当当弹性化中间件及云化之路（据说读完可以少踩坑）

摘要：第二部分介绍当当的弹性化中间件。第三部分当当的云化之路。下面部分是为当当运营人员与合作伙伴提供的系统，如商品价格库存等。下图是当当的监控系统以及限流系统的。当当采用的作业中间件是自研的，它可以将一个完整的作业拆分为多个相互独立的任务。

6月24日，双态运维·乌镇峰会-数人云专题研讨会上，张亮老师从业务、中间件、云化的方向出发，分享了当当网实践落地容器的经验。数人云掐指一算，稀缺好文，宜收藏和分享！

▼

今天主分享的内容分为三部分——

第一部分：当当业务体系简介。受限于时间，只做简单概述。

第二部分：介绍当当的弹性化中间件。现阶段，无状态容器已趋于成熟，需要进一步开发和优化的是运行在容器里面的部分，即中间件。

第三部分：当当的云化之路。

▼

首先，介绍下当当的业务特征，这也是互联网行业的共有特征：

海量用户 当当面向的是完全开放的、整个互联网的亿级用户量。

品类繁多 当当是卖书起家的，书的品类是很多的。除了书，当当还有百货、服装等。与垂直电商不同，水平电商由于品类繁多，因此数据架构也会有很大区别。

7X24 互联网公司基本都是如此要求，尽量缩短宕机时间。

流量突增 如“双11”或“书香节”，其流量是平时的几倍到几十倍不等。

业务复杂 下图是业务框架图，分为三部分，中间部分是当当主业务流程，从用户查看选择商品的卖场模块，到购物车、结算的交易模块，最后发至订单工作流系统；然后通过仓储系统生产订单，并交由物流系统配送货品。上面部分是用户相关的系统，如搜索、推荐、促销、会员等。下面部分是为当当运营人员与合作伙伴提供的系统，如商品、价格、库存等。

这仅是缩略版的系统架构图，当当实际系统要复杂的多、用到的语言也各异，大部分如：前端PHP、后端Java、搜索系统用C++，推荐系统用Go和Python。因此它是一个由异构语言组成的复杂系统集合。

▼

互联网核心问题和企业级开发不一样的地方在于规模。互联网公司的规模由以下几点组成的——

海量数据：包括但不限于用户数据、商品数据、交易数据、订单数据、用户行为数据等。由于数据量巨大，因此不能仅使用单一的数据存储结构，也不能以单数据节点的方式存储所有数据。

响应迟缓：大量的用户访问，使得系统承载了更多流量，处理过多的请求会导致系统响应变的迟缓。

系统繁多：通过上一张图可以得知，系统是由非常多的子系统组成的，每个子系统各司其职。合理的系统拆分可以灵活的分离冷热数据、扩容重点系统等。

开发困难：各个系统都是由异构语言的不同技术栈构成，开发成本较高。

稳定性差：由于系统间交互增多，系统之间会形成一个复杂的交互网。任一系统出现问题，都可能导致部分不可用，进而增加整体不可控的风险。系统拆分的越多，出问题的可能性就越大，系统稳定性就会越差。

伸缩性差：电商公司不可能常备“双11”的机器体量。因此遇到大促等需要承载突发流量的场景，系统需要可以弹性伸缩。在流量增加的时候扩张容量，用于承接更多的购买需求；在流量下降的时候收缩容量，节省成本。

▼

解决方案是中间件+云平台。

中间件解决的主要问题是服务化、弹性化和异步化。

服务化：众多系统间应该提供一致的交互和治理方式。

弹性化：让系统具备根据实际需要灵活的扩缩容的能力。

异步化：将同步调用链梳理为同步落盘 + 异步处理的方式以提升吞吐量。

云平台解决的主要问题是部署自动化和监控一体化。

中间件缺乏对运行环境搭建，App部署分发等能力，也难以提供统一的监控一体化系统，因此云平台在这方面是对中间件的有益补充。

▼

这里介绍最主要的三个中间件：服务中间件、作业中间件和数据中间件。中间件远远不止这三种，限于时间，无法涵盖全部的中间件：如消息中间件、缓存中间件、NoSQL以及离线大数据等因时间关系不在分享范围之内。

