图片的批量导入实现和对主键生成策略的思考

CDX一期上线的那天是我来公司最紧张的一天，因为这一天我要负责公司近5000张车型图的导入工作。虽然在完成上传和导入的代码之后测试了很多遍，但是真正到了正式环境，却真的很怕出问题。内搜、gift、以及本地和线上数据库的同步，哪一个环节出了问题都会影响上线的时间。现在一期上了线，也对自己图片上传导入这部分做一些总结，还有对现有方法不足之处的一些思考。

其实一张图的上传逻辑还是比较简单的：

1. 上传图片到gift服务器。

2. 保存图片信息到线上数据库。

3. 将图片信息按固定格式推送给内搜，便于之后检索。

现在公司有几千张图片，不可能人工的一张一张在页面上传，这就需要我来做一个批量上传导入的脚本，实现逻辑大概如下：

1. 从设计部门拷贝资源库素材到本地。

2. 遍历本地资源文件夹，取出所有的素材文件。

3. 把所有素材文件归类，将对应路径格式化为标签，做文件名的正则校验，筛选出满足要求的素材。

4. 把取到的所有素材文件依次上传到gift，压缩图传到public空间，原图传到private空间。

5. 将上传成功的素材信息，标签等写入本地数据库。

6. 将图片发布，信息推送到内搜系统的队列中。

7. 完成这个过程后，将本地数据库新增的数据和线上数据库进行同步。

看完这个过程，可能自己都会有疑问，为什么有一个本地和线上数据库同步的步骤？这是由于线上数据库的连接地址vip只能线上服务器访问，而本地并无权限，并且又不能把素材包和导入脚本统统放到线上环境去跑。这就导致了在这个过程中间会产生短暂的不一致现象：展现在web端就是，搜索发现有了这个图（因为内搜已经消费了推送数据），但是点开详情却发现无此图片。

但这个问题还是小问题，有个问题更无法忽视：数据库的主键是自增的，那如何保证数据库同步的过程中不会出现主键的冲突？这些都是我在下面想说的。

 

1. 批量上传代码的实现中的要点：

• 遍历文件夹使用了非递归的方式，因为要记录每一级的文件夹信息，作为该图的标签keyLabels；另外对于文件的格式，文件名的规则做了正则校验，这个和设计部门达成了统一。
• 由于浏览器端上传的图片到了服务端是作为MultipartFile类型去接收的，由于MultipartFile是个接口，我必须要有实现该接口的类去对接本地遍历之后得到的File集合，这里我仿照springfreamwork.mock.web包下的MockMultipartFile，写了一个相似的类，其中加了一些符合需求的字段扩展。
• 在测试的过程中出现了JVM的OOM问题，这是由于我把文件夹下所有的图片一起读取，然后写到了几千个MockMultipartFile中的buffer中，难怪会内存溢出。这里我做了分段上传的处理，对files文件列表进行了等间隔的划分，解决了OOM的问题。

2. 导出过程错误日志的配置：

　　在这些图片导入的过程中，如果某个图片在某一环节抛了异常，有可能会出现内搜，gift，数据库三方数据不一致的情况，这是我们绝对不允许的。所以一定要做错误日志的记录，导入完成去查看错误日志，定位到某个图片，从而解决对应的不一致数据。这里的日志配置如下：

 <!-- 图片导入环境 -->
    <springProfile name="import">
        <logger name="com.xiaojukeji" level="error" />
        <appender name="console" class="ch.qos.logback.core.ConsoleAppender">
            <encoder>
                <pattern>${normal-pattern}</pattern>
                <charset>${encoding}</charset>
            </encoder>
        </appender>

        <root level="error">
            <appender-ref ref="console"/>
        </root>
    </springProfile>

 

　　可以看到，我是新建了一个import的spring.profiles,在这个模式下，我只记录错误的日志信息，并且我这里试输出到了控制台，便于我及时发现问题。（事实上，正式导入过程很顺利，没有出现任何问题~）

3. 数据库同步的问题和思考

　　刚刚说到在所有图片都导入gift和内搜的正式环境之后，需要把数据库的新增信息同步到线上数据库。由于主键是自增的，实现的时候会有主键冲突的可能性。这里暂时处理的方法并不好：取了一段主键间隔，并按历史数据分析不会出现上传量大于间隔的情况，然后来避免这一冲突。（事实上，理论上还是存在冲突的可能性）

　　那关于这一点的改进，我也想过一些方法。

　　首先想到的是希望用全局唯一的主键uuid代替自增主键。但是innodb的自增主键确实性能高，大多时候还是需要采用的，反观uuid，由于长度很长，考虑因素颇多，导致其性能一直是人们诟病的地方。

　　然后看到部门的代码脚手架中有一个IDGeneratorUtils，是公司内的一个主键生成器，里面的思想类似于uuid，也会包含时间戳、机器码等信息，但是实现比较轻量级，性能也会更好。

　　

　　写在最后：除了以上所说，这部分导入功能还包含了线程池，内存io等细节，很多地方都是可以作为优化点的。希望有时间有机会可以采用这种方案进行改进，并且通过代码的重构使得图片导入的这个过程更加智能和方便。