▼

首先，介紹下當當?shù)臉I(yè)務(wù)特征，這也是互聯(lián)網(wǎng)行業(yè)的共有特征：

海量用戶 當當面向的是完全開放的、整個互聯(lián)網(wǎng)的億級用戶量。

品類繁多 當當是賣書起家的，書的品類是很多的。除了書，當當還有百貨、服裝等。與垂直電商不同，水平電商由于品類繁多，因此數(shù)據(jù)架構(gòu)也會有很大區(qū)別。

7X24 互聯(lián)網(wǎng)公司基本都是如此要求，盡量縮短宕機時間。

流量突增 如“雙11”或“書香節(jié)”，其流量是平時的幾倍到幾十倍不等。

業(yè)務(wù)復雜 下圖是業(yè)務(wù)框架圖，分為三部分，中間部分是當當主業(yè)務(wù)流程，從用戶查看選擇商品的賣場模塊，到購物車、結(jié)算的交易模塊，最后發(fā)至訂單工作流系統(tǒng)；然后通過倉儲系統(tǒng)生產(chǎn)訂單，并交由物流系統(tǒng)配送貨品。上面部分是用戶相關(guān)的系統(tǒng)，如搜索、推薦、促銷、會員等。下面部分是為當當運營人員與合作伙伴提供的系統(tǒng)，如商品、價格、庫存等。

這僅是縮略版的系統(tǒng)架構(gòu)圖，當當實際系統(tǒng)要復雜的多、用到的語言也各異，大部分如：前端PHP、后端Java、搜索系統(tǒng)用C++，推薦系統(tǒng)用Go和Python。因此它是一個由異構(gòu)語言組成的復雜系統(tǒng)集合。

▼

互聯(lián)網(wǎng)核心問題和企業(yè)級開發(fā)不一樣的地方在于規(guī)模。互聯(lián)網(wǎng)公司的規(guī)模由以下幾點組成的——

海量數(shù)據(jù)：包括但不限于用戶數(shù)據(jù)、商品數(shù)據(jù)、交易數(shù)據(jù)、訂單數(shù)據(jù)、用戶行為數(shù)據(jù)等。由于數(shù)據(jù)量巨大，因此不能僅使用單一的數(shù)據(jù)存儲結(jié)構(gòu)，也不能以單數(shù)據(jù)節(jié)點的方式存儲所有數(shù)據(jù)。

響應遲緩：大量的用戶訪問，使得系統(tǒng)承載了更多流量，處理過多的請求會導致系統(tǒng)響應變的遲緩。

系統(tǒng)繁多：通過上一張圖可以得知，系統(tǒng)是由非常多的子系統(tǒng)組成的，每個子系統(tǒng)各司其職。合理的系統(tǒng)拆分可以靈活的分離冷熱數(shù)據(jù)、擴容重點系統(tǒng)等。

開發(fā)困難：各個系統(tǒng)都是由異構(gòu)語言的不同技術(shù)棧構(gòu)成，開發(fā)成本較高。

穩(wěn)定性差：由于系統(tǒng)間交互增多，系統(tǒng)之間會形成一個復雜的交互網(wǎng)。任一系統(tǒng)出現(xiàn)問題，都可能導致部分不可用，進而增加整體不可控的風險。系統(tǒng)拆分的越多，出問題的可能性就越大，系統(tǒng)穩(wěn)定性就會越差。

伸縮性差：電商公司不可能常備“雙11”的機器體量。因此遇到大促等需要承載突發(fā)流量的場景，系統(tǒng)需要可以彈性伸縮。在流量增加的時候擴張容量，用于承接更多的購買需求；在流量下降的時候收縮容量，節(jié)省成本。

▼

解決方案是中間件+云平臺。

中間件解決的主要問題是服務(wù)化、彈性化和異步化。

服務(wù)化：眾多系統(tǒng)間應該提供一致的交互和治理方式。

彈性化：讓系統(tǒng)具備根據(jù)實際需要靈活的擴縮容的能力。

異步化：將同步調(diào)用鏈梳理為同步落盤 + 異步處理的方式以提升吞吐量。

云平臺解決的主要問題是部署自動化和監(jiān)控一體化。

中間件缺乏對運行環(huán)境搭建，App部署分發(fā)等能力，也難以提供統(tǒng)一的監(jiān)控一體化系統(tǒng)，因此云平臺在這方面是對中間件的有益補充。

