“先插入seller表T2，再插入buyer冗余表T1”，当第一步成功、第二步失败时，出现的业务影响是“卖家能看到推送的订单，卖家看不到自己的订单”，

由于这个生成订单的动作是买家发起的，买家如果看不到订单，会觉得非常奇怪，并且无法支付以推动订单状态的流转，此时即使卖家看到有人下单也是没有意义的。

因此，在此例中，应该先插入buyer表T1，再插入seller表T2。

然而，记住结论：如果出现不一致，谁先做对业务的影响较小，就谁先执行。

 

四.如何保证数据的一致性

从二节和第三节的讨论可以看到，不管哪种方案，因为两步操作不能保证原子性，总有出现数据不一致的可能，那如何解决呢？

1、线下扫面正反冗余表全部数据

如上图所示，线下启动一个离线的扫描工具，不停的比对正表T1和反表T2，如果发现数据不一致，就进行补偿修复。

优点：

（1）比较简单，开发代价小；

（2）线上服务无需修改，修复工具与线上服务解耦；

缺点：

（1）扫描效率低，会扫描大量的“已经能够保证一致”的数据；

（2）由于扫描的数据量大，扫描一轮的时间比较长，即数据如果不一致，不一致的时间窗口比较长；

 

2、线下扫描增量数据

每次只扫描增量的日志数据，就能够极大提高效率，缩短数据不一致的时间窗口，如上图流程所示：

（1）写入正表T1；

（2）第一步成功后，写入日志log1；

（3）写入反表T2；

（4）第二步成功后，写入日志log2；

当然，我们还是需要一个离线的扫描工具，不停的比对日志log1和日志log2，如果发现数据不一致，就进行补偿修复

优点：

（1）虽比方法一复杂，但仍然是比较简单的；

（2）数据扫描效率高，只扫描增量数据；

缺点：

（1）线上服务略有修改（代价不高，多写了2条日志）；

（2）虽然比方法一更实时，但时效性还是不高，不一致窗口取决于扫描的周期；

 

3、实时线上“消息对”检测

这次不是写日志了，而是向消息总线发送消息，如上图流程所示：

（1）写入正表T1；

（2）第一步成功后，发送消息msg1；

（3）写入反表T2；

（4）第二步成功后，发送消息msg2；

这次不是需要一个周期扫描的离线工具了，而是一个实时订阅消息的服务不停的收消息。

假设正常情况下，msg1和msg2的接收时间应该在3s以内，如果检测服务在收到msg1后没有收到msg2，就尝试检测数据的一致性，不一致时进行补偿修复

优点：

（1）效率高；

（2）实时性高；

缺点：

（1）方案比较复杂，上线引入了消息总线这个组件。

（2）线下多了一个订阅总线的检测服务。