2020 年 4 月 19 日 14:06

本文由 dbaplus 社群授權(quán)轉(zhuǎn)載。

序言

圖示：MongoDB 與 Elasticsearch 熱度排名

本文內(nèi)容涉及到 MongoDB 與 Elasticsearch 兩大陣營，可能會引起口水之爭，僅代表個人經(jīng)驗之談，非陣營之說，圍繞兩個話題展開：

• 為什么要從 MongoDB 遷移到 Elasticsearch？

• 如何從 MongoDB 遷移到 Elasticsearch？

現(xiàn)狀背景

MongoDB 本身定位與關(guān)系型數(shù)據(jù)庫競爭，但工作中幾乎沒有見到哪個項目會將核心業(yè)務(wù)系統(tǒng)的數(shù)據(jù)放在上面，依然選擇傳統(tǒng)的關(guān)系型數(shù)據(jù)庫。

1、項目背景項目背景

公司所在物流速運行業(yè)，業(yè)務(wù)系統(tǒng)復(fù)雜且龐大，用戶操作者很多，每日有大量業(yè)務(wù)數(shù)據(jù)產(chǎn)生，同時業(yè)務(wù)數(shù)據(jù)會有很多次流轉(zhuǎn)狀態(tài)變化，為了便于記錄追蹤分析，系統(tǒng)操作日志記錄項目應(yīng)運而生，考慮到原有的日均數(shù)據(jù)量，操作日志數(shù)據(jù)基于 MongoDB 存儲。

操作日志記錄系統(tǒng)需要記錄兩種數(shù)據(jù)，如下說明：

1）變更主數(shù)據(jù)，什么人在什么時間在系統(tǒng)哪個模塊做了什么操作，數(shù)據(jù)編號是什么，操作跟蹤編號是什么。

{

"dataId": 1,

"traceId": "abc",

"moduleCode": "crm_01",

"operateTime": "2019-11-11 12:12:12",

"operationId": 100,

"operationName": " 張三 ",

"departmentId": 1000,

"departmentName": " 客戶部 ",

"operationContent": " 拜訪客戶。。。"

}

2）變更從數(shù)據(jù)，實際變更數(shù)據(jù)的變化前后，此類數(shù)據(jù)條數(shù)很多，一行數(shù)據(jù)多個字段變更就記錄多條。

[

{

"dataId": 1,

"traceId": "abc",

"moduleCode": "crm_01",

"operateTime": "2019-11-11 12:12:12",

"operationId": 100,

"operationName": " 張三 ",

"departmentId": 1000,

"departmentName": " 客戶部 ",

"operationContent": " 拜訪客戶 ",



"beforeValue": "20",

"afterValue": "30",

"columnName": "customerType"

},

{

"dataId": 1,

"traceId": "abc",

"moduleCode": "crm_01",

"operateTime": "2019-11-11 12:12:12",

"operationId": 100,

"operationName": " 張三 ",

"departmentId": 1000,

"departmentName": " 客戶部 ",

"operationContent": " 拜訪客戶 ",



"beforeValue": "2019-11-02",

"afterValue": "2019-11-10",

"columnName": "lastVisitDate"

}

]

2、項目架構(gòu)項目背景

項目架構(gòu)描述如下：

• 業(yè)務(wù)系統(tǒng)新增或者編輯數(shù)據(jù)，產(chǎn)生操作日志記錄發(fā)送到 Kafka 集群，基于 dataid 字段作為 key；

• 新增或編輯數(shù)據(jù)實際存儲到 MySQL 數(shù)據(jù)庫；

• canal 集群訂閱 MySQL 集群，按照業(yè)務(wù)系統(tǒng)模塊配置監(jiān)控的數(shù)據(jù)庫與表；

• canal 將監(jiān)控到的變更業(yè)務(wù)數(shù)據(jù)發(fā)送到 Kafka 集群，基于 dataid 字段作為 key；

• 操作日志系統(tǒng)從 Kafka 獲取主記錄數(shù)據(jù)與從記錄數(shù)據(jù)；

• 操作日志系統(tǒng)寫入數(shù)據(jù)到 MongoDB，同時需要反查詢。

3、MongoDB 架構(gòu)項目背景

集群架構(gòu)說明：

• 服務(wù)器配置 8c/32gb/500gb ssd；

• Router 路由服務(wù)器部署了 3 個節(jié)點；

• Config 配置服務(wù)器部署了 3 個節(jié)點；

• Shard 分片服務(wù)器部署了 9 個節(jié)點；

• 主操作記錄設(shè)計 3 個分片；

• 從操作記錄設(shè)計 3 個分片。

問題說明

MongoDB 的信徒們可能懷疑我們沒有使用好，或者我們的運維能力欠缺，或者認為我們有 Elasticsearch 的高手在。不是這樣的，棄用 MongoDB 選擇 Elasticsearch 其實并非技術(shù)偏見問題，而是我們的實際場景需求，原因如下：