▼

這里介紹最主要的三個中間件：服務(wù)中間件、作業(yè)中間件和數(shù)據(jù)中間件。中間件遠遠不止這三種，限于時間，無法涵蓋全部的中間件：如消息中間件、緩存中間件、NoSQL以及離線大數(shù)據(jù)等因時間關(guān)系不在分享范圍之內(nèi)。

▼

服務(wù)中間件有很多優(yōu)秀的開源產(chǎn)品，從早期的Finagle, Dubbo，到近期出現(xiàn)的Motan，Spring Cloud都是個中翹楚。服務(wù)中間件的核心功能主要包括：

遠程調(diào)用：分為長連接調(diào)用和短連接調(diào)用兩種方式。長鏈接采用Socket + 二進制序列化的方式居多，短連接以HTTP RESTFul + JSON的方式為主。無論采用何種調(diào)用方式，都應在服務(wù)中間件中封裝為統(tǒng)一接口。

服務(wù)發(fā)現(xiàn)：自動感知上線和下線的應用，并分配和截斷相應的請求。標準實現(xiàn)方案是通過一個注冊中心管理和協(xié)調(diào)分布式應用，常見的注冊中心有Zookeeper，etcd和Eureka。

負載均衡：合理的將流量分配給權(quán)重不盡相同的分布式節(jié)點。

服務(wù)治理：包括服務(wù)調(diào)動鏈梳理、服務(wù)降級、服務(wù)版本控制等功能。

限流：將過載的流量擋在后端系統(tǒng)之外，讓部分不過載的請求可以繼續(xù)提供服務(wù)。保證系統(tǒng)不會因為突增的流量而被完全沖垮，而是任何情況下都能提供對核心用戶的平穩(wěn)服務(wù)能力。

監(jiān)控報警：提供將內(nèi)部指標通過API對接到外部系統(tǒng)的能力，內(nèi)部指標一般有SLA、服務(wù)狀態(tài)、節(jié)點承載量等。

上圖是當當采用的服務(wù)框架——DubboX。

該項目Fork了阿里開源的Dubbo，并內(nèi)置了Web服務(wù)器且增加REST協(xié)議，用于支持異構(gòu)語言間的調(diào)用。每個基于DubboX的應用均可通過內(nèi)置的Web服務(wù)器提供服務(wù)，每個Web服務(wù)器通過Nginx實現(xiàn)負載均衡。并且在Nginx通過OpenResty實現(xiàn)了基于漏桶和令牌桶兩種算法的限流插件。請求調(diào)用信息通過Agent的本地匯總之后，定期發(fā)送至一個Kafka的消息隊列，并通過Storm的二次匯總計算出SLA，存儲至數(shù)據(jù)庫中。最終由監(jiān)控系統(tǒng)定期抓取報警數(shù)據(jù)。

使用DubboX部署的程序，在邏輯上分為兩部分。上面部分是服務(wù)的提供者；下面部分是服務(wù)的消費者。服務(wù)消費者在REST協(xié)議的場景，是直接通過Nginx代理訪問服務(wù)提供者的。如果采用Java同構(gòu)應用，可以使用Dubbo原生的長鏈接+Dubbo協(xié)議，并通過注冊中心服務(wù)發(fā)現(xiàn)，以及客戶端負載均衡。

下圖是當當?shù)腟LA監(jiān)控系統(tǒng)以及限流系統(tǒng)的Dashboard。

▼

當當系統(tǒng)中很多業(yè)務(wù)是由作業(yè)實現(xiàn)的，如拉單作業(yè)、價格同步作業(yè)等。因為公司系統(tǒng)較多，很難通過唯一的方案實現(xiàn)，因此也有部分系統(tǒng)通過消息中間件完成。作業(yè)中間件的核心功能主要包括：

