全球商城订单中心架构设计与实践

　　一、背景
　　随着用户量级的快速增长，vivo 官方商城 v1.0 的单体架构逐渐暴露出弊端：模块愈发臃肿、开发效率低下、性能出现瓶颈、系统维护困难。
　　从2017年开始启动的 v2.0 架构升级，基于业务模块进行垂直的系统物理拆分，拆分出来业务线各司其职，提供服务化的能力，共同支撑主站业务。
　　订单模块是电商系统的交易核心，不断累积的数据即将达到单表存储瓶颈，系统难以支撑新品发布和大促活动期间的流量，服务化改造势在必行。
　　本文将介绍 vivo 商城 订单系统建设的过程中遇到的问题和解决方案，分享架构设计经验。二、系统架构
　　将订单模块从商城拆分出来，独立为订单系统，使用独立的数据库，为商城相关系统提供订单、支付、物流、售后等标准化服务。
　　系统架构如下图所示：
　　三、技术挑战
　　3.1 数据量和高并发问题
　　首先面对的挑战来自存储系统：数据量问题随着历史订单不断累积，MySQL中订单表数据量已达千万级。我们知道InnoDB存储引擎的存储结构是B+树，查找时间复杂度是O(log n)，因此当数据总量n变大时，检索速度必然会变慢， 不论如何加索引或者优化都无法解决，只能想办法减小单表数据量。数据量大的解决方案有：数据归档、分表高并发问题商城业务处于高速发展期，下单量屡创新高，业务复杂度也在提升，应用程序对MySQL的访问量越来越高。单机MySQL的处理能力是有限的，当压力过大时，所有请求的访问速度都会下降，甚至有可能使数据库宕机。并发量高的解决方案有：使用缓存、读写分离、分库
　　下面对这些方案进行简单描述：数据归档订单数据具备时间属性，存在热尾效应，大部分情况下检索的都是最近的订单，而订单表里却存储了大量使用频率较低的老数据。那么就可以将新老数据分开存储，将历史订单移入另一张表中，并对代码中的查询模块做一些相应改动，便能有效解决数据量大的问题。使用缓存使用Redis作为MySQL的前置缓存，可以挡住大部分的查询请求，并降低响应时延。缓存对商品系统这类与用户关系不大的系统效果特别好，但对订单系统而言，每个用户的订单数据都不一样，缓存命中率不算高，效果不是太好。
　　读写分离主库负责执行数据更新请求，然后将数据变更实时同步到所有从库，用多个从库来分担查询请求。但订单数据的更新操作较多，下单高峰时主库的压力依然没有得到解决。且存在主从同步延迟，正常情况下延迟非常小，不超过1ms，但也会导致在某一个时刻的主从数据不一致。那就需要对所有受影响的业务场景进行兼容处理，可能会做一些妥协，比如下单成功后先跳转到一个下单成功页，用户手动点击查看订单后才能看到这笔订单。
　　分库分库又包含垂直分库和水平分库。① 水平分库：把同一个表的数据按一定规则拆到不同的数据库中，每个库可以放在不同的服务器上。② 垂直分库：按照业务将表进行分类，分布到不同的数据库上面，每个库可以放在不同的服务器上，它的核心理念是专库专用。分表分表又包含垂直分表和水平分表。① 水平分表：在同一个数据库内，把一个表的数据按一定规则拆到多个表中。② 垂直分表：将一个表按照字段分成多表，每个表存储其中一部分字段。
　　我们综合考虑了改造成本、效果和对现有业务的影响，决定直接使用最后一招：分库分表
　　3.2 分库分表技术选型
　　分库分表的技术选型主要从这几个方向考虑：客户端sdk开源方案中间件proxy开源方案公司中间件团队提供的自研框架自己动手造轮子
　　参考之前项目经验，并与公司中间件团队沟通后，采用了开源的 Sharding-JDBC 方案。现已更名为Sharding-Sphere。Github：https://github.com/sharding-sphere/ 文档：官方文档比较粗糙，但是网上资料、源码解析、demo比较丰富社区：活跃特点：jar包方式提供，属于client端分片，支持xa事务
　　3.2.1 分库分表策略
　　结合业务特性，选取用户标识作为分片键，通过计算用户标识的哈希值再取模来得到用户订单数据的库表编号.假设共有n个库，每个库有m张表，
　　则库表编号的计算方式为：- 库序号：Hash(userId) / m % n
　　- 表序号：Hash(userId) % m
　　路由过程如下图所示：
　　3.2.2 分库分表的局限性和应对方案
　　分库分表解决了数据量和并发问题，但它会极大限制数据库的查询能力，有一些之前很简单的关联查询，在分库分表之后可能就没法实现了，那就需要单独对这些Sharding-JDBC不支持的SQL进行改写。
　　除此之外，还遇到了这些挑战：
　　（1）全局唯一ID设计
　　分库分表后，数据库自增主键不再全局唯一，不能作为订单号来使用，但很多内部系统间的交互接口只有订单号，没有用户标识这个分片键，如何用订单号来找到对应的库表呢？
　　原来，我们在生成订单号时，就将库表编号隐含在其中了。这样就能在没有用户标识的场景下，从订单号中获取库表编号。
　　（2）历史订单号没有隐含库表信息
