大厂案例 - 海量分类业务设计的一些思考

业务背景描述

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”。

各分类帖子的信息特点

• （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，不同的属性很多；
• （2）帖子的数据量巨大
• （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；
• （4）要求支持高吞吐量

方案演进

v1 扩展字段

公司初期并发量和数据量都不大，必须先解决业务问题

业务需求

• （1）如何实现属性扩展性需求；
• （2）多属性组合查询需求；

扩展性需求

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);

那如何满足各属性之间的组合查询需求呢？

最容易想到的是通过组合索引满足查询需求：

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？

可以新增若干属性满足存储需求，于是帖子表变成了：

tiezi(tid, uid, c1, c2, c3, c10, c11, c12, c13); 

其中：

• （1）c1,c2,c3是招聘类别属性；
• （2）c10,c11,c12,c13是房产类别属性；

通过扩展属性，可以解决存储的问题。

---

查询需求

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。

但是当业务越来越多时， 这索引岂不是爆炸？？

万万不可

---

v2 垂直拆分

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。

拆分方案

如何按照业务进行垂直拆分？

可以这么玩：

tiezi_zhaopin(tid, uid, c1, c2, c3);

tiezi_fangchan(tid, uid, c10, c11, c12, c13);

存在的问题

存在的问题如下：

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：
（1）tid如何规范？
（2）属性如何规范？
（3）按照uid来查询怎么办（查询自己发布的所有帖子）？
（4）按照时间来查询怎么办（最新发布的帖子）？
（5）跨品类查询怎么办（例如首页搜索框）？
（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；
（7）重复开发了不少组件；
（8）维护成本过高；
（9）…

想想看，电商的商品表，不可能一个类目一个表的。

---

v3 三大中心服务 （业界最佳实践）

统一帖子中心服务

基础数据基础服务的统一，是一个很好的实践。

这里说的是平台型业务。

如何将不同品类，异构的数据统一存储起来呢？

• （1）全品类通用属性统一存储；
• （2）单品类特有属性，品类类型与通用属性json来进行存储；

更具体的：

tiezi(tid, uid, time, title, cate, subcate, xxid, ext);

（1）一些通用的字段抽取出来单独存储；
（2）通过cate, subcate, xxid等来定义ext是何种含义；

（3）通过ext来存储不同业务线的个性化需求
例如：
招聘的帖子，ext为：

{“job”:”driver”,”salary”:8000,”location”:”bj”}

而二手的帖子，ext为：

{”type”:”iphone”,”money”:3500}

通过ext存储异构业务数据，使用DB存储，上层架了一个帖子中心服务，加上缓存，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）。

解决了海量异构数据的存储问题，遇到的新问题是：

• （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；
• （3）随时可以增加属性，保证扩展性；

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。

---

统一类目属性服务

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。

帖子表只存元信息，不管业务含义。

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。

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；

这样就对原来帖子表ext扩展属性：

{“1”:”driver”,”2”:8000,”3”:”bj”}
{”4”:”iphone”,”5”:3500}

key和value都做了统一约束。

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。

{”4”:”iphone”,”5”:3500}

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：

{”4”:”5”,”5”:3500}
 

此外，类目属性服务还能记录类目之间的层级关系：
（1）一级类目是招聘、房产、二手…
（2）二手下有二级类目二手家具、二手手机…
（3）二手手机下有三级类目二手iphone，二手小米，二手三星…
（4）…

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？
（1）品类层级关系，对应电商里的类别层级体系；
（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？

---

统一检索服务

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：

• （1）数据库提供“帖子id”的正排查询需求；
• （2）所有非“帖子id”的个性化检索需求，统一走外置索引；

元数据与索引数据的操作遵循：
（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；
（3）对帖子进行复杂查询，通过检索服务满足需求；

小结

采用了元数据服务、属性服务、搜索服务来解决：
（1）一个解决存储问题；
（2）一个解决品类解耦问题；
（3）一个解决检索问题；

任何复杂问题的解决，都是循序渐进的。

---

参考： 戳这里