摘要：第二部分介紹當當的彈性化中間件。第三部分當當的云化之路。下面部分是為當當運營人員與合作伙伴提供的系統，如商品價格庫存等。下圖是當當的監控系統以及限流系統的。當當采用的作業中間件是自研的，它可以將一個完整的作業拆分為多個相互獨立的任務。

6月24日，雙態運維·烏鎮峰會-數人云專題研討會上，張亮老師從業務、中間件、云化的方向出發，分享了當當網實踐落地容器的經驗。數人云掐指一算，稀缺好文，宜收藏和分享！

▼

今天主分享的內容分為三部分——

第一部分：當當業務體系簡介。受限于時間，只做簡單概述。

第二部分：介紹當當的彈性化中間件。現階段，無狀態容器已趨于成熟，需要進一步開發和優化的是運行在容器里面的部分，即中間件。

第三部分：當當的云化之路。

▼

首先，介紹下當當的業務特征，這也是互聯網行業的共有特征：

海量用戶 當當面向的是完全開放的、整個互聯網的億級用戶量。

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，因此數據架構也會有很大區別。

7X24 互聯網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”，其流量是平時的幾倍到幾十倍不等。

業務復雜 下圖是業務框架圖，分為三部分，中間部分是當當主業務流程，從用戶查看選擇商品的賣場模塊，到購物車、結算的交易模塊，最后發至訂單工作流系統；然后通過倉儲系統生產訂單，并交由物流系統配送貨品。上面部分是用戶相關的系統，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，如商品、價格、庫存等。

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

▼

互聯網核心問題和企業級開發不一樣的地方在于規模。互聯網公司的規模由以下幾點組成的——

海量數據：包括但不限于用戶數據、商品數據、交易數據、訂單數據、用戶行為數據等。由于數據量巨大，因此不能僅使用單一的數據存儲結構，也不能以單數據節點的方式存儲所有數據。

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

系統繁多：通過上一張圖可以得知，系統是由非常多的子系統組成的，每個子系統各司其職。合理的系統拆分可以靈活的分離冷熱數據、擴容重點系統等。

開發困難：各個系統都是由異構語言的不同技術棧構成，開發成本較高。

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

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流量的場景，系統需要可以彈性伸縮。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化、彈性化和異步化。

服務化：眾多系統間應該提供一致的交互和治理方式。

彈性化：讓系統具備根據實際需要靈活的擴縮容的能力。

異步化：將同步調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控一體化。

中間件缺乏對運行環境搭建，App部署分發等能力，也難以提供統一的監控一體化系統，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：服務中間件、作業中間件和數據中間件。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以及離線大數據等因時間關系不在分享范圍之內。

▼

服務中間件有很多優秀的開源產品，從早期的Finagle, Dubbo，到近期出現的Motan，Spring Cloud都是個中翹楚。服務中間件的核心功能主要包括：

遠程調用：分為長連接調用和短連接調用兩種方式。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。無論采用何種調用方式，都應在服務中間件中封裝為統一接口。

服務發現：自動感知上線和下線的應用，并分配和截斷相應的請求。標準實現方案是通過一個注冊中心管理和協調分布式應用，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重不盡相同的分布式節點。

服務治理：包括服務調動鏈梳理、服務降級、服務版本控制等功能。

限流：將過載的流量擋在后端系統之外，讓部分不過載的請求可以繼續提供服務。保證系統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服務能力。

監控報警：提供將內部指標通過API對接到外部系統的能力，內部指標一般有SLA、服務狀態、節點承載量等。

上圖是當當采用的服務框架——DubboX。

該項目Fork了阿里開源的Dubbo，并內置了Web服務器且增加REST協議，用于支持異構語言間的調用。每個基于DubboX的應用均可通過內置的Web服務器提供服務，每個Web服務器通過Nginx實現負載均衡。并且在Nginx通過OpenResty實現了基于漏桶和令牌桶兩種算法的限流插件。請求調用信息通過Agent的本地匯總之后，定期發送至一個Kafka的消息隊列，并通過Storm的二次匯總計算出SLA，存儲至數據庫中。最終由監控系統定期抓取報警數據。

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

下圖是當當的SLA監控系統以及限流系統的Dashboard。

▼

當當系統中很多業務是由作業實現的，如拉單作業、價格同步作業等。因為公司系統較多，很難通過唯一的方案實現，因此也有部分系統通過消息中間件完成。作業中間件的核心功能主要包括：

定時調度：根據cron表達式的時間調度應用。

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

彈性擴容：與任務分片息息相關，一并在后文中介紹。

作業治理：管控作業生命周期，如：執行、禁用、啟用以及更復雜的行為，如：失效轉移、錯過任務重觸發等。

監控報警：提供將作業運行狀態、歷史統計和查詢對接至外部系統的能力。

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

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

而一旦有服務器宕機，如下圖所示，僅剩余一臺服務器可以提供服務，那么所有的分片都將指向該服務器。集群的整體處理能力會下降，但作業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可以動態的調整分片來提升性能和保證可用性。

這是Elastic-Job的部署架構圖。

▼

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

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

讀寫分離：進一步提升數據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，通過異步數據同步的方式保持讀寫庫的數據一致性。這種方式可以有效的減低行鎖，進一步提升效率。

