1W+屬性，每秒10W+吞吐，100Y+數(shù)據(jù)，架構(gòu)如何設(shè)計(jì)？

作者：58沈劍 2025-09-29 09:49:26

1萬(wàn)屬性，100億數(shù)據(jù)，10萬(wàn)吞吐，今天和大家聊一聊，這一類“分類信息業(yè)務(wù)”架構(gòu)的設(shè)計(jì)實(shí)踐。

有一類業(yè)務(wù)場(chǎng)景，沒(méi)有固定的schema存儲(chǔ)，卻有著海量的數(shù)據(jù)行數(shù)，架構(gòu)上如何來(lái)實(shí)現(xiàn)這類業(yè)務(wù)的存儲(chǔ)與檢索呢？

1萬(wàn)屬性，100億數(shù)據(jù)，10萬(wàn)吞吐，今天和大家聊一聊，這一類“分類信息業(yè)務(wù)”架構(gòu)的設(shè)計(jì)實(shí)踐。

一、背景描述及業(yè)務(wù)介紹

1. 什么是分類信息平臺(tái)最核心的數(shù)據(jù)？

一個(gè)分類信息平臺(tái)，有很多垂直品類：招聘、房產(chǎn)、二手物品、二手車(chē)、黃頁(yè)等等，每個(gè)品類又有很多子品類，不管哪個(gè)品類，最核心的數(shù)據(jù)都是“帖子信息”。

畫(huà)外音：像不像一個(gè)大論壇？

2. 各分類帖子的信息有什么特點(diǎn)？

逛過(guò)分類信息平臺(tái)的朋友很容易了解到，這里的帖子信息：

各品類的屬性千差萬(wàn)別，招聘帖子和二手帖子屬性完全不同，二手手機(jī)和二手家電的屬性又完全不同，目前恐怕有近萬(wàn)個(gè)屬性；
數(shù)據(jù)量巨大，100億級(jí)別；
每個(gè)屬性上都有查詢需求，各組合屬性上都可能有組合查詢需求，招聘要查職位/經(jīng)驗(yàn)/薪酬范圍，二手手機(jī)要查顏色/價(jià)格/型號(hào)，二手要查冰箱/洗衣機(jī)/空調(diào)；
吞吐量很大，每秒幾10萬(wàn)吞吐；

如何解決100億數(shù)據(jù)量，1萬(wàn)屬性，多屬性組合查詢，10萬(wàn)并發(fā)查詢的技術(shù)難題呢？一步步來(lái)。

二、最容易想到的方案

每個(gè)公司的發(fā)展都是一個(gè)從小到大的過(guò)程，撇開(kāi)并發(fā)量和數(shù)據(jù)量不談，先看看：

如何實(shí)現(xiàn)屬性擴(kuò)展性需求；
多屬性組合查詢需求；

畫(huà)外音：公司初期并發(fā)量和數(shù)據(jù)量都不大，必須先解決業(yè)務(wù)問(wèn)題。

1. 如何滿足業(yè)務(wù)的存儲(chǔ)需求呢？

最開(kāi)始，業(yè)務(wù)只有一個(gè)招聘品類，那帖子表可能是這么設(shè)計(jì)的：

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

2. 那如何滿足各屬性之間的組合查詢需求呢？

最容易想到的是通過(guò)組合索引滿足查詢需求：

index_1(c1, c2)
index_2(c2, c3)
index_3(c1, c3)

