App项目实战之路(六):数据库篇

上一篇文章[服务端篇]提到本项目的数据库采用了关系型的 MySQL，那么，本文将基于 MySQL 聊聊本项目的数据库设计。

设计结果

下图是我为本项目设计的数据库ER图，这只是初步的数据模型，可能还会有遗漏，后续在实现具体细节时可能会有所改动。

我总共只建了10张表，分别如下：

后面，我会挑一些关键的点，再详细阐述我的观点。如果你有不同看法，欢迎提出来一起讨论。

主键

首先，主键应该用业务主键好还是逻辑主键好？我是推崇尽量使用与业务无关的逻辑主键的，因为业务的东西谁也无法保证一定不会变。另外，近几年来，我好像也很少见到使用业务主键的数据库了。还发现关于这方面的讨论也少了。可能是大部分人已经倾向于使用逻辑主键了吧。

其次，逻辑主键的生成策略有很多种，MySQL 的 AUTO_INCREMENT，Oracle 和 PostgreSQL 的 SEQUENCE，MongoDB 的 ObjectId，还有与数据库无关的 UUID。各种生成策略各有利弊。

我目前是使用了MySQL的 AUTO_INCREMENT 自增长策略，优点就是方便简单，而缺点主要有两个：一是数据库移植问题，当需要将 MySQL 数据库移植到 Oracle/PostgreSQL/MongoDB 数据库时，因为这些数据库不支持 AUTO_INCREMENT，改动就会比较麻烦；二是高并发性能问题，因为 AUTO_INCREMENT 在某些情况下会锁表，锁表时其他 INSERT 操作就会被阻塞，当并发量很高时性能就会明显低下了。这里需要再补充下，MySQL 的 InnoDB AUTO_INCREMENT 有三种锁模式，设置参数为 innodb_autoinc_lock_mode，取值可以为0、1、2。

• innodb_autoinc_lock_mode = 0(”traditonal“ lock mode) 对任何插入语句都会表锁，直到语句执行结束后才会解锁。
• innodb_autoinc_lock_mode = 1(”consecutive“ lock mode) 对“bulk inserts”采用表锁方式，而对“Simple inserts”和“mixed-mode inserts”则采用轻量级的 mutex 方式，只锁定增长量的分配过程，而无需等待语句执行结束。这是默认的锁模式。在此种模式下，对每条“simple insert”语句会预先分配该语句所需的增长量，因此，自增值列的增长还是连续的。
• innodb_autoinc_lock_mode = 2(”interleaved“ lock mode) 对任何插入语句都采用 mutex 方式，而不表锁，性能最高。不过，与”consecutive“ lock mode不同的是，并不是对每条语句预先分配该语句所需的增长量，而是所有语句并发插入，因此，自增长值可能不是连续的。也因此，使用 statement-based 的主从复制时就会出现问题。所以，使用此模式，应该用 row-base 的主从复制，才能保证高并发性能和主从复制时的数据一致。

关于 AUTO_INCREMENT 的锁模式需要了解更多的可查看官方文档：http://dev.mysql.com/doc/refman/5.7/en/innodb-auto-increment-handling.html

另外，在分布式环境下，还得调整方案满足全局唯一id的问题。最简单的方案就是设置每个集群的自增id起始点(auto_increment_offset)和自增步长(auto_increment_increment)，让每个集群的起始点错开1，而步长选择将来不太可能达到的集群数，比如10000。另一种简单方案就是使用 UUID，但因为 UUID 是字符串，而且128比特太长且无序，既占空间且查询效率也低，所以这种方案一般不建议使用。也可以采用类似于 Oracle 和 PostgreSQL 的 SEQUENCE 序列对象，就是实现起来有点复杂。采用类似 MongoDB 的 ObjectId 方案也是个不错的选择，ObjectID 只有12字节，按顺序分别为：4字节的时间戳 + 3字节的机器ID + 2字节的PID + 3字节的计数器。Twitter 的 Snowflake 也和 MongoDB 的 ObjectID 类似，不过它只有64比特，1比特的保留位 + 41比特的时间戳 + 10比特的机器ID + 12比特的序列号。

TOKEN

我在本项目的设计中，是有两个 token 的，一个 accessToken，一个 refreshToken。为什么要用两个 token 呢？回答这个问题之前，先看看只用一个 token 的使用场景。用户登录后获得 token，token 过期后如何更新呢？要么让用户重新登录，但这明显不是一种好的用户体验方式；要么手机缓存用户密码自动登录，但在客户端保存用户密码明显不是一种安全的解决方案；要么服务端根据用户最后一次请求的时间自动延长 token 有效期，但这也明显不是一种安全的解决方案，如果 token 一旦被拦截，攻击者只要在 token 有效期内不断发起请求就可以一直使用了。所以，只有一个 token 并不能很好地解决 token 更新的问题，这才需要引入两个 token。所有需要用户鉴权的请求都用 accessToken，accessToken 过期后再用 refreshToken 去请求一个新的 accessToken。accessToken 的有效期比较短，我只设了24小时，而 refreshToken 的有效期则比较长，我是设了30天。refreshToken 过期的话，则需要用户重新登录了。

accessToken 和 refreshToken 是在用户登录的时候生成的，用户退出登录时则会删除该条记录。数据表里有两个字段：createTime 和 updateTime，其中，createTime 作为 refreshToken 有效期的起始时间，而 updateTime 则是 accessToken 有效期的起始时间。