1、搜索查詢項目背景

• MongoDB 內(nèi)部采用 B-Tree 作為索引結(jié)構(gòu)，此索引基于最左優(yōu)先原則，且必須保證查詢順序與索引字段的順序一致才有效，這個即是優(yōu)點，但在現(xiàn)在復(fù)雜業(yè)務(wù)場景也是致命的；

• 業(yè)務(wù)系統(tǒng)查詢操作日志記錄會有很多過濾條件，且查詢條件是任意組合的，現(xiàn)有 MongoDB 是不支持的，或者說所有關(guān)系型數(shù)據(jù)庫都不支持，如果要支持，得創(chuàng)建好多組合的 B+ 數(shù)索引，想法很不理智，這個我們已經(jīng)在《DB 與 ES 混合之應(yīng)用系統(tǒng)場景分析探討》文中探討過，詳細可以閱讀；

• 同時主記錄與從記錄中有很多字符類的數(shù)據(jù)，這些數(shù)據(jù)查詢即要支持精確查詢，也要支持全文檢索，這幾個方面 MongoDB 功能很單一，性能也很糟糕，業(yè)務(wù)系統(tǒng)查詢時經(jīng)常超時，反倒是 Elasticsearch 非常合適。

2、技術(shù)棧成熟度項目背景

• 分片與副本實現(xiàn)問題，MongoDB 集合數(shù)據(jù)在設(shè)計時是需要綁定到具體的機器實例的，哪些分片分布在哪些節(jié)點上，哪些副本分布在哪些節(jié)點上，這些都需要在配置集群時就要綁定死，跟傳統(tǒng)的關(guān)系型數(shù)據(jù)庫做分庫分表本質(zhì)上沒有什么兩樣，其實現(xiàn)在很多數(shù)據(jù)產(chǎn)品的集群還是這種模式偏多，比如 Redis-cluster，ClickHouse 等。而 Elasticsearc 的集群與分片和副本沒有直接的綁定關(guān)系，可以任意的平衡調(diào)整，且節(jié)點的性能配置也可以很容易差異化；

• 操作日志數(shù)據(jù)量增加很快，單日寫入超過千萬條，不用多久，運維人員就需要對服務(wù)器進行擴容，且相對 Elasticsearch 復(fù)雜很多；

• MongoDB 單集合數(shù)據(jù)量超過 10 億條，此情況下即使簡單條件查詢性能也不理想，不如 Elasticsearch 倒排索引快；

• 公司對于 ES 與 MongoDB 技術(shù)棧的經(jīng)驗積累不同，Elasticsearc 在很多項目中運用，非常核心的項目也是大量運用，對于其技術(shù)與運維經(jīng)驗更豐富，而 MongoDB 如果除去核心業(yè)務(wù)場景，幾乎找不到合適的切入口，實際沒有人敢在核心項目中使用 MongoDB，這就很尷尬。

3、文檔格式相同項目背景

MongoDB 與 Elasticsearch 都屬于文檔型數(shù)據(jù)庫 ，Bson 類同與 Json，_objectid 與 _id 原理一樣，所以主數(shù)據(jù)與從數(shù)據(jù)遷移到 Elasticsearch 平臺，數(shù)據(jù)模型幾乎無需變化。

遷移方案

異構(gòu)數(shù)據(jù)系統(tǒng)遷移，主要圍繞這兩大塊內(nèi)容展開：

• 上層應(yīng)用系統(tǒng)遷移，原來是針對 MongoDB 的語法規(guī)則，現(xiàn)在要修改為面向 Elasticsearch 語法規(guī)則；

