图数据库系统重构之路:从OrientDB迁移到NebulaGraph 真实案例分享

本文涉及的产品
性能测试 PTS,5000VUM额度
简介: 图数据库系统重构之路:从OrientDB迁移到NebulaGraph 真实案例分享

一、写在前面

读过我公众号文章的同学都知道,我做过很多次重构,可以说是“重构钉子户”,但是这次,重构图数据库OrientDB为Nebula Graph(https://www.nebula-graph.io/),可以说是我做过最艰难的一次重构,那这篇文章就来聊聊,图数据库重构之路。


二、难点在哪里

1、历史包袱重,原来使用OrientDB系统是2016年开始开发的,逻辑很复杂,历史背景完全不清楚。

2、业务不了解,我们是临时接的大数据需求,之前没有参与过这块业务,完全不了解。

3、技术栈不了解,图数据库是第一次接触(团队中也没有人了解),OrientDB和Nebula之前都没有接触过,原来老系统大部分代码是Scala语言写的,系统中使用的Hbase,Spark,Kafka对于我们也比较陌生。

4、时间紧迫

总结来说: 业务不了解,技术栈不熟悉!

tips: 大家思考一个问题,在业务和技术栈都不熟的情况下,如何做重构呢?


三、技术方案

下面介绍一下本次重构技术方案

1、背景

猎户座的图数据库OrientDB存在性能瓶颈和单点问题,需升级为Nebula。

老系统使用技术栈无法支持弹性伸缩,监控报警设施也不够完善。

2、调研事项

注: 既然业务都不熟悉,那我们都调研了哪些东西呢?

1)、对外接口梳理: 梳理系统所有对外接口,包括接口名,接口用途,请求量(QPS),平均耗时,调用方(服务和IP)

2)、老系统核心流程梳理: 输出老系统整理架构图,重要的接口(大概10个)输出流程图

3)、环境梳理: 涉及到的需要改造的项目有哪些 , 应用部署、Mysql,Redis,Hbase集群IP,及目前线上部署分支整理

4)、触发场景: 接口都是如何触发的,从业务使用场景出发,每个接口至少一个场景覆盖到,方便后期功能验证

5)、改造方案: 可行性分析,针对每一个接口,如何改造(OrientDB语句改为Nebula查询语句),入图(写流程)如何改造

6)、新系统设计方案: 输出整理架构图,核心流程图

3、项目目标

完成图数据库数据源 OrientDB改造为Nebula,重构老系统统一技术栈为Java,支持服务水平扩展。

4、整体方案

我们采用了比较激进的方案:

1、从调用接口入口出发,直接重写底层老系统,影响面可控

2、一劳永逸,方便后期维护

3、统一Java技术栈、接入公司统一服务框架,更利于监控及维护

4、基础图数据库应用边界清晰,后续上层应用接入图数据库更简单

注:这里就贴调研阶段画的图,图涉及业务,我这里就不列举了。

5、灰度方案

** 1) 灰度方案**

写请求:采用同步双写

读请求:按流量从小到大陆续迁移、平滑过渡

** 2) 灰度计划**

阶段一 阶段二 阶段三 阶段四 阶段五 阶段六 阶段七
0% 1‰ 1% 10% 20% 50% 100%
同步双写, 流量回放采样对比,100%通过、预计灰度2天 灰度2天 灰度2天 灰度5天、此阶段要压测 灰度2天 灰度2天 -

注:

  1. 1. 配置中心开关控制,有问题随时切换,秒级恢复。
  2. 2. 读接口遗漏无影响, 只有改到的才会影响。
  3. 3. 使用参数 hash值作为key,确保同一参数多次请求结果一致、满足 abs(key) % 1000 < X ( 0< X < 1000, X为动态配置 ) 即为命中灰度。

题外话: 其实重构,最重要的就是灰度方案,这个我在之前文章也提到过,本次灰度方案设计比较完善,大家重点看阶段一、在灰度放量之前,我们用线上真实的流量去异步做数据对比,对比完全通过之后,再放量,本次数据对比阶段比预期长了一些(实际上用了2周时间,发现了很多隐藏问题)。

6、数据对比方案

1) 未命中灰度流程如下:

先调用老系统,再根据是否命中采样(采样比例配置 0% ~ 100% ),命中采样会发送MQ,再在新系统消费MQ,请求新系统接口,于老系统接口返回数据进行json对比,对比不一致发送企业微信通知,实时感知数据不一致,发现并解决问题。

反之亦然!!