定時調(diào)度：根據(jù)cron表達式的時間調(diào)度應用。

任務(wù)分片：將一個大任務(wù)拆分成為多個任務(wù)片段，分布運行。此功能后文會重點介紹。

彈性擴容：與任務(wù)分片息息相關(guān)，一并在后文中介紹。

作業(yè)治理：管控作業(yè)生命周期，如：執(zhí)行、禁用、啟用以及更復雜的行為，如：失效轉(zhuǎn)移、錯過任務(wù)重觸發(fā)等。

監(jiān)控報警：提供將作業(yè)運行狀態(tài)、歷史統(tǒng)計和查詢對接至外部系統(tǒng)的能力。

當當采用的作業(yè)中間件是自研的Elastic-Job，它可以將一個完整的作業(yè)拆分為多個相互獨立的任務(wù)。一個完整的作業(yè)運行時間可能較長，但很難通過增加機器實例提升運行效率。通過Elastic-Job將作業(yè)拆分為多個任務(wù)，可以并行的在分布式的環(huán)境中運行，提升其處理速度。用戶可以實現(xiàn)自己的分片策略，將任務(wù)分配至合適的節(jié)點運行。

通過上圖舉例，作業(yè)分為4片，由兩臺服務(wù)器執(zhí)行，每臺執(zhí)行兩片。當增加一臺服務(wù)器時，如下圖所示，分片項被稀釋為服務(wù)器1和3各執(zhí)行一片，服務(wù)器2執(zhí)行兩片，那么服務(wù)器1和3由于執(zhí)行的分片項減少，從而提升性能。

而一旦有服務(wù)器宕機，如下圖所示，僅剩余一臺服務(wù)器可以提供服務(wù)，那么所有的分片都將指向該服務(wù)器。集群的整體處理能力會下降，但作業(yè)的完整性不會受到影響，從而提供高可用的能力。

因此，隨著運行實例的增加和減少，Elastic-Job可以動態(tài)的調(diào)整分片來提升性能和保證可用性。

這是Elastic-Job的部署架構(gòu)圖。

▼

接下來介紹的是數(shù)據(jù)庫中間件。關(guān)系型數(shù)據(jù)庫在大數(shù)據(jù)量的情況下，單庫單表難以支撐。解決方案是將單一的數(shù)據(jù)庫拆分為分布式數(shù)據(jù)庫，而讓開發(fā)和運維人員像訪問一個數(shù)據(jù)庫一樣訪問分布式數(shù)據(jù)庫，屏蔽其復雜度，是數(shù)據(jù)庫中間件的基本功能。數(shù)據(jù)庫中間件的核心功能主要包括：

分庫分表：通過打散數(shù)據(jù)的方式有效的減少每個表的數(shù)據(jù)量，減少索引的深度以提升查詢性能。并且拆分數(shù)據(jù)庫來有效的疏導請求流量。

讀寫分離：進一步提升數(shù)據(jù)庫的性能可以采用讀寫分離。讀庫僅負責響應查詢，寫庫相應更新，通過異步數(shù)據(jù)同步的方式保持讀寫庫的數(shù)據(jù)一致性。這種方式可以有效的減低行鎖，進一步提升效率。

內(nèi)聯(lián)事務(wù)：數(shù)據(jù)庫一旦打散，就必須使用分布式事務(wù)而導致性能急劇下降。因此如何合理的分庫分表，盡量將操作保證落在同一個庫，而使用內(nèi)聯(lián)事務(wù)，是更好的選擇。

柔性事務(wù)：在內(nèi)聯(lián)事務(wù)不適用的跨庫場景，犧牲強一致性來換取性能的提升，然后采用異步補償?shù)臋C制來達到最終一致性，是柔性事務(wù)的核心理念。

SQL審核：先期過濾出不符合OLTP的非法SQL。如：DELETE語句沒有WHERE等。

當當采用自研的Sharding-JDBC作為數(shù)據(jù)庫中間層。它直接修改JDBC協(xié)議，因此可以兼容各種數(shù)據(jù)庫以及ORM框架，應用工程師幾乎沒有學習成本，和使用原生JDBC沒有區(qū)別。應用工程師僅需要配置分片規(guī)則，用于告訴Sharding-JDBC哪一個分片鍵的數(shù)據(jù)應該路由至哪個庫的哪個表，即可。

Sharding-JDBC的內(nèi)部結(jié)構(gòu)包括：JDBC規(guī)范重寫、SQL解析、 SQL改寫、SQL路由、SQL執(zhí)行以及結(jié)果集歸并。

