淘宝海量数据库之一：来自业务的挑战

作为一个电子商务企业，从一开始，数据库及其事务能力在淘宝就扮演着十分关键的角色，淘宝也积累了丰富的数据库的架构和规划等方面的经验，产生了众多优秀的DBA。

 

淘宝是一家迅速发展的公司。全球网站排名公司Alexa提供的数据显示，2010年4月27日，Amazon、Ebay的用户占全球互联网用户的百分比分别为3.47%和2.68%，而淘宝的用户占全球互联网用户的百分比则达到了4.1%，淘宝网日独立访问量从此超过了Amazon和Ebay。

 

淘宝的数据规模及其访问量对关系数据库提出了很大挑战：数十亿条的记录、数TB的数据、数千TPS、数万QPS让传统的关系数据库不堪重负，单纯的硬件升级已经无法使得问题得到解决，分库分表也并不总是凑效。下面来看一个实际的例子。

 

淘宝收藏夹是淘宝线上应用之一，淘宝用户在其中保存自己感兴趣的宝贝(即商品，此外用户也可以收藏感兴趣的店铺)以便下次快速访问、对比和购买等，用户可以展示和编辑(添加/删除等)自己的收藏。

 

淘宝收藏夹数据库包含了收藏info表(一条一条的收藏信息)和收藏item表(被收藏的宝贝和店铺)等：

• 收藏info表保存收藏信息条目，数十亿条
• 收藏item表保存收藏的宝贝和店铺的详细信息，数亿条
• 热门宝贝可能被多达数十万买家收藏
• 每个用户可以收藏千个宝贝
• 宝贝的价格、收藏人气等信息随时变化

 

如果用户选择按宝贝价格排序后展示，那么数据库需要从收藏item表中读取收藏的宝贝的价格等最新信息，然后进行排序处理。如果用户的收藏条目比较多(例如1000条)，那么查询对应的item的时间会较长：假设如果平均每条item查询时间是5ms，则1000条的查询时间可能达到5s，若果真如此，则用户体验会很差。

 

如果把收藏的宝贝的详细信息实时冗余到收藏info表，则上述查询收藏item表的操作就不再需要了。但是，由于许多热门商品可能有几千到几十万人收藏，这些热门商品的价格等信息的变动可能导致收藏info表的大量修改，并压垮数据库。

 

OceanBase是淘宝自主研发的海量数据库，并且已经开源( http://oceanbase.taobao.org/ )。在应用团队和OceanBase团队的共同努力下，上述问题得到了很好地解决：平均响应时间几十毫秒，最长响应时间一百多毫秒。与先前使用的关系数据库相比，系统QPS和TPS提升了几倍，服务器数量反而减少了。

Author:正祥