7、数据迁移方案

1)、 全量(历史数据):脚本全量迁移,上线期间产生不一致从MQ消费近3天数据

2)、增量:同步双写(写的接口很少,写请求QPS不高)

8、改造案例 - 以子图查询为例

1)改造前

@Override
    public MSubGraphReceive getSubGraph(MSubGraphSend subGraphSend) {
        logger.info("-----start getSubGraph------(" + subGraphSend.toString() + ")");
        MSubGraphReceive r = (MSubGraphReceive) akkaClient.sendMessage(subGraphSend, 30);
        logger.info("-----end getSubGraph:");
        return r;
    }

2)改造后

定义灰度模块接口

public interface IGrayService {
    /**
     * 是否命中灰度 配置值 0 ~ 1000  true: 命中  false:未命中
     *
     * @param hashCode
     * @return
     */
    public boolean hit(Integer hashCode);
    /**
     * 是否取样 配置值 0 ~ 100
     *
     * @return
     */
    public boolean hitSample();
    /**
     * 发送请求-响应数据
     * @param requestDTO
     */
    public void sendReqMsg(MessageRequestDTO requestDTO);
    /**
     * 根据
     * @param methodKeyEnum
     * @return
     */
    public boolean hitSample(MethodKeyEnum methodKeyEnum);
}

接口改造如下, newCoreService请求到new-core新服务,接口业务逻辑和老系统接口保持一致、底层图数据库改为查询Nebula

@Override
    public MSubGraphReceive getSubGraph(MSubGraphSend subGraphSend) {
        logger.info("-----start getSubGraph------(" + subGraphSend.toString() + ")");
        long start = System.currentTimeMillis();
        //1. 请求灰度
        boolean hit = grayService.hit(HashUtils.getHashCode(subGraphSend));
        MSubGraphReceive r;
        if (hit) {
            //2、命中灰度 走新流程
            r = newCoreService.getSubGraph(subGraphSend); // 使用Dubbo调用新服务
        } else {
            //这里是原来的流程 使用的akka通信
            r = (MSubGraphReceive) akkaClient.sendMessage(subGraphSend, 30);
        }
        long requestTime = System.currentTimeMillis() - start;
        //3.采样命中了发送数据对比MQ 
        if (grayService.hitSample(MethodKeyEnum.getSubGraph_subGraphSend)) {
            MessageRequestDTO requestDTO = new MessageRequestDTO.Builder()
                    .req(JSON.toJSONString(subGraphSend))
                    .res(JSON.toJSONString(r))
                    .requestTime(requestTime)
                    .methodKey(MethodKeyEnum.getSubGraph_subGraphSend)
                    .isGray(hit).build();
            grayService.sendReqMsg(requestDTO);
        }
        logger.info("-----end getSubGraph: {} ms", requestTime);
        return r;
    }

9、项目排期计划

投入人力: 开发4人,测试1人

主要事项及耗时如下:

方案设计阶段 开发阶段 测试阶段 灰度阶段
1、流程梳理
2、画流程图、整理架构图
3、方案设计
1、新服务项目搭建,Nebula操作类ORM框架封装
2、接口改造(10多个接口改造)
3、MQ消费改造
4、数据对比工具开发(含企微通知)
5、数据迁移脚本开发
6、接口联调
7、代码组内CR
1、功能测试
2、数据对比
3、100%流量老系统回归测试
4、100%流量新系统回归测试
5、生产数据迁移

1、分7个阶段灰度,平滑过渡
2、生产数据实时对比
3、监控&报警设施完善(这个在压测之前完成,方案压测的时候观测指标)
4、压测(10%流量压测)
5、数据备份与恢复演练(采用nebula快照备份)、扩容演练
耗时1周 耗时3周 耗时2周

10、所需资源

3台Nebula机器 ,配置: 8核64G,2T SSD硬盘

6台docker服务,配置: 2核4G


四、重构收益

经过团队2个月奋斗,目前已完成灰度阶段,收益如下

1、Nebula本身支持分布式扩展,新系统服务支持弹性伸缩,整体支持性能水平扩展

2、从压测结果看,接口性能提升很明显,可支撑请求远超预期

3、接入公司统一监控、告警,更利于后期维护


五、总结

本次重构顺利完成,感谢本次一起重构的小伙伴,以及大数据、风控同学支持,同时也感谢Nebula社区(https://discuss.nebula-graph.com.cn/) ,我们遇到一些问题提问,也很快帮忙解答。