• 下層 MongoDB 數(shù)據(jù)遷移到 Elasticsearch。

1、Elastic 容量評估項目背景

原有 MongoDB 集群采用了 15 臺服務(wù)器，其中 9 臺是數(shù)據(jù)服務(wù)器，遷移到 Elastic 集群需要多少臺服務(wù)器？我們采取簡單推算辦法，如假設(shè)生產(chǎn)環(huán)境上某個 MongoDB 集合的數(shù)據(jù)有 10 億條數(shù)據(jù), 我們先在測試環(huán)境上從 MongoDB 到 ES 上同步 100 萬條數(shù)據(jù)，假設(shè)這 100 萬條數(shù)據(jù)占用磁盤 10G，那生產(chǎn)上環(huán)境上需要 1 個 T 磁盤空間，然后根據(jù)業(yè)務(wù)預(yù)期增加量擴展一定冗余。根據(jù)初步評估，Elastic 集群設(shè)置 3 臺服務(wù)器， 配置 8c/16g 內(nèi)存 /2T 機械磁盤。服務(wù)器數(shù)量一下從 15 臺縮減到 3 臺，且配置也降低不少。

2、Elastic 索引規(guī)則項目背景

系統(tǒng)操作日志是時序性數(shù)據(jù)，寫完整后基本上無需再次修改。操作日志記錄查詢主要是當月的居多，后續(xù)的歷史性數(shù)據(jù)查詢頻率很低，根據(jù)評估，核心數(shù)據(jù)索引按月創(chuàng)建生成， 業(yè)務(wù)查詢時候必須帶上操作時間范圍，后端根據(jù)時間反推需要查詢哪些索引，Elastic-Api 支持多索引匹配查詢，完美利用 Elastic 的特性解決跨多個月份的查詢合并。對于非核心數(shù)據(jù)索引，按年創(chuàng)建索引生成足以。

3、核心實現(xiàn)邏輯設(shè)計項目背景

Elasticsearch 不是關(guān)系型數(shù)據(jù)庫，不具備事務(wù)的機制。操作日志系統(tǒng)的數(shù)據(jù)來源都是 Kafka，消費數(shù)據(jù)是有順序機制的，有 2 種場景特別注意，如下：

• 主數(shù)據(jù)先到操作日志系統(tǒng)，從數(shù)據(jù)后到，從數(shù)據(jù)寫的時候先拼湊主數(shù)據(jù)記錄和 Binlog 字段數(shù)據(jù)；

• 從數(shù)據(jù)先到操作日志系統(tǒng)，主數(shù)據(jù)后到，主數(shù)據(jù)更新從索引的相關(guān)的索引字段。

Elasticsearch 索引數(shù)據(jù)更新是近實時的刷新機制，數(shù)據(jù)提交后不能馬上通過 Search-Api 查詢到，主記錄的數(shù)據(jù)如何更新到從記錄呢？而且業(yè)務(wù)部門不規(guī)范的使用，多條主記錄的 dataId 和 tracId 可能一樣。

由于主數(shù)據(jù)與從數(shù)據(jù)關(guān)聯(lián)字段是 dataId 和 traceId。如果主數(shù)據(jù)與從數(shù)據(jù)在同時達到操作日志系統(tǒng)，基于 update_by_query 命令肯定失效不 準確， 主從數(shù)據(jù)也可能是多對多的關(guān)聯(lián)關(guān)系，dataId 和 traceId 不能唯一決定一條記錄。

Elasticsearch 其實也是一個 NoSQL 數(shù)據(jù)庫， 可以做 key-value 緩存。這時新建一個 Elastic 索引作為中間緩存， 原則是主數(shù)據(jù)與從數(shù)據(jù)誰先到緩存誰，索引的 _id=（dataId+traceId） ， 通過這個中間索引可以找到主數(shù)據(jù)記錄的 Id 或者從記錄 Id， 索引數(shù)據(jù)模型多如下，detailId 為從索引的 _id 的數(shù)組記錄。

{

"dataId": 1,

"traceId": "abc",

"moduleCode": "crm_01",

"operationId": 100,

"operationName": " 張三 ",

"departmentId": 1000,

"departmentName": " 客戶部 ",

"operationContent": " 拜訪客戶 ",

"detailId": [

1,

2,

3,

4,

5,

6

]