　　用一张表单独存储历史订单号和用户标识的映射关系，随着时间推移，这些订单逐渐不在系统间交互，就慢慢不再被用到。
　　（3）管理后台需要根据各种筛选条件，分页查询所有满足条件的订单
　　将订单数据冗余存储在搜索引擎Elasticsearch中，仅用于后台查询。
　　3.3 怎么做 MySQL 到 ES 的数据同步
　　上面说到为了便于管理后台的查询，我们将订单数据冗余存储在Elasticsearch中，那么，如何在MySQL的订单数据变更后，同步到ES中呢？
　　这里要考虑的是数据同步的时效性和一致性、对业务代码侵入小、不影响服务本身的性能等。MQ方案ES更新服务作为消费者，接收订单变更MQ消息后对ES进行更新
　　Binlog方案ES更新服务借助canal等开源项目，把自己伪装成MySQL的从节点，接收Binlog并解析得到实时的数据变更信息，然后根据这个变更信息去更新ES。
　　其中BinLog方案比较通用，但实现起来也较为复杂，我们最终选用的是MQ方案。
　　因为ES数据只在管理后台使用，对数据可靠性和同步实时性的要求不是特别高。
　　考虑到宕机和消息丢失等极端情况，在后台增加了按某些条件手动同步ES数据的功能来进行补偿。
　　3.4 如何安全地更换数据库
　　如何将数据从原来的单实例数据库迁移到新的数据库集群，也是一大技术挑战
　　不但要确保数据的正确性，还要保证每执行一个步骤后，一旦出现问题，能快速地回滚到上一个步骤。
　　我们考虑了停机迁移和不停机迁移的两种方案：
　　（1）不停机迁移方案：把旧库的数据复制到新库中，上线一个同步程序，使用 Binlog等方案实时同步旧库数据到新库。上线双写订单新旧库服务，只读写旧库。开启双写，同时停止同步程序，开启对比补偿程序，确保新库数据和旧库一致。逐步将读请求切到新库上。读写都切换到新库上，对比补偿程序确保旧库数据和新库一致。下线旧库，下线订单双写功能，下线同步程序和对比补偿程序。
　　（2）停机迁移方案：上线新订单系统，执行迁移程序将两个月之前的订单同步到新库，并对数据进行稽核。将商城V1应用停机，确保旧库数据不再变化。执行迁移程序，将第一步未迁移的订单同步到新库并进行稽核。上线商城V2应用，开始测试验证，如果失败则回退到商城V1应用（新订单系统有双写旧库的开关）。
　　考虑到不停机方案的改造成本较高，而夜间停机方案的业务损失并不大，最终选用的是停机迁移方案。
　　3.5 分布式事务问题
　　电商的交易流程中，分布式事务是一个经典问题，比如：用户支付成功后，需要通知发货系统给用户发货。用户确认收货后，需要通知积分系统给用户发放购物奖励的积分。
　　我们是如何保证微服务架构下数据的一致性呢？
　　不同业务场景对数据一致性的要求不同，业界的主流方案中，用于解决强一致性的有两阶段提交(2PC)、三阶段提交(3PC)，解决最终一致性的有TCC、本地消息、事务消息和最大努力通知等。
　　这里不对上述方案进行详细的描述，介绍一下我们正在使用的本地消息表方案：在本地事务中将要执行的异步操作记录在消息表中，如果执行失败，可以通过定时任务来补偿。
　　下图以订单完成后通知积分系统赠送积分为例。
　　3.6 系统安全和稳定性 网络隔离只有极少数第三方接口可通过外网访问，且都会验证签名，内部系统交互使用内网域名和RPC接口。并发锁任何订单更新操作之前，会通过数据库行级锁加以限制，防止出现并发更新。幂等性所有接口均具备幂等性，不用担心对方网络超时重试所造成的影响。熔断使用Hystrix组件，对外部系统的实时调用添加熔断保护，防止某个系统故障的影响扩大到整个分布式系统中。监控和告警通过配置日志平台的错误日志报警、调用链的服务分析告警，再加上公司各中间件和基础组件的监控告警功能，让我们能够能够第一时间发现系统异常。
　　3.7 踩过的坑
　　采用MQ消费的方式同步数据库的订单相关数据到ES中，遇到的写入数据不是订单最新数据问题
　　下图左边是原方案：
　　在消费订单数据同步的MQ时，如果线程A在先执行，查出数据，这时候订单数据被更新了，线程B开始执行同步操作，查出订单数据后先于线程A一步写入ES中，线程A执行写入时就会将线程B写入的数据覆盖，导致ES中的订单数据不是最新的。
　　解决方案是在查询订单数据时加行锁，整个业务执行在事务中，执行完成后再执行下一个线程。
　　sharding-jdbc 分组后排序分页查询出所有数据问题
　　示例：select a from temp group by a，b order by a desc limit 1,10。
　　执行是Sharding-jdbc里group by 和 order by 字段和顺序不一致是将10置为Integer.MAX_VALUE, 导致分页查询失效。 io.shardingsphere.core.routing.router.sharding.ParsingSQLRouter#processLimit  private void processLimit(final List