前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >大厂案例 - 海量分类业务设计的一些思考

大厂案例 - 海量分类业务设计的一些思考

作者头像
小小工匠
发布2023-09-10 08:57:16
1260
发布2023-09-10 08:57:16
举报
文章被收录于专栏:小工匠聊架构小工匠聊架构
在这里插入图片描述
在这里插入图片描述

业务背景描述

一个分类信息平台,有很多垂直品类:招聘、房产、二手物品、二手车、黄页等等,每个品类又有很多子品类,不管哪个品类,最核心的数据都是“帖子信息”。

各分类帖子的信息特点

  • (1)各品类的属性千差万别,招聘帖子和二手帖子属性完全不同,二手手机和二手家电的属性又完全不同,不同的属性很多;
  • (2)帖子的数据量巨大
  • (3)每个属性上都有查询需求,各组合属性上都可能有组合查询需求,招聘要查职位/经验/薪酬范围,二手手机要查颜色/价格/型号,二手要查冰箱/洗衣机/空调;
  • (4)要求支持高吞吐量

方案演进

v1 扩展字段

公司初期并发量和数据量都不大,必须先解决业务问题

业务需求

  • (1)如何实现属性扩展性需求;
  • (2)多属性组合查询需求;

扩展性需求

最开始,业务只有一个招聘品类,那帖子表可能是这么设计的:

代码语言:javascript
复制
tiezi(tid, uid, c1, c2, c3);

那如何满足各属性之间的组合查询需求呢?

最容易想到的是通过组合索引满足查询需求:

代码语言:javascript
复制
index_1(c1, c2)

index_2(c2, c3)

index_3(c1, c3)

随着业务的发展,又新增了一个房产类别,存储问题又该如何解决呢?

可以新增若干属性满足存储需求,于是帖子表变成了:

代码语言:javascript
复制
tiezi(tid, uid, c1, c2, c3, c10, c11, c12, c13); 

其中:

  • (1)c1,c2,c3是招聘类别属性;
  • (2)c10,c11,c12,c13是房产类别属性;

通过扩展属性,可以解决存储的问题。


查询需求

首先,跨业务属性一般没有组合查询需求。只能建立了若干组合索引,满足房产类别的查询需求。

但是当业务越来越多时, 这索引岂不是爆炸??

万万不可


v2 垂直拆分

新增属性是一种扩展方式,新增表也是一种方式,垂直拆分也是常见的存储扩展方案。

拆分方案

如何按照业务进行垂直拆分?

可以这么玩:

代码语言:javascript
复制
tiezi_zhaopin(tid, uid, c1, c2, c3);
代码语言:javascript
复制
tiezi_fangchan(tid, uid, c10, c11, c12, c13);

存在的问题

存在的问题如下:

这些表,以及对应的服务维护在不同的部门,看上去各业务灵活性强,研发闭环,这恰恰是悲剧的开始: (1)tid如何规范? (2)属性如何规范? (3)按照uid来查询怎么办(查询自己发布的所有帖子)? (4)按照时间来查询怎么办(最新发布的帖子)? (5)跨品类查询怎么办(例如首页搜索框)? (6)技术范围的扩散,有的用mongo存储,有的用mysql存储,有的自研存储; (7)重复开发了不少组件; (8)维护成本过高; (9)…

想想看,电商的商品表,不可能一个类目一个表的。

在这里插入图片描述
在这里插入图片描述

v3 三大中心服务 (业界最佳实践)

统一帖子中心服务

基础数据基础服务的统一,是一个很好的实践。

这里说的是平台型业务。

如何将不同品类,异构的数据统一存储起来呢?

  • (1)全品类通用属性统一存储;
  • (2)单品类特有属性,品类类型与通用属性json来进行存储;

更具体的:

代码语言:javascript
复制
tiezi(tid, uid, time, title, cate, subcate, xxid, ext);

(1)一些通用的字段抽取出来单独存储; (2)通过cate, subcate, xxid等来定义ext是何种含义;

在这里插入图片描述
在这里插入图片描述

(3)通过ext来存储不同业务线的个性化需求 例如: 招聘的帖子,ext为:

代码语言:javascript
复制
{“job”:”driver”,”salary”:8000,”location”:”bj”}

而二手的帖子,ext为:

代码语言:javascript
复制
{”type”:”iphone”,”money”:3500}

通过ext存储异构业务数据,使用DB存储,上层架了一个帖子中心服务,加上缓存,就是这样一个并不复杂的架构,解决了业务的大问题。这是分类信息平台最核心的帖子中心服务IMC(Info Management Center)。

解决了海量异构数据的存储问题,遇到的新问题是:

  • (1)每条记录ext内key都需要重复存储,占据了大量的空间,能否压缩存储;
  • (2)cateid已经不足以描述ext内的内容,品类有层级,深度不确定,ext能否具备自描述性;
  • (3)随时可以增加属性,保证扩展性;

解决完海量异构数据的存储问题,接下来,要解决的是类目的扩展性问题。


统一类目属性服务

每个业务有多少属性,这些属性是什么含义,值的约束等,耦合到帖子服务里显然是不合理的,那怎么办呢?

