有一类业务场景，没有固定的schema存储，却有着海量的数据行数，架构上如何来实现这类业务的存储与检索呢？1万属性，100亿数据，10万吞吐，今天和大家聊一聊，这一类“分类信息业务”架构的设计实践。一个分类信息平台，有很多垂直品类：招聘、房产、二手物品、二手车、黄页等等，每个品类又有很多子品类，不管哪个品类，最核心的数据都是“帖子信息”。逛过分类信息平台的朋友很容易了解到，这里的帖子信息：（1）各品类的属性千差万别，招聘帖子和二手帖子属性完全不同，二手手机和二手家电的属性又完全不同，目前恐怕有近万个属性；（3）每个属性上都有查询需求，各组合属性上都可能有组合查询需求，招聘要查职位/经验/薪酬范围，二手手机要查颜色/价格/型号，二手要查冰箱/洗衣机/空调；如何解决100亿数据量，1万属性，多属性组合查询，10万并发查询的技术难题呢？一步步来。每个公司的发展都是一个从小到大的过程，撇开并发量和数据量不谈，先看看画外音：公司初期并发量和数据量都不大，必须先解决业务问题。最开始，业务只有一个招聘品类，那帖子表可能是这么设计的：tiezi(tid, uid, c1, c2, c3);index_1(c1, c2)
index_2(c2, c3)
index_3(c1, c3)
随着业务的发展，又新增了一个房产类别，存储问题又该如何解决呢？tiezi(tid, uid, c1, c2, c3, c10, c11, c12, c13); （2）c10,c11,c12,c13是房产类别属性；首先，跨业务属性一般没有组合查询需求。只能建立了若干组合索引，满足房产类别的查询需求。画外音：不敢想有多少个索引能覆盖所有两属性查询，三属性查询。新增属性是一种扩展方式，新增表也是一种方式，垂直拆分也是常见的存储扩展方案。tiezi_zhaopin(tid, uid, c1, c2, c3);
tiezi_fangchan(tid, uid, c10, c11, c12, c13);
在业务各异，数据量和吞吐量都巨大的情况下，垂直拆分会遇到什么问题呢？这些表，以及对应的服务维护在不同的部门，看上去各业务灵活性强，研发闭环，这恰恰是悲剧的开始：（3）按照uid来查询怎么办（查询自己发布的所有帖子）？（6）技术范围的扩散，有的用mongo存储，有的用mysql存储，有的自研存储；画外音：想想看，电商的商品表，不可能一个类目一个表的。平台型创业型公司，可能有多个品类，各品类有很多异构数据的存储需求，到底是分还是合，无需纠结：基础数据基础服务的统一，是一个很好的实践。（2）单品类特有属性，品类类型与通用属性json来进行存储；tiezi(tid, uid, time, title, cate, subcate, xxid, ext);（2）通过cate, subcate, xxid等来定义ext是何种含义；{“job”:”driver”,”salary”:8000,”location”:”bj”}{”type”:”iphone”,”money”:3500}帖子数据，100亿的数据量，分256库，通过ext存储异构业务数据，使用mysql存储，上层架了一个帖子中心服务，使用memcache做缓存，就是这样一个并不复杂的架构，解决了业务的大问题。这是分类信息平台最核心的帖子中心服务IMC（Info Management Center）。（1）每条记录ext内key都需要重复存储，占据了大量的空间，能否压缩存储；（2）cateid已经不足以描述ext内的内容，品类有层级，深度不确定，ext能否具备自描述性；解决完海量异构数据的存储问题，接下来，要解决的是类目的扩展性问题。每个业务有多少属性，这些属性是什么含义，值的约束等，耦合到帖子服务里显然是不合理的，那怎么办呢？抽象出一个统一的类目、属性服务，单独来管理这些信息，而帖子库ext字段里json的key，统一由数字来表示，减少存储空间。如上图所示，json里的key不再是”salary” ”location” ”money” 这样的长字符串了，取而代之的是数字1,2,3,4，这些数字是什么含义，属于哪个子分类，值的校验约束，统一都存储在类目、属性服务里。画外音：类目表存业务信息，以及约束信息，与帖子表解耦。这个表里对帖子中心服务里ext字段里的数字key进行了解释：（1）1代表job，属于招聘品类下100子品类，其value必须是一个小于32的[a-z]字符；（2）4代表type，属于二手品类下200子品类，其value必须是一个short；{“1”:”driver”,”2”:8000,”3”:”bj”}除此之外，如果ext里某个key的value不是正则校验的值，而是枚举值时，需要有一个对值进行限定的枚举表来进行校验：这个枚举校验，说明key=4的属性（对应属性表里二手，手机类型字段），其值不只是要进行“short类型”校验，而是value必须是固定的枚举值。这个ext就是不合法的，key=4的value=iphone不合法，而应该是枚举属性，合法的应该为：（3）二手手机下有三级类目二手iphone，二手小米，二手三星…类目服务解释了帖子数据，描述品类层级关系，保证各类目属性扩展性，保证各属性值合理性校验，就是分类信息平台另一个统一的核心服务CMC（Category Management Center）。画外音：类目、属性服务像不像电商系统里的SKU扩展服务？（2）属性扩展，对应电商里各类别商品SKU的属性；（3）枚举值校验，对应属性的枚举值，例如颜色：红，黄，蓝；通过品类服务，解决了key压缩，key描述，key扩展，value校验，品类层级的问题，还有这样的一个问题没有解决：每个品类下帖子的属性各不相同，查询需求各不相同，如何解决100亿数据量，1万属性的检索与联合检索需求呢？数据量很大的时候，不同属性上的查询需求，不可能通过组合索引来满足所有查询需求，“外置索引，统一检索服务”是一个很常用的实践：（2）所有非“帖子id”的个性化检索需求，统一走外置索引；（1）对帖子进行tid正排查询，直接访问帖子服务；（2）对帖子进行修改，帖子服务通知检索服务，同时对索引进行修改；画外音：这个检索服务，扛起了分类信息平台80%的请求（不管来自PC还是APP，不管是主页、城市页、分类页、列表页、详情页，最终都会转化为一个检索请求）。为应对100亿级别数据量、几十万级别的吞吐量，业务线各种复杂的复杂检索查询，扩展性是设计重点：（1）统一的代理层，作为入口，其无状态性能够保证增加机器就能扩充系统性能；（2）统一的结果聚合层，其无状态性也能够保证增加机器就能扩充系统性能；（3）搜索内核检索层，服务和索引数据部署在同一台机器上，服务启动时可以加载索引数据到内存，请求访问时从内存中load数据，访问速度很快：- 为了满足数据容量的扩展性，索引数据进行了水平切分，增加切分份数，就能够无限扩展性能
- 为了满足一份数据的性能扩展性，同一份数据进行了冗余，理论上做到增加机器就无限扩展性能
系统时延，100亿级别帖子检索，包含请求分合，拉链求交集，从聚合层均可以做到10ms返回。帖子业务，一致性不是主要矛盾，检索服务会定期全量重建索引，以保证即使数据不一致，也不会持续很长的时间。文章写了很长，最后做一个简单总结，面对100亿数据量，1万列属性，10万吞吐量的业务需求，可以采用了元数据服务、属性服务、搜索服务来解决：来源: 架构师之路