欢迎关注,不定期分享原创技术文章。

相关实践学习
阿里云图数据库GDB入门与应用
图数据库(Graph Database,简称GDB)是一种支持Property Graph图模型、用于处理高度连接数据查询与存储的实时、可靠的在线数据库服务。它支持Apache TinkerPop Gremlin查询语言,可以帮您快速构建基于高度连接的数据集的应用程序。GDB非常适合社交网络、欺诈检测、推荐引擎、实时图谱、网络/IT运营这类高度互连数据集的场景。 GDB由阿里云自主研发,具备如下优势: 标准图查询语言:支持属性图,高度兼容Gremlin图查询语言。 高度优化的自研引擎:高度优化的自研图计算层和存储层,云盘多副本保障数据超高可靠,支持ACID事务。 服务高可用:支持高可用实例,节点故障迅速转移,保障业务连续性。 易运维:提供备份恢复、自动升级、监控告警、故障切换等丰富的运维功能,大幅降低运维成本。 产品主页:https://www.aliyun.com/product/gdb
相关文章
|
17天前
|
存储 Java 关系型数据库
在Java开发中,数据库连接是应用与数据交互的关键环节。本文通过案例分析,深入探讨Java连接池的原理与最佳实践
在Java开发中,数据库连接是应用与数据交互的关键环节。本文通过案例分析,深入探讨Java连接池的原理与最佳实践,包括连接创建、分配、复用和释放等操作,并通过电商应用实例展示了如何选择合适的连接池库(如HikariCP)和配置参数,实现高效、稳定的数据库连接管理。
34 2
|
18天前
|
关系型数据库 MySQL Linux
Linux系统如何设置自启动服务在MySQL数据库启动后执行?
【10月更文挑战第25天】Linux系统如何设置自启动服务在MySQL数据库启动后执行?
64 3
|
17天前
|
Java 数据库连接 数据库
深入探讨Java连接池技术如何通过复用数据库连接、减少连接建立和断开的开销,从而显著提升系统性能
在Java应用开发中,数据库操作常成为性能瓶颈。本文通过问题解答形式,深入探讨Java连接池技术如何通过复用数据库连接、减少连接建立和断开的开销,从而显著提升系统性能。文章介绍了连接池的优势、选择和使用方法,以及优化配置的技巧。
16 1
|
22天前
|
存储 数据挖掘 数据库
数据库数据恢复—SQLserver数据库ndf文件大小变为0KB的数据恢复案例
一个运行在存储上的SQLServer数据库,有1000多个文件,大小几十TB。数据库每10天生成一个NDF文件,每个NDF几百GB大小。数据库包含两个LDF文件。 存储损坏,数据库不可用。管理员试图恢复数据库,发现有数个ndf文件大小变为0KB。 虽然NDF文件大小变为0KB,但是NDF文件在磁盘上还可能存在。可以尝试通过扫描&拼接数据库碎片来恢复NDF文件,然后修复数据库。
|
22天前
|
关系型数据库 MySQL 数据库
一个 MySQL 数据库死锁的案例和解决方案
本文介绍了一个 MySQL 数据库死锁的案例和解决方案。
36 3
|
24天前
|
算法 大数据 数据库
云计算与大数据平台的数据库迁移与同步
本文详细介绍了云计算与大数据平台的数据库迁移与同步的核心概念、算法原理、具体操作步骤、数学模型公式、代码实例及未来发展趋势与挑战。涵盖全量与增量迁移、一致性与异步复制等内容,旨在帮助读者全面了解并应对相关技术挑战。
33 3
|
25天前
|
存储 Oracle 关系型数据库
数据库数据恢复—Oracle ASM磁盘组故障数据恢复案例
Oracle数据库数据恢复环境&故障: Oracle ASM磁盘组由4块磁盘组成。Oracle ASM磁盘组掉线 ,ASM实例不能mount。 Oracle数据库故障分析&恢复方案: 数据库数据恢复工程师对组成ASM磁盘组的磁盘进行分析。对ASM元数据进行分析发现ASM存储元数据损坏,导致磁盘组无法挂载。
|
1月前
|
SQL 存储 关系型数据库
数据储存数据库管理系统(DBMS)
【10月更文挑战第11天】
86 3
|
1月前
|
存储 关系型数据库 MySQL
PACS系统 中 dicom 文件在mysql 8.0 数据库中的 存储和读取(pydicom 库使用)
PACS系统 中 dicom 文件在mysql 8.0 数据库中的 存储和读取(pydicom 库使用)
31 2
|
1月前
|
安全 NoSQL 关系型数据库
阿里云数据库:构建高性能与安全的数据管理系统
在企业数字化转型过程中,数据库是支撑企业业务运转的核心。随着数据量的急剧增长和数据处理需求的不断增加,企业需要一个既能提供高性能又能保障数据安全的数据库解决方案。阿里云数据库产品为企业提供了一站式的数据管理服务,涵盖关系型、非关系型、内存数据库等多种类型,帮助企业构建高效的数据基础设施。
55 2