}

前面我們講過主記錄和從記錄都是一個 Kafka 的分區(qū)上，我們拉一批數(shù)據(jù)的時候，操作 ES 用的用到的核心 API：

#批量獲取從索引的記錄

_mget

#批量插入

bulk

#批量刪除中間臨時索引

_delete_by_query

遷移過程

1、數(shù)據(jù)遷移項目背景

選擇 DataX 作為數(shù)據(jù)同步工具由以下幾個因素：

• 歷史型數(shù)據(jù)。操作日志記錄數(shù)據(jù)屬于歷史性的數(shù)據(jù)，記錄產(chǎn)生之后幾乎無需二次修改，等同于離線數(shù)據(jù)；

• 非持續(xù)性遷移。項目全部完工之后，原有的 MongoDB 集群會全部銷毀，不會有二次遷移需求；

• 數(shù)據(jù)量問題。原有 MongoDB 操作日志數(shù)據(jù)量有幾十億條，遷移過程不能太快也不能太慢，速度太快，MongoDB 集群會出現(xiàn)性能問題，速度太慢，項目周期太長，增加運維的成本與復(fù)雜度。否則可以選擇 Hadoop 作為中轉(zhuǎn)平臺的遷移；

• DataX 源碼特定場景改造。如日期類型的轉(zhuǎn)換、索引主鍵 _id 的生成、索引主鍵 _id 映射，支持重復(fù)同步；

• 多實例多線程并行。主數(shù)據(jù)同步部署多個實例，從數(shù)據(jù)同步也部署多個實例，單實例中配置多個 Channel。

2、遷移索引設(shè)置項目背景

臨時修改索引的一些設(shè)置，當數(shù)據(jù)同步完之后再修改回來，如下：

"index.number_of_replicas": 0,

"index.refresh_interval": "30s",

"index.translog.flush_threshold_size": "1024M"

"index.translog.durability": "async",

"index.translog.sync_interval": "5s"

3、應(yīng)用遷移項目背景

操作日志項目采用 Springboot 構(gòu)建，增加了自定義配置項，如下：

#應(yīng)用寫入 mongodb 標識

writeflag.mongodb: true

#應(yīng)用寫入 elasticsearch 標識

writeflag.elasticsearch: true

項目改造說明：

• 第一次上線的時候，先將 2 個寫入標識設(shè)置為 true，雙寫 MongoDB 和 ES；

• 對于讀，提供 2 個不同接口，前端自由的切換；

• 等數(shù)據(jù)遷移完，沒有差異的時候，重新更改 flag 的值。

結(jié)語

1、遷移效果項目背景

棄用 MongoDB 使用 ElasticSearch 作為存儲數(shù)據(jù)庫，服務(wù)器從原來的 15 臺 MongoDB，變成了 3 臺 ElasticSearch，每月為公司節(jié)約了一大筆費用。同時查詢性能提高了 10 倍以上，而且更好的支持了各種查詢，得到了業(yè)務(wù)部門的使用者，運維團隊和領(lǐng)導(dǎo)的一致贊賞。

2、經(jīng)驗總結(jié)項目背景

整個項目前后歷經(jīng)幾個月，多位同事參與，設(shè)計、研發(fā)，數(shù)據(jù)遷移、測試、數(shù)據(jù)驗證、壓測等各個環(huán)節(jié)。技術(shù)方案不是一步到位，中間也踩了很多坑，最終上線了。ES 的技術(shù)優(yōu)秀特點很多，靈活的使用，才能發(fā)揮最大的威力。

作者介紹：

李猛 (ynuosoft)，Elastic-stack 產(chǎn)品深度用戶，ES 認證工程師，2012 年接觸 Elasticsearch，對 Elastic-Stack 開發(fā)、架構(gòu)、運維等方面有深入體驗，實踐過多種 Elasticsearch 項目，最暴力的大數(shù)據(jù)分析應(yīng)用，最復(fù)雜的業(yè)務(wù)系統(tǒng)應(yīng)用；業(yè)余為企業(yè)提供 Elastic-stack 咨詢培訓(xùn)以及調(diào)優(yōu)實施。

原文鏈接：

https://mp.weixin.qq.com/s?__biz=MzI4NTA1MDEwNg==&mid=2650787182&idx=1&sn=d3543f9a62ec56c58fe72a0d63e35999&chksm=f3f978fbc48ef1ed23736de22fd812ca195acdb16c3869ddab8b2c29aa3ca50f0f35042f5d71&scene=27#wechat_redirect