上面兩個圖是Sharding-JDBC的性能測試報告，在單庫時，由于SQL解析帶來的損耗，Sharding-JDBC比原生JDBC慢了0.02%。而將數(shù)據(jù)拆分至雙庫，Sharding-JDBC比原生JDBC的性能提升了94%，因此，拆分的數(shù)據(jù)庫實例越多，其對性能的提升也越顯著。

Sharding-JDBC定位是面向在線業(yè)務(wù)的框架。因此OLTP涉及到的SQL基本都兼容。

分布式的事務(wù)處理方案有三種：XA，弱XA和柔性事務(wù)。

XA即分布式事務(wù)，他對業(yè)務(wù)代碼完全沒有侵入性，而且也可以保證分布式場景下事務(wù)的強一致性，但其性能低下，在互聯(lián)網(wǎng)的場景下非常不適用。

弱XA是分庫分表數(shù)據(jù)庫的中間層所提出來的概念，簡單說就是單片事務(wù)。它僅能控制單節(jié)點事務(wù)的一致性，對于分布式的事務(wù)完全沒有控制能力。他不會對性能帶來任何影響，但沒有一致性的能力，在分布式的場景下極易造成數(shù)據(jù)不一致。

柔性事務(wù)是對弱XA的補充。它使用異步補償?shù)姆绞剑瑢⒍唐趦?nèi)不一致的數(shù)據(jù)修復，達到最終一致性。它用犧牲強一致性的方式提升了性能，因此內(nèi)聯(lián)事務(wù) + 柔性事務(wù)成為了最受青睞的互聯(lián)網(wǎng)事務(wù)處理方案。

柔性事務(wù)有兩種比較成熟實現(xiàn)方案，最大努力送達型和TCC（Try Confirm Cancel）。

最大努力送達型可以保證事務(wù)最終成功，業(yè)務(wù)入侵較小，僅需要業(yè)務(wù)方實現(xiàn)冪等性即可。它要求事務(wù)最終一定會成功，無法回滾，因此會反復嘗試，直至最終成功。

TCC類似原生事務(wù)，事務(wù)可以提交，也可以回滾。但事務(wù)的提交和回滾操作均需要業(yè)務(wù)工程師去實現(xiàn)，因此對業(yè)務(wù)入侵極大，TCC同樣需要業(yè)務(wù)代碼實現(xiàn)冪等性。

上圖是最大努力送達型的流程圖。它在SQL執(zhí)行前記錄事務(wù)日志，在SQL執(zhí)行成功后清理相應事務(wù)日志。一旦SQL執(zhí)行失敗，事務(wù)管理器就會通過同步和異步執(zhí)行的方式從日志庫中獲取當前的SQL反復嘗試，直至到達最大重試次數(shù)為止。超過最大重試次數(shù)的數(shù)據(jù)需要人工介入處理。

▼

首先，應用運行時環(huán)境是通過容器來實現(xiàn)的，不同編程語言編寫的應用需要不同的運行時環(huán)境，將環(huán)境、應用及相關(guān)依賴一起打包發(fā)布是容器的主要作用，在當當采用的容器解決方案是Docker。另外，容器還可以用于隔離運行環(huán)境，讓運行在同一宿主機的不同鏡像可以安全和獨立的使用既有資源。

其次，僅通過容器無法做到應用治理。中間件是應用彈性化的關(guān)鍵，它分別針對服務(wù)、作業(yè)以及數(shù)據(jù)庫訪問進行有效的增強。服務(wù)和作業(yè)中間件是兩種截然不同的應用類型，而數(shù)據(jù)中間件則是它們的有力支撐。無狀態(tài)的服務(wù)更易彈性擴展；而有狀態(tài)的作業(yè)則通過分片項隔離與數(shù)據(jù)的依賴；數(shù)據(jù)庫中間件則用于簡化分布式數(shù)據(jù)庫的訪問以及事務(wù)處理。

最后，一個可快速運行且高度彈性化方案的最后一塊拼圖，即是需要一個平臺去合理分配資源以及自動分發(fā)應用。目前比較流行的是Kubernetes和Mesos兩種方案。在使用的復雜度上Kubernetes要更加簡潔和一站式，但Mesos所采用兩級調(diào)度概念，通過其Framework定制化非常簡單，因此當當選擇Mesos作為資源調(diào)度系統(tǒng)。