▼

服务中间件有很多优秀的开源产品，从早期的Finagle, Dubbo，到近期出现的Motan，Spring Cloud都是个中翘楚。服务中间件的核心功能主要包括：

远程调用：分为长连接调用和短连接调用两种方式。长链接采用Socket + 二进制序列化的方式居多，短连接以HTTP RESTFul + JSON的方式为主。无论采用何种调用方式，都应在服务中间件中封装为统一接口。

服务发现：自动感知上线和下线的应用，并分配和截断相应的请求。标准实现方案是通过一个注册中心管理和协调分布式应用，常见的注册中心有Zookeeper，etcd和Eureka。

负载均衡：合理的将流量分配给权重不尽相同的分布式节点。

服务治理：包括服务调动链梳理、服务降级、服务版本控制等功能。

限流：将过载的流量挡在后端系统之外，让部分不过载的请求可以继续提供服务。保证系统不会因为突增的流量而被完全冲垮，而是任何情况下都能提供对核心用户的平稳服务能力。

监控报警：提供将内部指标通过API对接到外部系统的能力，内部指标一般有SLA、服务状态、节点承载量等。

上图是当当采用的服务框架——DubboX。

该项目Fork了阿里开源的Dubbo，并内置了Web服务器且增加REST协议，用于支持异构语言间的调用。每个基于DubboX的应用均可通过内置的Web服务器提供服务，每个Web服务器通过Nginx实现负载均衡。并且在Nginx通过OpenResty实现了基于漏桶和令牌桶两种算法的限流插件。请求调用信息通过Agent的本地汇总之后，定期发送至一个Kafka的消息队列，并通过Storm的二次汇总计算出SLA，存储至数据库中。最终由监控系统定期抓取报警数据。

使用DubboX部署的程序，在逻辑上分为两部分。上面部分是服务的提供者；下面部分是服务的消费者。服务消费者在REST协议的场景，是直接通过Nginx代理访问服务提供者的。如果采用Java同构应用，可以使用Dubbo原生的长链接+Dubbo协议，并通过注册中心服务发现，以及客户端负载均衡。

下图是当当的SLA监控系统以及限流系统的Dashboard。

▼

当当系统中很多业务是由作业实现的，如拉单作业、价格同步作业等。因为公司系统较多，很难通过唯一的方案实现，因此也有部分系统通过消息中间件完成。作业中间件的核心功能主要包括：

定时调度：根据cron表达式的时间调度应用。

任务分片：将一个大任务拆分成为多个任务片段，分布运行。此功能后文会重点介绍。

弹性扩容：与任务分片息息相关，一并在后文中介绍。

作业治理：管控作业生命周期，如：执行、禁用、启用以及更复杂的行为，如：失效转移、错过任务重触发等。

监控报警：提供将作业运行状态、历史统计和查询对接至外部系统的能力。

当当采用的作业中间件是自研的Elastic-Job，它可以将一个完整的作业拆分为多个相互独立的任务。一个完整的作业运行时间可能较长，但很难通过增加机器实例提升运行效率。通过Elastic-Job将作业拆分为多个任务，可以并行的在分布式的环境中运行，提升其处理速度。用户可以实现自己的分片策略，将任务分配至合适的节点运行。

通过上图举例，作业分为4片，由两台服务器执行，每台执行两片。当增加一台服务器时，如下图所示，分片项被稀释为服务器1和3各执行一片，服务器2执行两片，那么服务器1和3由于执行的分片项减少，从而提升性能。

而一旦有服务器宕机，如下图所示，仅剩余一台服务器可以提供服务，那么所有的分片都将指向该服务器。集群的整体处理能力会下降，但作业的完整性不会受到影响，从而提供高可用的能力。

因此，随着运行实例的增加和减少，Elastic-Job可以动态的调整分片来提升性能和保证可用性。

这是Elastic-Job的部署架构图。

▼

接下来介绍的是数据库中间件。关系型数据库在大数据量的情况下，单库单表难以支撑。解决方案是将单一的数据库拆分为分布式数据库，而让开发和运维人员像访问一个数据库一样访问分布式数据库，屏蔽其复杂度，是数据库中间件的基本功能。数据库中间件的核心功能主要包括：

