棄用MongoDB使用ES后的好處有哪些

棄用MongoDB使用ES后的好處有哪些，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

序言

圖示：MongoDB與Elasticsearch熱度排名

圍繞兩個話題展開：

為什么要從MongoDB遷移到Elasticsearch?

如何從MongoDB遷移到Elasticsearch?

現(xiàn)狀背景

MongoDB本身定位與關(guān)系型數(shù)據(jù)庫競爭，但工作中幾乎沒有見到哪個項目會將核心業(yè)務系統(tǒng)的數(shù)據(jù)放在上面，依然選擇傳統(tǒng)的關(guān)系型數(shù)據(jù)庫。

1、項目背景

公司所在物流速運行業(yè)，業(yè)務系統(tǒng)復雜且龐大，用戶操作者很多，每日有大量業(yè)務數(shù)據(jù)產(chǎn)生，同時業(yè)務數(shù)據(jù)會有很多次流轉(zhuǎn)狀態(tài)變化，為了便于記錄追蹤分析，系統(tǒng)操作日志記錄項目應運而生，考慮到原有的日均數(shù)據(jù)量，操作日志數(shù)據(jù)基于MongoDB存儲。

操作日志記錄系統(tǒng)需要記錄兩種數(shù)據(jù)，如下說明：

1)變更主數(shù)據(jù)，什么人在什么時間在系統(tǒng)哪個模塊做了什么操作，數(shù)據(jù)編號是什么，操作跟蹤編號是什么。

{   "dataId": 1,    "traceId": "abc",           "moduleCode": "crm_01",              "operateTime": "2019-11-11 12:12:12",    "operationId": 100,   "operationName": "張三",   "departmentId": 1000,   "departmentName": "客戶部",   "operationContent": "拜訪客戶。。。" }

2)變更從數(shù)據(jù)，實際變更數(shù)據(jù)的變化前后，此類數(shù)據(jù)條數(shù)很多，一行數(shù)據(jù)多個字段變更就記錄多條。

[   {     "dataId": 1,     "traceId": "abc",     "moduleCode": "crm_01",     "operateTime": "2019-11-11 12:12:12",     "operationId": 100,     "operationName": "張三",     "departmentId": 1000,     "departmentName": "客戶部",     "operationContent": "拜訪客戶",          "beforeValue": "20",     "afterValue": "30",     "columnName": "customerType"   },   {     "dataId": 1,     "traceId": "abc",     "moduleCode": "crm_01",     "operateTime": "2019-11-11 12:12:12",     "operationId": 100,     "operationName": "張三",     "departmentId": 1000,     "departmentName": "客戶部",     "operationContent": "拜訪客戶",          "beforeValue": "2019-11-02",     "afterValue": "2019-11-10",     "columnName": "lastVisitDate"   } ]

2、項目架構(gòu)

項目架構(gòu)描述如下：

• 業(yè)務系統(tǒng)新增或者編輯數(shù)據(jù)，產(chǎn)生操作日志記錄發(fā)送到Kafka集群，基于dataid字段作為key;

• 新增或編輯數(shù)據(jù)實際存儲到MySQL數(shù)據(jù)庫;

• canal集群訂閱MySQL集群，按照業(yè)務系統(tǒng)模塊配置監(jiān)控的數(shù)據(jù)庫與表;

• canal將監(jiān)控到的變更業(yè)務數(shù)據(jù)發(fā)送到Kafka集群，基于dataid字段作為key;

• 操作日志系統(tǒng)從Kafka獲取主記錄數(shù)據(jù)與從記錄數(shù)據(jù);

• 操作日志系統(tǒng)寫入數(shù)據(jù)到MongoDB，同時需要反查詢。

圖示：操作日志記錄業(yè)務流程說明

3、MongoDB架構(gòu)

集群架構(gòu)說明：

• 服務器配置8c/32gb/500gb ssd;

• Router路由服務器部署了3個節(jié)點;

• Config配置服務器部署了3個節(jié)點;

• Shard分片服務器部署了9個節(jié)點;

• 主操作記錄設計3個分片;

• 從操作記錄設計3個分片。

問題說明

MongoDB的信徒們可能懷疑我們沒有使用好，或者我們的運維能力欠缺，或者認為我們有Elasticsearch的高手在。不是這樣的，棄用MongoDB選擇Elasticsearch其實并非技術(shù)偏見問題，而是我們的實際場景需求，原因如下：

1、搜索查詢

• MongoDB內(nèi)部采用B-Tree作為索引結(jié)構(gòu)，此索引基于最左優(yōu)先原則，且必須保證查詢順序與索引字段的順序一致才有效，這個即是優(yōu)點，但在現(xiàn)在復雜業(yè)務場景也是致命的;

• 業(yè)務系統(tǒng)查詢操作日志記錄會有很多過濾條件，且查詢條件是任意組合的，現(xiàn)有MongoDB是不支持的，或者說所有關(guān)系型數(shù)據(jù)庫都不支持，如果要支持，得創(chuàng)建好多組合的B+數(shù)索引，想法很不理智，這個我們已經(jīng)在《DB與ES混合之應用系統(tǒng)場景分析探討》文中探討過，詳細可以閱讀;