內聯事務：數據庫一旦打散，就必須使用分布式事務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，而使用內聯事務，是更好的選擇。

柔性事務：在內聯事務不適用的跨庫場景，犧牲強一致性來換取性能的提升，然后采用異步補償的機制來達到最終一致性，是柔性事務的核心理念。

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作為數據庫中間層。它直接修改JDBC協議，因此可以兼容各種數據庫以及ORM框架，應用工程師幾乎沒有學習成本，和使用原生JDBC沒有區別。應用工程師僅需要配置分片規則，用于告訴Sharding-JDBC哪一個分片鍵的數據應該路由至哪個庫的哪個表，即可。

Sharding-JDBC的內部結構包括：JDBC規范重寫、SQL解析、 SQL改寫、SQL路由、SQL執行以及結果集歸并。

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%。而將數據拆分至雙庫，Sharding-JDBC比原生JDBC的性能提升了94%，因此，拆分的數據庫實例越多，其對性能的提升也越顯著。

Sharding-JDBC定位是面向在線業務的框架。因此OLTP涉及到的SQL基本都兼容。

分布式的事務處理方案有三種：XA，弱XA和柔性事務。

XA即分布式事務，他對業務代碼完全沒有侵入性，而且也可以保證分布式場景下事務的強一致性，但其性能低下，在互聯網的場景下非常不適用。

弱XA是分庫分表數據庫的中間層所提出來的概念，簡單說就是單片事務。它僅能控制單節點事務的一致性，對于分布式的事務完全沒有控制能力。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據不一致。

柔性事務是對弱XA的補充。它使用異步補償的方式，將短期內不一致的數據修復，達到最終一致性。它用犧牲強一致性的方式提升了性能，因此內聯事務 + 柔性事務成為了最受青睞的互聯網事務處理方案。

柔性事務有兩種比較成熟實現方案，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最終成功，業務入侵較小，僅需要業務方實現冪等性即可。它要求事務最終一定會成功，無法回滾，因此會反復嘗試，直至最終成功。

TCC類似原生事務，事務可以提交，也可以回滾。但事務的提交和回滾操作均需要業務工程師去實現，因此對業務入侵極大，TCC同樣需要業務代碼實現冪等性。

上圖是最大努力送達型的流程圖。它在SQL執行前記錄事務日志，在SQL執行成功后清理相應事務日志。一旦SQL執行失敗，事務管理器就會通過同步和異步執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為止。超過最大重試次數的數據需要人工介入處理。

▼

首先，應用運行時環境是通過容器來實現的，不同編程語言編寫的應用需要不同的運行時環境，將環境、應用及相關依賴一起打包發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鍵，它分別針對服務、作業以及數據庫訪問進行有效的增強。服務和作業中間件是兩種截然不同的應用類型，而數據中間件則是它們的有力支撐。無狀態的服務更易彈性擴展；而有狀態的作業則通過分片項隔離與數據的依賴；數據庫中間件則用于簡化分布式數據庫的訪問以及事務處理。

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作為資源調度系統。

分布式調度系統當前有三種架構：單體式，兩階段以及狀態共享。

單體式調度較為簡單，調度邏輯可以在沒有任何并發的情況下使用全部資源。但由于互聯網業務需求多、變化快，因此這種架構雖然性能高，但不利于業務的快速變化。Hadoop V1即采用此種架構。

兩階段調度將資源通過Offer的形式分發給注冊在調度系統中的各個Framework，由Framework負責處理接收到的Offer，調度底層系統僅用于資源的收集和治理。因此此種架構更易于通過Framework定制化擴展業務需求。Mesos即是兩階段調度的典型代表。

狀態共享調度功能看似最為強大，但實現起來卻更加復雜。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，需要根據資源的占用狀態進行類似于事務方式的提交和回滾。它的優點是可以更加有效的利用資源，缺點是實現難度高。除了Google閉源的Omega系統論文，開源產品中目前很少見成熟的實現方案。

上圖是當當云平臺的架構圖。中間件API與業務應用一起打包至Docker鏡像或tar文件，并放入應用倉庫。服務型應用當當采用Marathon管理，由DubboX治理服務，并與應用一同放入Docker鏡像；作業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，進一步簡化開發并節省資源。Elastic-Job-Cloud調度的應用使用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至相應Mesos Agent執行。

上圖是更加全面的整體云化架構圖?？梢詮倪\維、構建、日志和監控4個方面說明。

運維通過自研的控制臺，向Mesos Framework發送信令和讀取數據來達到控制業務應用上下線、暫停執行等功能，并可查看運行時狀態。

構建是通過當當自研的盤古系統，控制灰度發布，一鍵回滾等功能，并由盤古系統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。

監控是由多個維度組成。首先使用Mesos Exporter暴露Mesos的狀態數據，然后由時序數據庫Prometheus定期抓取，并由Grafana展現結果。Prometheus也通過Alertmanager向當當自研的雷達系統發送報警數據，由雷達系統負責最終的報警。其次，雷達系統還負責抓取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經不完全統計，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年最受歡迎的國產開源第17名。

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