分库分表：通过打散数据的方式有效的减少每个表的数据量，减少索引的深度以提升查询性能。并且拆分数据库来有效的疏导请求流量。

读写分离：进一步提升数据库的性能可以采用读写分离。读库仅负责响应查询，写库相应更新，通过异步数据同步的方式保持读写库的数据一致性。这种方式可以有效的减低行锁，进一步提升效率。

内联事务：数据库一旦打散，就必须使用分布式事务而导致性能急剧下降。因此如何合理的分库分表，尽量将操作保证落在同一个库，而使用内联事务，是更好的选择。

柔性事务：在内联事务不适用的跨库场景，牺牲强一致性来换取性能的提升，然后采用异步补偿的机制来达到最终一致性，是柔性事务的核心理念。

SQL审核：先期过滤出不符合OLTP的非法SQL。如：DELETE语句没有WHERE等。

当当采用自研的Sharding-JDBC作为数据库中间层。它直接修改JDBC协议，因此可以兼容各种数据库以及ORM框架，应用工程师几乎没有学习成本，和使用原生JDBC没有区别。应用工程师仅需要配置分片规则，用于告诉Sharding-JDBC哪一个分片键的数据应该路由至哪个库的哪个表，即可。

Sharding-JDBC的内部结构包括：JDBC规范重写、SQL解析、 SQL改写、SQL路由、SQL执行以及结果集归并。

上面两个图是Sharding-JDBC的性能测试报告，在单库时，由于SQL解析带来的损耗，Sharding-JDBC比原生JDBC慢了0.02%。而将数据拆分至双库，Sharding-JDBC比原生JDBC的性能提升了94%，因此，拆分的数据库实例越多，其对性能的提升也越显著。

Sharding-JDBC定位是面向在线业务的框架。因此OLTP涉及到的SQL基本都兼容。

分布式的事务处理方案有三种：XA，弱XA和柔性事务。

XA即分布式事务，他对业务代码完全没有侵入性，而且也可以保证分布式场景下事务的强一致性，但其性能低下，在互联网的场景下非常不适用。

弱XA是分库分表数据库的中间层所提出来的概念，简单说就是单片事务。它仅能控制单节点事务的一致性，对于分布式的事务完全没有控制能力。他不会对性能带来任何影响，但没有一致性的能力，在分布式的场景下极易造成数据不一致。

柔性事务是对弱XA的补充。它使用异步补偿的方式，将短期内不一致的数据修复，达到最终一致性。它用牺牲强一致性的方式提升了性能，因此内联事务 + 柔性事务成为了最受青睐的互联网事务处理方案。

柔性事务有两种比较成熟实现方案，最大努力送达型和TCC（Try Confirm Cancel）。

最大努力送达型可以保证事务最终成功，业务入侵较小，仅需要业务方实现幂等性即可。它要求事务最终一定会成功，无法回滚，因此会反复尝试，直至最终成功。

TCC类似原生事务，事务可以提交，也可以回滚。但事务的提交和回滚操作均需要业务工程师去实现，因此对业务入侵极大，TCC同样需要业务代码实现幂等性。

上图是最大努力送达型的流程图。它在SQL执行前记录事务日志，在SQL执行成功后清理相应事务日志。一旦SQL执行失败，事务管理器就会通过同步和异步执行的方式从日志库中获取当前的SQL反复尝试，直至到达最大重试次数为止。超过最大重试次数的数据需要人工介入处理。

▼

首先，应用运行时环境是通过容器来实现的，不同编程语言编写的应用需要不同的运行时环境，将环境、应用及相关依赖一起打包发布是容器的主要作用，在当当采用的容器解决方案是Docker。另外，容器还可以用于隔离运行环境，让运行在同一宿主机的不同镜像可以安全和独立的使用既有资源。