3. 隨著業(yè)務(wù)的發(fā)展，又新增了一個(gè)房產(chǎn)類別，存儲(chǔ)問(wèn)題又該如何解決呢？

可以新增若干屬性滿足存儲(chǔ)需求，于是帖子表變成了：

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

其中：

c1,c2,c3是招聘類別屬性；
c10,c11,c12,c13是房產(chǎn)類別屬性；

通過(guò)擴(kuò)展屬性，可以解決存儲(chǔ)的問(wèn)題。

4. 查詢需求，又該如何滿足呢？

首先，跨業(yè)務(wù)屬性一般沒(méi)有組合查詢需求。只能建立了若干組合索引，滿足房產(chǎn)類別的查詢需求。

畫(huà)外音：不敢想有多少個(gè)索引能覆蓋所有兩屬性查詢，三屬性查詢。

當(dāng)業(yè)務(wù)越來(lái)越多時(shí)，是不是發(fā)現(xiàn)玩不下去了？

三、垂直拆分是一個(gè)思路

新增屬性是一種擴(kuò)展方式，新增表也是一種方式，垂直拆分也是常見(jiàn)的存儲(chǔ)擴(kuò)展方案。

1. 如何按照業(yè)務(wù)進(jìn)行垂直拆分？

可以這么玩：

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

2. 在業(yè)務(wù)各異，數(shù)據(jù)量和吞吐量都巨大的情況下，垂直拆分會(huì)遇到什么問(wèn)題呢？

這些表，以及對(duì)應(yīng)的服務(wù)維護(hù)在不同的部門(mén)，看上去各業(yè)務(wù)靈活性強(qiáng)，研發(fā)閉環(huán)，這恰恰是悲劇的開(kāi)始：

tid如何規(guī)范？
屬性如何規(guī)范？
按照uid來(lái)查詢?cè)趺崔k（查詢自己發(fā)布的所有帖子）？
按照時(shí)間來(lái)查詢?cè)趺崔k（最新發(fā)布的帖子）？
跨品類查詢?cè)趺崔k（例如首頁(yè)搜索框）？
技術(shù)范圍的擴(kuò)散，有的用mongo存儲(chǔ)，有的用mysql存儲(chǔ)，有的自研存儲(chǔ)；
重復(fù)開(kāi)發(fā)了不少組件；
維護(hù)成本過(guò)高；
…

畫(huà)外音：想想看，電商的商品表，不可能一個(gè)類目一個(gè)表的。

四、行業(yè)最佳實(shí)踐：三大中心服務(wù)

1. 統(tǒng)一帖子中心服務(wù)

平臺(tái)型創(chuàng)業(yè)型公司，可能有多個(gè)品類，各品類有很多異構(gòu)數(shù)據(jù)的存儲(chǔ)需求，到底是分還是合，無(wú)需糾結(jié)：基礎(chǔ)數(shù)據(jù)基礎(chǔ)服務(wù)的統(tǒng)一，是一個(gè)很好的實(shí)踐。

畫(huà)外音：這里說(shuō)的是平臺(tái)型業(yè)務(wù)。

如何將不同品類，異構(gòu)的數(shù)據(jù)統(tǒng)一存儲(chǔ)起來(lái)呢？

全品類通用屬性統(tǒng)一存儲(chǔ)；
單品類特有屬性，品類類型與通用屬性json來(lái)進(jìn)行存儲(chǔ)；

更具體的：

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

一些通用的字段抽取出來(lái)單獨(dú)存儲(chǔ)；
通過(guò)cate, subcate, xxid等來(lái)定義ext是何種含義；

通過(guò)ext來(lái)存儲(chǔ)不同業(yè)務(wù)線的個(gè)性化需求；

例如：

招聘的帖子，ext為：

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

而二手的帖子，ext為：

{”type”:”iphone”,”money”:3500}

帖子數(shù)據(jù)，100億的數(shù)據(jù)量，分256庫(kù)，通過(guò)ext存儲(chǔ)異構(gòu)業(yè)務(wù)數(shù)據(jù)，使用mysql存儲(chǔ)，上層架了一個(gè)帖子中心服務(wù)，使用memcache做緩存，就是這樣一個(gè)并不復(fù)雜的架構(gòu)，解決了業(yè)務(wù)的大問(wèn)題。這是分類信息平臺(tái)最核心的帖子中心服務(wù)IMC（Info Management Center）。

解決了海量異構(gòu)數(shù)據(jù)的存儲(chǔ)問(wèn)題，遇到的新問(wèn)題是：

每條記錄ext內(nèi)key都需要重復(fù)存儲(chǔ)，占據(jù)了大量的空間，能否壓縮存儲(chǔ)；
cateid已經(jīng)不足以描述ext內(nèi)的內(nèi)容，品類有層級(jí)，深度不確定，ext能否具備自描述性；
隨時(shí)可以增加屬性，保證擴(kuò)展性；