分布式調(diào)度系統(tǒng)當前有三種架構(gòu)：單體式，兩階段以及狀態(tài)共享。

單體式調(diào)度較為簡單，調(diào)度邏輯可以在沒有任何并發(fā)的情況下使用全部資源。但由于互聯(lián)網(wǎng)業(yè)務(wù)需求多、變化快，因此這種架構(gòu)雖然性能高，但不利于業(yè)務(wù)的快速變化。Hadoop V1即采用此種架構(gòu)。

兩階段調(diào)度將資源通過Offer的形式分發(fā)給注冊在調(diào)度系統(tǒng)中的各個Framework，由Framework負責處理接收到的Offer，調(diào)度底層系統(tǒng)僅用于資源的收集和治理。因此此種架構(gòu)更易于通過Framework定制化擴展業(yè)務(wù)需求。Mesos即是兩階段調(diào)度的典型代表。

狀態(tài)共享調(diào)度功能看似最為強大，但實現(xiàn)起來卻更加復雜。它的每一個Framework都可以看到資源邏輯視圖的全集，采用樂觀鎖的方式使用資源，每次資源使用時，需要根據(jù)資源的占用狀態(tài)進行類似于事務(wù)方式的提交和回滾。它的優(yōu)點是可以更加有效的利用資源，缺點是實現(xiàn)難度高。除了Google閉源的Omega系統(tǒng)論文，開源產(chǎn)品中目前很少見成熟的實現(xiàn)方案。

上圖是當當云平臺的架構(gòu)圖。中間件API與業(yè)務(wù)應用一起打包至Docker鏡像或tar文件，并放入應用倉庫。服務(wù)型應用當當采用Marathon管理，由DubboX治理服務(wù)，并與應用一同放入Docker鏡像；作業(yè)型應用當當使用自研的Mesos Framework Elastic-Job-Cloud代替Marathon進行瞬時和常駐作業(yè)的治理。

在Elastic-Job-Cloud中采用了自定義Executor和Mesos原生容器，它能夠追加資源。利用此功能，可以有效的聚合作業(yè)，進一步簡化開發(fā)并節(jié)省資源。Elastic-Job-Cloud調(diào)度的應用使用tar包存入應用倉庫。雖然Marathon與Elastic-Job-Cloud所管理的容器不同，但Mesos都會采用同樣的接口將其分發(fā)至相應Mesos Agent執(zhí)行。

上圖是更加全面的整體云化架構(gòu)圖。可以從運維、構(gòu)建、日志和監(jiān)控4個方面說明。

運維通過自研的控制臺，向Mesos Framework發(fā)送信令和讀取數(shù)據(jù)來達到控制業(yè)務(wù)應用上下線、暫停執(zhí)行等功能，并可查看運行時狀態(tài)。

構(gòu)建是通過當當自研的盤古系統(tǒng)，控制灰度發(fā)布，一鍵回滾等功能，并由盤古系統(tǒng)將待部署上線的應用鏡像推送至Nexus或Docker倉庫。由Mesos Agent自動從Nexus獲取tar文件、或由Docker倉庫獲取應用鏡像并執(zhí)行。

日志采用的標準的ELK的方式，不過獲取日志并未使用Logstash，而是采用性能更佳的Filebeat代替。

監(jiān)控是由多個維度組成。首先使用Mesos Exporter暴露Mesos的狀態(tài)數(shù)據(jù)，然后由時序數(shù)據(jù)庫Prometheus定期抓取，并由Grafana展現(xiàn)結(jié)果。Prometheus也通過Alertmanager向當當自研的雷達系統(tǒng)發(fā)送報警數(shù)據(jù)，由雷達系統(tǒng)負責最終的報警。其次，雷達系統(tǒng)還負責抓取elasticsearch的報警日志以及運行歷史記錄、SLA等信息一并報警。

剛才介紹的DubboX、Elastic-Job以及Sharding-JDBC都已開源。

Elastic-Job經(jīng)不完全統(tǒng)計，有30家以上的公司在使用。Elastic-Job目前是Mesosphere官方認可的Framework，在Apache Mesos的官方文檔中可以查到，目前已經(jīng)進行到對接DC/OS的最終階段。

Sharding-JDBC僅僅開源1年多，即獲取了2016年最受歡迎的國產(chǎn)開源第17名。

三個開源項目均采用Apache協(xié)議，有興趣的同學請自由使用，歡迎提供寶貴意見。