其次，仅通过容器无法做到应用治理。中间件是应用弹性化的关键，它分别针对服务、作业以及数据库访问进行有效的增强。服务和作业中间件是两种截然不同的应用类型，而数据中间件则是它们的有力支撑。无状态的服务更易弹性扩展；而有状态的作业则通过分片项隔离与数据的依赖；数据库中间件则用于简化分布式数据库的访问以及事务处理。

最后，一个可快速运行且高度弹性化方案的最后一块拼图，即是需要一个平台去合理分配资源以及自动分发应用。目前比较流行的是Kubernetes和Mesos两种方案。在使用的复杂度上Kubernetes要更加简洁和一站式，但Mesos所采用两级调度概念，通过其Framework定制化非常简单，因此当当选择Mesos作为资源调度系统。

分布式调度系统当前有三种架构：单体式，两阶段以及状态共享。

单体式调度较为简单，调度逻辑可以在没有任何并发的情况下使用全部资源。但由于互联网业务需求多、变化快，因此这种架构虽然性能高，但不利于业务的快速变化。Hadoop V1即采用此种架构。

两阶段调度将资源通过Offer的形式分发给注册在调度系统中的各个Framework，由Framework负责处理接收到的Offer，调度底层系统仅用于资源的收集和治理。因此此种架构更易于通过Framework定制化扩展业务需求。Mesos即是两阶段调度的典型代表。

状态共享调度功能看似最为强大，但实现起来却更加复杂。它的每一个Framework都可以看到资源逻辑视图的全集，采用乐观锁的方式使用资源，每次资源使用时，需要根据资源的占用状态进行类似于事务方式的提交和回滚。它的优点是可以更加有效的利用资源，缺点是实现难度高。除了Google闭源的Omega系统论文，开源产品中目前很少见成熟的实现方案。

上图是当当云平台的架构图。中间件API与业务应用一起打包至Docker镜像或tar文件，并放入应用仓库。服务型应用当当采用Marathon管理，由DubboX治理服务，并与应用一同放入Docker镜像；作业型应用当当使用自研的Mesos Framework Elastic-Job-Cloud代替Marathon进行瞬时和常驻作业的治理。

在Elastic-Job-Cloud中采用了自定义Executor和Mesos原生容器，它能够追加资源。利用此功能，可以有效的聚合作业，进一步简化开发并节省资源。Elastic-Job-Cloud调度的应用使用tar包存入应用仓库。虽然Marathon与Elastic-Job-Cloud所管理的容器不同，但Mesos都会采用同样的接口将其分发至相应Mesos Agent执行。

上图是更加全面的整体云化架构图。可以从运维、构建、日志和监控4个方面说明。

运维通过自研的控制台，向Mesos Framework发送信令和读取数据来达到控制业务应用上下线、暂停执行等功能，并可查看运行时状态。

构建是通过当当自研的盘古系统，控制灰度发布，一键回滚等功能，并由盘古系统将待部署上线的应用镜像推送至Nexus或Docker仓库。由Mesos Agent自动从Nexus获取tar文件、或由Docker仓库获取应用镜像并执行。

日志采用的标准的ELK的方式，不过获取日志并未使用Logstash，而是采用性能更佳的Filebeat代替。

监控是由多个维度组成。首先使用Mesos Exporter暴露Mesos的状态数据，然后由时序数据库Prometheus定期抓取，并由Grafana展现结果。Prometheus也通过Alertmanager向当当自研的雷达系统发送报警数据，由雷达系统负责最终的报警。其次，雷达系统还负责抓取elasticsearch的报警日志以及运行历史记录、SLA等信息一并报警。

刚才介绍的DubboX、Elastic-Job以及Sharding-JDBC都已开源。

Elastic-Job经不完全统计，有30家以上的公司在使用。Elastic-Job目前是Mesosphere官方认可的Framework，在Apache Mesos的官方文档中可以查到，目前已经进行到对接DC/OS的最终阶段。

Sharding-JDBC仅仅开源1年多，即获取了2016年最受欢迎的国产开源第17名。

三个开源项目均采用Apache协议，有兴趣的同学请自由使用，欢迎提供宝贵意见。