解決完海量異構(gòu)數(shù)據(jù)的存儲(chǔ)問(wèn)題，接下來(lái)，要解決的是類目的擴(kuò)展性問(wèn)題。

2. 統(tǒng)一類目屬性服務(wù)

每個(gè)業(yè)務(wù)有多少屬性，這些屬性是什么含義，值的約束等，耦合到帖子服務(wù)里顯然是不合理的，那怎么辦呢？

抽象出一個(gè)統(tǒng)一的類目、屬性服務(wù)，單獨(dú)來(lái)管理這些信息，而帖子庫(kù)ext字段里json的key，統(tǒng)一由數(shù)字來(lái)表示，減少存儲(chǔ)空間。

畫(huà)外音：帖子表只存元信息，不管業(yè)務(wù)含義。

如上圖所示，json里的key不再是”salary” ”location” ”money” 這樣的長(zhǎng)字符串了，取而代之的是數(shù)字1,2,3,4，這些數(shù)字是什么含義，屬于哪個(gè)子分類，值的校驗(yàn)約束，統(tǒng)一都存儲(chǔ)在類目、屬性服務(wù)里。

畫(huà)外音：類目表存業(yè)務(wù)信息，以及約束信息，與帖子表解耦。

這個(gè)表里對(duì)帖子中心服務(wù)里ext字段里的數(shù)字key進(jìn)行了解釋：

1代表job，屬于招聘品類下100子品類，其value必須是一個(gè)小于32的[a-z]字符；
4代表type，屬于二手品類下200子品類，其value必須是一個(gè)short；

這樣就對(duì)原來(lái)帖子表ext擴(kuò)展屬性：

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

key和value都做了統(tǒng)一約束。

除此之外，如果ext里某個(gè)key的value不是正則校驗(yàn)的值，而是枚舉值時(shí)，需要有一個(gè)對(duì)值進(jìn)行限定的枚舉表來(lái)進(jìn)行校驗(yàn)：

這個(gè)枚舉校驗(yàn)，說(shuō)明key=4的屬性（對(duì)應(yīng)屬性表里二手，手機(jī)類型字段），其值不只是要進(jìn)行“short類型”校驗(yàn)，而是value必須是固定的枚舉值。

{”4”:”iphone”,”5”:3500}

這個(gè)ext就是不合法的，key=4的value=iphone不合法，而應(yīng)該是枚舉屬性，合法的應(yīng)該為：

{”4”:”5”,”5”:3500}

此外，類目屬性服務(wù)還能記錄類目之間的層級(jí)關(guān)系：

一級(jí)類目是招聘、房產(chǎn)、二手…
二手下有二級(jí)類目二手家具、二手手機(jī)…
二手手機(jī)下有三級(jí)類目二手iphone，二手小米，二手三星…
…

類目服務(wù)解釋了帖子數(shù)據(jù)，描述品類層級(jí)關(guān)系，保證各類目屬性擴(kuò)展性，保證各屬性值合理性校驗(yàn)，就是分類信息平臺(tái)另一個(gè)統(tǒng)一的核心服務(wù)CMC（Category Management Center）。

畫(huà)外音：類目、屬性服務(wù)像不像電商系統(tǒng)里的SKU擴(kuò)展服務(wù)？

品類層級(jí)關(guān)系，對(duì)應(yīng)電商里的類別層級(jí)體系；
屬性擴(kuò)展，對(duì)應(yīng)電商里各類別商品SKU的屬性；
枚舉值校驗(yàn)，對(duì)應(yīng)屬性的枚舉值，例如顏色：紅，黃，藍(lán)；