• 同時主記錄與從記錄中有很多字符類的數(shù)據(jù)，這些數(shù)據(jù)查詢即要支持精確查詢，也要支持全文檢索，這幾個方面MongoDB功能很單一，性能也很糟糕，業(yè)務系統(tǒng)查詢時經(jīng)常超時，反倒是Elasticsearch非常合適。

2、技術(shù)棧成熟度

• 分片與副本實現(xiàn)問題，MongoDB集合數(shù)據(jù)在設計時是需要綁定到具體的機器實例的，哪些分片分布在哪些節(jié)點上，哪些副本分布在哪些節(jié)點上，這些都需要在配置集群時就要綁定死，跟傳統(tǒng)的關(guān)系型數(shù)據(jù)庫做分庫分表本質(zhì)上沒有什么兩樣，其實現(xiàn)在很多數(shù)據(jù)產(chǎn)品的集群還是這種模式偏多，比如Redis-cluster，ClickHouse等。而Elasticsearc的集群與分片和副本沒有直接的綁定關(guān)系，可以任意的平衡調(diào)整，且節(jié)點的性能配置也可以很容易差異化;

• 操作日志數(shù)據(jù)量增加很快，單日寫入超過千萬條，不用多久，運維人員就需要對服務器進行擴容，且相對Elasticsearch復雜很多;

• MongoDB單集合數(shù)據(jù)量超過10億條，此情況下即使簡單條件查詢性能也不理想，不如Elasticsearch倒排索引快;

• 公司對于ES與MongoDB技術(shù)棧的經(jīng)驗積累不同，Elasticsearc在很多項目中運用，非常核心的項目也是大量運用，對于其技術(shù)與運維經(jīng)驗更豐富，而MongoDB如果除去核心業(yè)務場景，幾乎找不到合適的切入口，實際沒有人敢在核心項目中使用MongoDB，這就很尷尬。

3、文檔格式相同

MongoDB與Elasticsearch都屬于文檔型數(shù)據(jù)庫  ，Bson類同與Json，_objectid與_id原理一樣，所以主數(shù)據(jù)與從數(shù)據(jù)遷移到Elasticsearch平臺，數(shù)據(jù)模型幾乎無需變化。

遷移方案

異構(gòu)數(shù)據(jù)系統(tǒng)遷移，主要圍繞這兩大塊內(nèi)容展開：

• 上層應用系統(tǒng)遷移，原來是針對MongoDB的語法規(guī)則，現(xiàn)在要修改為面向Elasticsearch語法規(guī)則;

• 下層MongoDB數(shù)據(jù)遷移到Elasticsearch。

1、Elastic容量評估

原有MongoDB集群采用了15臺服務器，其中9臺是數(shù)據(jù)服務器，遷移到Elastic集群需要多少臺服務器?我們采取簡單推算辦法，如假設生產(chǎn)環(huán)境上某個MongoDB集合的數(shù)據(jù)有10億條數(shù)據(jù),  我們先在測試環(huán)境上從MongoDB到ES上同步100萬條數(shù)據(jù)，假設這100萬條數(shù)據(jù)占用磁盤10G，那生產(chǎn)上環(huán)境上需要1個T磁盤空間，然后根據(jù)業(yè)務預期增加量擴展一定冗余。根據(jù)初步評估，Elastic集群設置3臺服務器，  配置8c/16g內(nèi)存/2T機械磁盤。服務器數(shù)量一下從15臺縮減到3臺，且配置也降低不少。

2、Elastic索引規(guī)則

系統(tǒng)操作日志是時序性數(shù)據(jù)，寫完整后基本上無需再次修改。操作日志記錄查詢主要是當月的居多，后續(xù)的歷史性數(shù)據(jù)查詢頻率很低，根據(jù)評估，核心數(shù)據(jù)索引按月創(chuàng)建生成，  業(yè)務查詢時候必須帶上操作時間范圍，后端根據(jù)時間反推需要查詢哪些索引，Elastic-Api支持多索引匹配查詢，完美利用Elastic的特性解決跨多個月份的查詢合并。對于非核心數(shù)據(jù)索引，按年創(chuàng)建索引生成足以。

圖示：Elastic操作日志索引創(chuàng)建規(guī)則

3、核心實現(xiàn)邏輯設計

Elasticsearch不是關(guān)系型數(shù)據(jù)庫，不具備事務的機制。操作日志系統(tǒng)的數(shù)據(jù)來源都是Kafka，消費數(shù)據(jù)是有順序機制的，有2種場景特別注意，如下：

• 主數(shù)據(jù)先到操作日志系統(tǒng)，從數(shù)據(jù)后到，從數(shù)據(jù)寫的時候先拼湊主數(shù)據(jù)記錄和Binlog字段數(shù)據(jù);