抽象出一个统一的类目、属性服务,单独来管理这些信息,而帖子库ext字段里json的key,统一由数字来表示,减少存储空间。

在这里插入图片描述
在这里插入图片描述

帖子表只存元信息,不管业务含义。

如上图所示,json里的key不再是”salary” ”location” ”money” 这样的长字符串了,取而代之的是数字1,2,3,4,这些数字是什么含义,属于哪个子分类,值的校验约束,统一都存储在类目、属性服务里。

在这里插入图片描述
在这里插入图片描述

类目表存业务信息,以及约束信息,与帖子表解耦。

这个表里对帖子中心服务里ext字段里的数字key进行了解释:

  • (1)1代表job,属于招聘品类下100子品类,其value必须是一个小于32的[a-z]字符;
  • (2)4代表type,属于二手品类下200子品类,其value必须是一个short;

这样就对原来帖子表ext扩展属性:

代码语言:javascript
复制
{“1”:”driver”,”2”:8000,”3”:”bj”}
{”4”:”iphone”,”5”:3500}

key和value都做了统一约束。

除此之外,如果ext里某个key的value不是正则校验的值,而是枚举值时,需要有一个对值进行限定的枚举表来进行校验:

在这里插入图片描述
在这里插入图片描述

这个枚举校验,说明key=4的属性(对应属性表里二手,手机类型字段),其值不只是要进行“short类型”校验,而是value必须是固定的枚举值。

代码语言:javascript
复制
{”4”:”iphone”,”5”:3500}

这个ext就是不合法的,key=4的value=iphone不合法,而应该是枚举属性,合法的应该为:

代码语言:javascript
复制
{”4”:”5”,”5”:3500}

此外,类目属性服务还能记录类目之间的层级关系: (1)一级类目是招聘、房产、二手… (2)二手下有二级类目二手家具、二手手机… (3)二手手机下有三级类目二手iphone,二手小米,二手三星… (4)…

类目服务解释了帖子数据,描述品类层级关系,保证各类目属性扩展性,保证各属性值合理性校验,就是分类信息平台另一个统一的核心服务CMC(Category Management Center)

画外音:类目、属性服务像不像电商系统里的SKU扩展服务? (1)品类层级关系,对应电商里的类别层级体系; (2)属性扩展,对应电商里各类别商品SKU的属性; (3)枚举值校验,对应属性的枚举值,例如颜色:红,黄,蓝;

通过品类服务,解决了key压缩,key描述,key扩展,value校验,品类层级的问题,还有这样的一个问题没有解决:每个品类下帖子的属性各不相同,查询需求各不相同,如何解决100亿数据量,1万属性的检索与联合检索需求呢?


统一检索服务

数据量很大的时候,不同属性上的查询需求,不可能通过组合索引来满足所有查询需求, 外置索引,统一检索服务 是一个很常用的实践:

  • (1)数据库提供“帖子id”的正排查询需求;
  • (2)所有非“帖子id”的个性化检索需求,统一走外置索引;

元数据与索引数据的操作遵循: (1)对帖子进行tid正排查询,直接访问帖子服务; (2)对帖子进行修改,帖子服务通知检索服务,同时对索引进行修改; (3)对帖子进行复杂查询,通过检索服务满足需求;

小结

采用了元数据服务、属性服务、搜索服务来解决: (1)一个解决存储问题; (2)一个解决品类解耦问题; (3)一个解决检索问题;

任何复杂问题的解决,都是循序渐进的。

参考: 戳这里

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2023-09-09,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 业务背景描述
  • 方案演进
    • v1 扩展字段
      • 扩展性需求
      • 查询需求
    • v2 垂直拆分
      • 拆分方案
      • 存在的问题
    • v3 三大中心服务 (业界最佳实践)
      • 统一帖子中心服务
      • 统一类目属性服务
      • 统一检索服务
  • 小结
相关产品与服务
对象存储
对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档