MySQL亿级数据平滑秒级扩容实战方案

互联网时代，面对海量数据与高并发访问的挑战，采用高可用的微服务分层架构已成为解决方案的关键。通过三个简单步骤，就能轻松实现数据库的秒级平滑扩容，确保系统在数据激增时依然保持稳定。

关于数据库秒级平滑扩容的问题，之前我曾详细阐述过。上周有位朋友在评论区提到找不到原文，其实这个方法实操性很强，我们团队在58同城就曾成功实践过。

此外，理清思路往往比结论本身更为重要。

高吞吐、大并发场景下，互联网分层架构通常如何设计？

在数据库上层，微服务层负责记录“业务库”与“数据库实例配置”之间的映射关系。数据库连接池通过解析SQL语句，将查询请求精准路由到对应的数据库实例。

如上图所示，服务层通过配置用户库user与具体数据库实例IP的对应关系，实现数据访问的动态路由。

画外音：这里的IP实际上对应的是内网域名。

如何确保分层架构下数据库的高可用性？

实现数据库高可用，业界常用的方式是采用“双主同步+keepalived+虚拟IP”的方案。

如图所示，两个互为主从的数据库实例共享同一个虚拟IP。

当任一主库发生故障时，虚拟IP会自动漂移到另一个健康的主库。整个过程对调用方完全透明，有效保障了数据库服务的高可用性。

画外音：关于高可用的实现细节，之前已专门介绍过，本文不再展开。

当数据量持续激增，架构应如何应对？

面对数据量的快速增长，数据库需要进行水平切分，将数据分布到不同的数据库实例（甚至物理服务器）上。通过分库降低单库数据量，既能提升系统性能，又能实现弹性扩容。

如上图所示，用户库user被分布到两个实例（ip0和ip1）上。服务层根据用户标识uid取模的方式进行路由：模2为0的访问ip0上的user库，模2为1的则访问ip1上的user库。

画外音：此时，水平切分集群的读写实例数量实现倍增，单个实例的数据量减半，性能提升可不止一倍。

综合以上三点，大型互联网微服务分层架构的整体设计思路如下：

这样的设计既实现了水平切分，又保证了高可用性。

若数据量持续增长，两个库性能达到瓶颈该怎么办？

此时需要继续进行水平拆分，将数据分布到更多的库中。通过增加库主实例数量，既能降低单库数据压力，又能有效提升整体性能。

新的问题随之而来：分成n个库后，随着数据量的进一步增加，需要扩容至2*n个库。如何在不中断服务的情况下实现数据平滑迁移，保证服务持续可用？

画外音：你遇到过类似的情况吗？

停机扩容，是最容易想到的方案吗？

在探讨秒级平滑扩容方案之前，先简要说明停机扩容的实施步骤：

(1) 发布公告“为给广大用户提供更优质服务，本站点/游戏将于今晚00:00-2:00期间进行升级，届时将无法登录，敬请知悉”；

画外音：这样的公告相信大家都见过，实际上这是在迁移数据。

(2) 微服务停止服务，数据库不再写入新数据；

(3) 新建2*n个新库，并配置高可用架构；

(4) 编写数据迁移脚本，将数据从n个库中select出来，再insert到2*n个新库中；

(5) 修改微服务的数据库路由配置，将模n改为模2*n；

(6) 微服务重启，连接新库重新对外提供服务；

整个过程耗时最长的就是第四步的数据迁移。

如果出现问题，如何快速回滚？

若数据迁移失败，或迁移后测试发现问题，只需将配置改回旧库，即可恢复服务。

停机扩容方案存在哪些优缺点？

优点：操作简单。

缺点：需要停止服务，方案可用性不高；技术团队压力大，所有操作必须在限定时间内完成。根据经验，压力越大越容易出错；

画外音：这一点尤为关键。

如果在服务启动后才发现问题，将难以回滚。一旦回档可能导致部分数据丢失。

有没有秒级实施、更平滑、更优雅的解决方案？

再次回顾扩容前的架构：假设每个库有1亿数据量，如何通过平滑扩容增加实例数量，降低单库数据量？只需三个简单步骤即可搞定。

步骤一：修改配置。

主要修改包括两个部分：

其一，为数据库实例所在的服务器配置双虚拟IP：原来模2=0的库增加虚拟IP00；模2=1的库增加虚拟IP11。

其二，修改服务配置，将原来2个库的数据库配置，调整为4个库的设置。修改时需特别注意旧库与新库的映射关系：模2=0的数据，将分布到模4=0与模4=2的实例上；模2=1的部分，则分布到模4=1与模4=3的实例上。

画外音：这样的配置能确保数据被路由到正确的数据库。

步骤二：reload配置，实现实例扩容。

服务层reload配置，可以通过几种方式实现：最直接的是重启服务，重新读取配置文件；更高级的做法是通过配置中心给服务发信号，重读配置文件，重新初始化数据库连接池。

无论采用哪种方式，reload之后，原先由2个数据库实例提供服务，现在已扩展为4个实例共同支撑。这个过程通常在秒级即可完成。

整个升级过程完全可以分段实施，既不影响服务的正确性，也不损害可用性。

即便模2寻库和模4寻库同时存在，也不会影响数据的准确性，因为此时仍旧保持双主数据同步；即使模4=0与模4=2的寻库落在同一个数据库实例上，数据的正确性依然有保障。

完成了实例的扩展，但我们会发现每个数据库的数据量仍然没有下降。所以第三个步骤还需要做一些收尾工作。

画外音：这一步让数据库实例数量实现倍增。

步骤三：收尾工作，数据收缩。

收尾工作包括：将双虚拟IP改回单虚拟IP；解除旧的双主同步，让成对库的数据不再同步增加；建立新的双主同步，确保高可用性；删除冗余数据，例如：ip0中模4=2的数据全部删除，只保留模4=0的数据继续提供服务。

画外音：经过这一步，数据库单实例数据量真正实现减半。

总结

支撑海量数据、高并发访问的互联网微服务分层架构，实现数据库秒级平滑扩容的三个核心步骤是：

修改配置（双虚拟IP与微服务数据库路由）；reload配置，实例倍增完成；删除冗余数据等收尾工作，实现数据量减半。

知其然，更要知其所以然。在架构设计中，理解原理往往比掌握结论更为重要。