2019独角兽企业重金招聘Python工程师标准>>> 
版权声明：本文由廖念波原创文章，转载请注明出处:
文章原文链接：https://www.qcloud.com/community/article/150
来源：腾云阁 https://www.qcloud.com/community
Key-value存储系统，是非常普遍的需求，几乎每个在线的互联网后台服务都需要KV存储，我们团队在KV存储方面，经历过几个时期，我自己深感要做好不容易。
这里扯远一点，展开说一下：
第一个时期，很早期的时候，我们的数据存储在mysql表里，按照用户账号简单的分库分表，为了保证访问高并发，利用每个mysql服务器的内存做数据缓存；主备两套分布在不同IDC，业务逻辑自己做副本同步。当时主要的问题是：内存的数据结构扩展困难、运维工作琐碎、数据同步机制本身的缺陷导致不能做异地IDC部署，这些缺点对于业务飞速发展、一地机房已经不够用的局面非常被动
第二个时期，我们设计了新的KV存储系统，其用户数据结构容易扩展、具备可以多地部署的数据同步机制，很好的应对了新时期业务发展的需要。为了设备成本考虑，我们把数据做冷热分离，访问频繁的数据会加载到专门的cache层，且对于不同的访问模型，挂载不同架构的cache，另外一个file层专门做数据持久化。这样的设计，使得架构太复杂，bug收敛速度慢，运维工作相比以前甚至更复杂了。
第三个时期，为了应对普遍的KV存储需求，我们以公共组件的形式重新设计了KV存储，作为团队标准的组件之一，得到了大规模的应用。结合同期抽象出来的逻辑层框架、路由管理等其他组件，团队的公共基础组件和运维设施建设的比较完备了，整个业务的开发和运维实现了标准化。但这个阶段就用了我们团队足足2年多时间。
不同于无数据的逻辑层框架，KV存储系统的架构设计会更复杂、运维工作更繁琐、运营过程中可能出现的状况更多、bug收敛时间会更长。一句话：团队自己做一个KV存储系统是成本很高的，而且也有比较高的技术门槛。
设计一个KV存储，需要考虑至少这些方面：
-
如何组织机器的存储介质，通常是内存、磁盘文件；例如用hash的方式组织内存
-
如何设计用户的数据结构，使得通用、易于扩展、存储利用率高；例如PB序列化、Json、XML方式
-
友好的访问接口，而不只是get / set一整个value
-
如何做集群分布、如何sharding、如何做到方便的扩缩容；例如一致性hash算法
-
如何做数据冗余、副本间如何同步、一致性问题；副本间如何选举master
-
备份与恢复、数据校验与容错
-
读写性能
-
其他可能的特殊需求：例如我们设计过一个KV存储，用于存储一些公众号的个数不受限粉丝列表
上面八点，业内的KV存储组件一般都会考虑到，或者各有特色，各自优势在伯仲之间。但是综合过去的经验教训，我们觉得有一点很容易被忽视：可运维性、运维自动化、黑盒化运维。
举一个例子，前面提到的我们第二个时期的KV存储系统，刚开始应用的时候，一次扩容过程会有10多步的运维操作，包括load数据、做增量同步、多次修改机器状态、数据比对等等，需要运维同事以高度的责任心来完成。另外就是运维同事必须如该KV存储架构设计者一样深刻理解系统背后的原理和细节，否则就不能很好的执行运维操作，这个要求也非常高，新老交接周期长，还容易出运维事故。
基于上面的考虑，同事为了让用户更容易学习和接受，毫秒服务引擎在redis cluster的基础上，实现了运维web化，并加上了集群的监控。
毫秒服务引擎(msec, 取英文名Mass Service Engine in Cluster的首字母组合)是腾讯一个开源框架，其创作冲动和构建经验，来自QQ后台团队超过10年的运营思考。官网:
毫秒引擎可以通过web界面方便的进行：
-
集群概要状态查看
-
可以在web上方便的完成日常的运维操作：新搭集群、扩缩容、故障机器的恢复：
-
请求量、内存使用、cpu等各种状态信息可直观监控，也可以按IP粒度查看
限于篇幅和时间限制，详细的可见腾讯云服务市场、毫秒服务引擎官网，或者微信公众号:msec-engine