• 從數(shù)據(jù)先到操作日志系統(tǒng)，主數(shù)據(jù)后到，主數(shù)據(jù)更新從索引的相關(guān)的索引字段。

Elasticsearch索引數(shù)據(jù)更新是近實時的刷新機制，數(shù)據(jù)提交后不能馬上通過Search-Api查詢到，主記錄的數(shù)據(jù)如何更新到從記錄呢?而且業(yè)務部門不規(guī)范的使用，多條主記錄的dataId和tracId可能一樣。

由于主數(shù)據(jù)與從數(shù)據(jù)關(guān)聯(lián)字段是dataId和traceId。如果主數(shù)據(jù)與從數(shù)據(jù)在同時達到操作日志系統(tǒng)，基于update_by_query 命令肯定失效不  準確， 主從數(shù)據(jù)也可能是多對多的關(guān)聯(lián)關(guān)系，dataId 和traceId不能唯一決定一條記錄。

Elasticsearch其實也是一個NoSQL數(shù)據(jù)庫， 可以做key-value緩存。這時新建一個Elastic索引作為中間緩存，  原則是主數(shù)據(jù)與從數(shù)據(jù)誰先到緩存誰，索引的 _id=(dataId+traceId) ， 通過這個中間索引可以找到主數(shù)據(jù)記錄的Id或者從記錄Id，  索引數(shù)據(jù)模型多如下，detailId為從索引的_id的數(shù)組記錄。

{   "dataId": 1,   "traceId": "abc",   "moduleCode": "crm_01",   "operationId": 100,   "operationName": "張三",   "departmentId": 1000,   "departmentName": "客戶部",   "operationContent": "拜訪客戶",   "detailId": [     1,     2,     3,     4,     5,     6   ] }

前面我們講過主記錄和從記錄都是一個Kafka的分區(qū)上，我們拉一批數(shù)據(jù)的時候，操作ES用的用到的核心API：

#批量獲取從索引的記錄 _mget  #批量插入 bulk #批量刪除中間臨時索引 _delete_by_query

遷移過程

1、數(shù)據(jù)遷移

選擇DataX作為數(shù)據(jù)同步工具由以下幾個因素：

• 歷史型數(shù)據(jù)。操作日志記錄數(shù)據(jù)屬于歷史性的數(shù)據(jù)，記錄產(chǎn)生之后幾乎無需二次修改，等同于離線數(shù)據(jù);

• 非持續(xù)性遷移。項目全部完工之后，原有的MongoDB集群會全部銷毀，不會有二次遷移需求;

• 數(shù)據(jù)量問題。原有MongoDB操作日志數(shù)據(jù)量有幾十億條，遷移過程不能太快也不能太慢，速度太快，MongoDB集群會出現(xiàn)性能問題，速度太慢，項目周期太長，增加運維的成本與復雜度。否則可以選擇Hadoop作為中轉(zhuǎn)平臺的遷移;

• DataX源碼特定場景改造。如日期類型的轉(zhuǎn)換、索引主鍵_id的生成、索引主鍵_id映射，支持重復同步;

• 多實例多線程并行。主數(shù)據(jù)同步部署多個實例，從數(shù)據(jù)同步也部署多個實例，單實例中配置多個Channel。

圖示：DataX同步數(shù)據(jù)示意圖

2、遷移索引設置

臨時修改索引的一些設置，當數(shù)據(jù)同步完之后再修改回來，如下：

"index.number_of_replicas": 0,  "index.refresh_interval": "30s",  "index.translog.flush_threshold_size": "1024M"  "index.translog.durability": "async",  "index.translog.sync_interval": "5s"

3、應用遷移

操作日志項目采用Springboot構(gòu)建，增加了自定義配置項，如下：

#應用寫入mongodb標識 writeflag.mongodb: true #應用寫入elasticsearch標識 writeflag.elasticsearch: true

項目改造說明：

• 第一次上線的時候，先將2個寫入標識設置為true，雙寫MongoDB和ES;

• 對于讀，提供2個不同接口，前端自由的切換;

• 等數(shù)據(jù)遷移完，沒有差異的時候，重新更改flag的值。

圖示：應用平衡遷移

結(jié)語

1、遷移效果

棄用MongoDB使用ElasticSearch作為存儲數(shù)據(jù)庫，服務器從原來的15臺MongoDB，變成了3臺ElasticSearch，每月為公司節(jié)約了一大筆費用。同時查詢性能提高了10倍以上，而且更好的支持了各種查詢，得到了業(yè)務部門的使用者，運維團隊和領導的一致贊賞。

2、經(jīng)驗總結(jié)

整個項目前后歷經(jīng)幾個月，多位同事參與，設計、研發(fā)，數(shù)據(jù)遷移、測試、數(shù)據(jù)驗證、壓測等各個環(huán)節(jié)。技術(shù)方案不是一步到位，中間也踩了很多坑，最終上線了。ES的技術(shù)優(yōu)秀特點很多，靈活的使用，才能發(fā)揮最大的威力。

關(guān)于棄用MongoDB使用ES后的好處有哪些問題的解答就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關(guān)注億速云行業(yè)資訊頻道了解更多相關(guān)知識。