至于 token 如何生成，有些人会使用 {userid + 时间戳 + 随机数} 的组合方式生成，其实这种方式反而减低了 token 的安全性。安全性高的 token 应该具备不可预测性，所以最好是一个完全的随机数。所以，使用 UUID 比前面的组合方式更安全。当然，在某些场景下也可以使用 {userid + 时间戳 + 随机数} 的组合方式生成。比如，token 不在服务端直接存储，而只是需要鉴权时才根据规则自动生成。也比如，嫌 UUID 太长，想用短一些的 token，或者想直接在 token 上与 userid 绑定，而不想另外再用一个字段保存 userid 建立绑定关系。不过，安全性始终还是不如直接使用 UUID。

关注关系

我用了三个字段来表示用户之间的关注关系，关注关系是从左到右，即左用户关注右用户：

当 A 关注 B 时，数据表里就会产生下面这条数据：

然后，B 再关注 A，建立起双向关系后，数据表里会存在两条数据，之所以用两条数据，是为了方便查询：

接着，A 取消关注 B，那么，A 关注 B 的记录就会删除，只保留 B 关注 A 的记录，同时，修改 relation 状态：

最后，B 又取消关注 A，那么，B 关注 A 的记录也被删除，数据表里就没有 A 和 B 相互间的任何记录了：

接下来，再看看如何查询用户的关注关系列表。 查询 A 所关注的人：

SELECT userRight,relation FROM friendship WHERE userLeft = A.id

查询关注 A 的人：

SELECT userLeft,relation FROM friendship WHERE userRight = A.id

查询和 A 相互关注的人，下面两个语句随便哪个都可以：

SELECT userRight FROM friendship WHERE userLeft = A.id AND relation = 2SELECT userLeft FROM friendship WHERE userRight = A.id AND relation = 2

查询发布内容

为了简单，发布内容我统一放在了 post 表，其中，定义了一个 type 字段用来定义不同类型的发布内容，比如问答和分享。另外，我还预留了一个 post_history 表，以应对后期 post 表的数据量太大之后将旧数据转移到这个历史表。

不过，我们的重点在于查询。在本项目中，初期主要有三类查询：

1. 查询 A 所发布的内容列表，查询语句就很简单了：SELECT * FROM post WHERE userid = A.id ORDER BY createTime DESC
2. 查询 A 所关注的人的内容列表，需要先查出 A 所关注的人，查询语句可以这么写：SELECT * FROM post WHERE userid IN (SELECT userRight FROM friendship WHERE userLeft = A.id) ORDER BY createTime DESC
3. 查询拥有技术栈标签 T 的人的内容列表，查询语句则可以这么写：SELECT * FROM post WHERE userid IN (SELECT userid FROM user_tag WHERE tagID = T.id) ORDER BY createTime DESC

然而，实际上，只用上面的查询语句是不可行的。当内容越来越多之后，查询结果会越来越大，所以，必须引入分页查询。分页查询就要用到 LIMIT 子句了。

加入分页查询之后，查询 A 所发布的内容列表的SQL语句就变成了这样：

SELECT * FROM post WHERE userid = A.id AND createTime < lastTime ORDER BY createTime DESC LIMIT 20

查询 A 所关注的人的内容列表则如下：

SELECT * FROM post WHERE userid IN (SELECT userRight FROM friendship WHERE userLeft = A.id) AND createTime < lastTime ORDER BY createTime DESC LIMIT 20

查询拥有技术栈标签 T 的人的内容列表如下：

SELECT * FROM post WHERE userid IN (SELECT userid FROM user_tag WHERE tagID = T.id) AND createTime < lastTime ORDER BY createTime DESC LIMIT 20

其中，lastTime是上一页最后一项的 createTime。另外，为了优化查询效率，还可以添加联合索引 (userid, createTime DESC)。关于索引的原理和如何正确使用的姿势，我觉得美团点评技术团队的这篇文章总结得不错：[MySQL索引原理及慢查询优化]。

写在最后

本项目的数据库设计相对也比较简单，还没有考虑很多复杂的场景，如双机热备、负载均衡、分布式集群等。在这些复杂场景下应该如何设计，目前也还没有好好思考过，所以暂时也不打算展开。接下来就要进入API服务端的实现阶段了。