通過(guò)品類服務(wù)，解決了key壓縮，key描述，key擴(kuò)展，value校驗(yàn)，品類層級(jí)的問(wèn)題，還有這樣的一個(gè)問(wèn)題沒(méi)有解決：每個(gè)品類下帖子的屬性各不相同，查詢需求各不相同，如何解決100億數(shù)據(jù)量，1萬(wàn)屬性的檢索與聯(lián)合檢索需求呢？

3. 統(tǒng)一檢索服務(wù)

數(shù)據(jù)量很大的時(shí)候，不同屬性上的查詢需求，不可能通過(guò)組合索引來(lái)滿足所有查詢需求，“外置索引，統(tǒng)一檢索服務(wù)”是一個(gè)很常用的實(shí)踐：

數(shù)據(jù)庫(kù)提供“帖子id”的正排查詢需求；
所有非“帖子id”的個(gè)性化檢索需求，統(tǒng)一走外置索引；

元數(shù)據(jù)與索引數(shù)據(jù)的操作遵循：

對(duì)帖子進(jìn)行tid正排查詢，直接訪問(wèn)帖子服務(wù)；
對(duì)帖子進(jìn)行修改，帖子服務(wù)通知檢索服務(wù)，同時(shí)對(duì)索引進(jìn)行修改；
對(duì)帖子進(jìn)行復(fù)雜查詢，通過(guò)檢索服務(wù)滿足需求；

畫(huà)外音：這個(gè)檢索服務(wù)，扛起了分類信息平臺(tái)80%的請(qǐng)求（不管來(lái)自PC還是APP，不管是主頁(yè)、城市頁(yè)、分類頁(yè)、列表頁(yè)、詳情頁(yè)，最終都會(huì)轉(zhuǎn)化為一個(gè)檢索請(qǐng)求）。

對(duì)于這個(gè)搜索引擎架構(gòu)，簡(jiǎn)單說(shuō)明一下：

為應(yīng)對(duì)100億級(jí)別數(shù)據(jù)量、幾十萬(wàn)級(jí)別的吞吐量，業(yè)務(wù)線各種復(fù)雜的復(fù)雜檢索查詢，擴(kuò)展性是設(shè)計(jì)重點(diǎn)：

①統(tǒng)一的代理層，作為入口，其無(wú)狀態(tài)性能夠保證增加機(jī)器就能擴(kuò)充系統(tǒng)性能；

②統(tǒng)一的結(jié)果聚合層，其無(wú)狀態(tài)性也能夠保證增加機(jī)器就能擴(kuò)充系統(tǒng)性能；

③搜索內(nèi)核檢索層，服務(wù)和索引數(shù)據(jù)部署在同一臺(tái)機(jī)器上，服務(wù)啟動(dòng)時(shí)可以加載索引數(shù)據(jù)到內(nèi)存，請(qǐng)求訪問(wèn)時(shí)從內(nèi)存中l(wèi)oad數(shù)據(jù)，訪問(wèn)速度很快：

為了滿足數(shù)據(jù)容量的擴(kuò)展性，索引數(shù)據(jù)進(jìn)行了水平切分，增加切分份數(shù)，就能夠無(wú)限擴(kuò)展性能
為了滿足一份數(shù)據(jù)的性能擴(kuò)展性，同一份數(shù)據(jù)進(jìn)行了冗余，理論上做到增加機(jī)器就無(wú)限擴(kuò)展性能

系統(tǒng)時(shí)延，100億級(jí)別帖子檢索，包含請(qǐng)求分合，拉鏈求交集，從聚合層均可以做到10ms返回。

帖子業(yè)務(wù)，一致性不是主要矛盾，檢索服務(wù)會(huì)定期全量重建索引，以保證即使數(shù)據(jù)不一致，也不會(huì)持續(xù)很長(zhǎng)的時(shí)間。

五、總結(jié)

文章寫(xiě)了很長(zhǎng)，最后做一個(gè)簡(jiǎn)單總結(jié)，面對(duì)100億數(shù)據(jù)量，1萬(wàn)列屬性，10萬(wàn)吞吐量的業(yè)務(wù)需求，可以采用了元數(shù)據(jù)服務(wù)、屬性服務(wù)、搜索服務(wù)來(lái)解決：