冷热数据分离

优质博文：IT-BLOG-CN

一、背景

随着机票业务的快速发展，订单量持续增长对业务性能带来影响，需要进行冷热数据分离。目前机票订单模块主要使用Mysql(InnoDB)作为数据库存储，历史订单信息状态修改频率低并占用大量数据库存储空间，期望历史数据与生产最新的数据进行分离，当前数据库保留最近一个月的数据作为热库，历史交易存在另一个库作为冷库。减少因在线存储空间不足扩容导致停服不可用的时长。

如何判断一个数据是冷数据还是热数据？
需要根据自己业务系统来区分了，一般而言是根据主表中的一个或者多个字段进行标识区分，比如订单的时间，这个是时间维度，可以将3个月之前的数据定义为冷数据，最近3个月的数据定义为热数据。当然也可以是状态维度，比如订单的状态，已完结的订单定义为冷数据，未完结的订单定义为热数据。同样的也可以将时间维度和状态维度组合起来，比如下单时间大于3个月且订单状态为已完结的定义为冷数据，反则为热数据。

我的冷热数据怎么拆分的：已过起飞时间 + 订单状态=“完成”的数据都是冷数据，其余为热数据。

二、方案选型

业务代码修改

这种方案是在业务代码层面判断是否进行冷热数据分离，对代码的侵入性比较高，在数据修改时触发冷热分离。因机票QPS很高，如果更新状态时，需要进行进行冷热数据分离，删除热库中的数据，并将数据写入冷库中，需要使用到分布式事务。会增加系统和数据库的压力。不适用

监听binlog日志

需要监听binlog日志的方式进行触发，当订单状态修改了，则触发冷热分离。比较适合实时性要求高的系统，这里虽然不会影响业务的响应时间。但是冷热数据分离的操作实时操作的，会给数据库造成压力。不适用，但是有用

怎么读取binlog中的内容，我们通过公司内部开发的DRC服务，这里简单看下重要流程：
【1】在pom.xml中添加MySQL Binlog Connector Java的依赖

<dependency>
    <groupId>com.github.shyiko</groupId>
    <artifactId>mysql-binlog-connector-java</artifactId>
    <version>0.25.0</version>
</dependency>

【2】连接MySQL并读取binlog，注册了一个事件监听器来处理WriteRowsEventData事件。还可以根据需要处理其他类型的事件，例如UpdateRowsEventData和DeleteRowsEventData分场景进行业务处理。

import com.github.shyiko.mysql.binlog.BinaryLogClient;
import com.github.shyiko.mysql.binlog.event.*;

public class BinlogReader {

    public static void main(String[] args) throws Exception {
        String hostname = "localhost";
        int port = 3306;
        String username = "root";
        String password = "password";

        BinaryLogClient client = new BinaryLogClient(hostname, port, username, password);

        client.registerEventListener(event -> {
            EventData data = event.getData();
            if (data instanceof WriteRowsEventData) {
                WriteRowsEventData writeRowsEventData = (WriteRowsEventData) data;
                System.out.println("Write event: " + writeRowsEventData);
                // 处理写入事件
                handleWriteEvent(writeRowsEventData);
            } else if (data instanceof UpdateRowsEventData) {
                UpdateRowsEventData updateRowsEventData = (UpdateRowsEventData) data;
                System.out.println("Update event: " + updateRowsEventData);
                // 处理更新事件
                handleUpdateEvent(updateRowsEventData);
            } else if (data instanceof DeleteRowsEventData) {
                DeleteRowsEventData deleteRowsEventData = (DeleteRowsEventData) data;
                System.out.println("Delete event: " + deleteRowsEventData);
                // 处理删除事件
                handleDeleteEvent(deleteRowsEventData);
            }
        });

        client.connect();
    }

    private static void handleWriteEvent(WriteRowsEventData eventData) {
        // 在这里处理写入事件的业务逻辑
        // 例如：将数据写入另一个数据库或消息队列
    }

    private static void handleUpdateEvent(UpdateRowsEventData eventData) {
        // 在这里处理更新事件的业务逻辑
        // 例如：更新缓存或同步到另一个系统
    }

    private static void handleDeleteEvent(DeleteRowsEventData eventData) {
        // 在这里处理删除事件的业务逻辑
        // 例如：从缓存中移除数据或同步到另一个系统
    }
}

WriteRowsEventData类通常包含以下属性：
【1】tableId：表示发生写入操作的表的ID，它通常由MySQL内部生成，用于在二进制日志中快速查找表的元数据。
【2】includedColumns：一个位图，表示哪些列包含在写入操作中。位图中的每一位对应一个列，值为1表示该列包含在写入操作中，值为0表示该列不包含在写入操作中。
【3】rows：一个列表，包含所有被写入的行的数据。每一行的数据通常以数组的形式存储，数组中的每个元素对应表中的一个列值。这些数据通常是经过编码的，需要根据表的元数据进行解码。

举个例子，如果你在MySQL中有一个表users，包含三个列id、name和email，并且你插入了一行数据(1, 'Alice', 'alice@example.com')，那么WriteRowsEventData可能会包含如下信息：
【1】tableId：假设为1234。
【2】includedColumns：位图表示三个列都包含在写入操作中。
【3】rows：包含一个数组[1, 'Alice', 'alice@example.com']。

定时任务

该方案可以根据“起飞时间”进行区分，同时可以避免业务高峰期，并且与业务代码进行解耦。适用，结合binlog，每次获取1000条数据分批处理

我们的方案

监听binlog日志，当订单号状态发生变化，并且已过起飞时间时，将订单号存放至MongDB中，夜间2点批量读取MongoDB中的订单号执行数据冷热数据分离业务逻辑。

我们这里时存储在MongDB后期消费，部分系统是通过Kafka进行消息实时消费的，定时任务校验数据的一致性，对遗漏的数据进行校验。批量查询也是根据场景，可能需要对冷热数据库一并查询，需要封装统一的接口方法，当冷热数据存在冲突时，以热库的数据为准。

特殊场景处理逻辑：
【1】冷库数据理论上不存在更新操作，但是部分业务场景特殊，需要对冷库中的数据先进性Delete操作再进行Insert操作，而不是Update操作。这里场景接入的是Kafka。
【2】当冷热库存在相同的数据时，以热库数据为准。冷库的数据来源只有热库数据同步到冷库。批量查询如果对顺序由要求时，业务代码查询到数据后，需要根据需求在内存中进行排序。

原文地址：https://blog.csdn.net/zhengzhaoyang122/article/details/142704457

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！