在项目初期，大主我们部署了三个数据库A、流方B、案对C，千亿此时数据库的数据线规模可以满足我们的业务需求。为了将数据做到平均分配，上平我们在Service服务层使用uid%3进行取模分片，滑扩从而将数据平均分配到三个数据库中。容实

如图所示：

图片

后期随着用户量的大主增加，用户产生的流方数据信息被源源不断的添加到数据库中，最终达到数据库的案对最佳存储容量。如果此时继续向数据库中新增数据，千亿会导致数据库的数据线CRUD等基本操作变慢，进而影响整个服务的上平响应速度。

这时，滑扩我们需要增加新的节点，对数据库进行水平扩容，那么加入新的数据库D后，数据库的规模由原来的3个变为4个。

如图所示：

图片

此时由于分片规则发生了变化（uid%3 变为uid%4），导致大部分的数据，香港云服务器无法命中原有的数据，需要重新进行分配，要做大量的数据迁移处理。

比如之前uid如果是uid=3取模3%3=0， 是分配在A库上，新加入D库后， uid=3取模3%4=3，分配在D库上；

图片

新增一个节点， 大概会有90%的数据需要迁移， 这样会面临大量的数据压力，并且对服务造成极大的不稳定性。

1. 五个方案

1.1 停机方案

图片

停止服务之后， 能够保证迁移工作的正常进行， 但是服务停止，伤害用户体验， 并造成了时间压力， 必须在指定的时间内完成迁移。

1.2 停写方案

图片

缺点：在数据的复制过程需要消耗大量的时间，停写时间太长，数据需要先复制，再清理冗余数据

1.3 日志方案

核心是通过日志进行数据库的同步迁移， 主要操作步骤如下：

图片

在升级之前， 记录“对旧数据库上的数据修改”的日志（这里修改包括增、删、改），这个日志不需要记录详细的数据信息，主要记录：

（1）修改的库；

（2）修改的表；

（3）修改的唯一主键；

（4）修改操作类型。

图片

日志记录不用关注新增了哪些信息，修改的数据格式，只需要记录以上数据信息，这样日志格式是固定的， 这样能保证方案的通用性。

服务升级日志记录功能风险较小：

写和修改接口是少数， 改动点少；

升级只是增加了一些日志，采用异步方式实现， 对业务功能没有太多影响。

研发定制数据迁移工具， 作用是把旧库中的数据迁移至新库中。

图片

整个过程仍然采用旧库进行对外服务。

数据同步工具实现复杂度不高。

只对旧库进行读取操作， 如果同步出现问题， 都可以对新库进行回滚操作。

可以限速或分批迁移执行， 不会有时间压力。

数据迁移完成之后， 并不能切换至新库提供服务。

因为旧库依然对线上提供服务， 库中的数据随时会发生变化， 但这些变化的数据并没有同步到新库中， 旧库和新库数据不一致， 所以不能直接进行切换， 需要将数据同步完整。

图片

研发一个日志迁移工具，把上面迁移数据过程中的差异数据追平，处理步骤：

读取log日志，获取具体是哪个库、表和主键发生了变化修改；

把旧库中的主键记录读取出来

根据主键ID，把新库中的记录替换掉

这样可以最大程度的保障数据的一致性。风险分析：

整个过程， 仍然是旧库对线上提供服务；

日志迁移工具实现的复杂度较低；

任何时间发现问题， 可以重新再来，有充分的容错空间；

可以限速重放处理日志， 处理过程不会因为对线上影响造成时间压力。

但是， 日志增量同步完成之后， 还不能切换到新的数据库。

因为日志增量同步过程中，旧库中可能有数据发生变化， 导致数据不一致，所以需要进一步读取日志， 追平数据记录； 日志增量同步过程随时可能会产生新的数据， 新库与旧库的数据追平也会是一个无限逼近的过程。关注公z号：码猿技术专栏，回复关键词：1111 获取阿里内部Java性能优化手册！

准备好数据校验工具，将旧库和新库中的数据进行比对，直到数据完全一致。

数据比对完成之后， 将流量转移切换至新库， 至此新库提供服务， 完成迁移。

图片

但是在极限情况下， 即便通过上面的数据校验处理， 也有可能出现99.99%数据一致， 不能保障完全一致，这个时候可以在旧库做一个readonly只读功能， 或者将流量屏蔽降级，等待日志增量同步工具完全追平后， 再进行新库的切换。

至此，完成日志方案的迁移扩容处理， 整个过程能够持续对线上提供服务， 只会短暂的影响服务的可用性。

这种方案的弊端，是操作繁琐，需要适配多个同步处理工具，成本较高， 需要制定个性化业务的同步处理， 不具备普遍性，耗费的时间周期也较长。

1.4 双写方案（中小型数据）

图片

双写方案可通过canal或mq做实现。

增加新库，按照现有节点， 增加对应的数量。数据迁移：避免增量影响， 先断开主从，再导入（耗时较长）， 同步完成并做校验增量同步：开启Canal同步服务， 监听从节点数据库， 再开启主从同步，从节点收到数据后会通过Canal服务， 传递至新的DB节点。切换新库：通过Nginx，切换访问流量至新的服务。修复切换异常数据：在切换过程中， 如果出现，Canal未同步，但已切换至新库的请求（比如下单，修改了资金， 但还未同步 ）， 可以通过定制程序， 读取检测异常日志，做自动修复或人工处理。

1.5平滑2N方案（大数据量）

线上数据库，为了保障其高可用，一般每台主库会配置一台从库，主库负责读写，从库负责读取。下图所示，A，B是主库，A0和B0是从库。

图片

1、当需要扩容的时候，我们把A0和B0升级为新的主库节点，如此由2个分库变为4个分库。同时在上层的分片配置，做好映射，规则如下:

把uid%4=0和uid%4=2的数据分别分配到A和A0主库中

把uid%4=1和uid%4=3的数据分配到B和B0主库中

图片

2、因为A和A0库的数据相同，B和B0数据相同，此时无需做数据迁移。只需调整变更一下分片配置即可，通过配置中心更新，不需要重启。

图片

由于之前uid%2的数据是分配在2个库里面，扩容之后需要分布到4个库中，但由于旧数据仍存在（uid%4=0的节点,还有一半uid%4=2的数据），所以需要对冗余数据做一次清理。

这个清理，并不会影响线上数据的一致性，可以随时随地进行。

3、处理完成之后，为保证数据的高可用，以及将来下一步的扩容需求。

可以为现有的主库再次分配一个从库。

图片

2.  平滑2N扩容方案实践

2.1  实现应用服务级别的动态扩容

扩容前部署架构：

图片

增加以下内容：

停止Mariadb服务

卸载Mariadb服务

删除数据与配置：

开启用户远程连接权限

进入MySQL服务， 执行以下操作：

2.1.2 MariaDB双主同步在Server1增加配置：

注意， Server1自增为奇数位：

auto-increment-offset=1 主键自增基数, 从1开始。

auto-increment-increment=2 主键自增偏移量，每次为2。

在Server2增加配置：

Server2自增为偶数位：

auto-increment-offset=2 主键自增基数, 从2开始。

auto-increment-increment=2 主键自增偏移量，每次为2。

配置修改完成后， 重启数据库。

同步授权配置

查询日志文件与偏移量，开启同步时需使用：

同样， 在Server2创建replica用于主从同步的用户：

查询日志文件与偏移量：

配置主从同步信息

在Server2中执行：

开启双主同步

在Server1查询同步信息：