帖子中心，是互联网业务中，一类典型的“1 对多”业务，即：一个用户能发布多个帖子，一个帖子只有一个发布者。
随着数据量的逐步增大，并发量的逐步增大，帖子中心这种“1 对多”业务，架构应该如何设计，有哪些因素需要考虑，是本文将要系统性讨论的问题。
什么是 x 对 x？
所谓的“1 对 1”，“1 对多”，“多对多”，来自数据库设计中的“实体-关系”ER 模型，用来描述实体之间的映射关系。
什么是“1 对 1”业务？
用户中心，一个用户只有一个登录名，一个登录名只对应一个用户，这是典型的 1 对 1 业务。
什么是“1 对多”业务？
帖子中心，一个用户可以发多条微博，一条微博只有一个发送者，这是典型的 1 对多业务。
什么是“多对多”业务？
feed 关注，一个用户可以关注多个用户，一个用户也可以被多个用户关注，这是典型的多对多业务。
帖子中心是个什么业务，有什么典型的业务需求？
帖子中心是一个典型的 1 对多业务。
一个用户可以发布多个帖子，一个帖子只对应一个发布者。
任何脱离业务的架构设计都是耍流氓，先来看看帖子中心对应的业务需求。
帖子中心，是一个提供帖子发布，修改，删除，查看，搜索的服务。
帖子中心，有什么写操作？
（1）发布(insert)帖子；
（2）修改(update)帖子；
（3）删除(delete)帖子；
帖子中心，有什么读操作？
（1）通过 tid 查询(select)帖子实体，单行查询；
（2）通过 uid 查询(select)用户发布过的帖子，列表查询；
（3）帖子检索(search)，例如通过时间、标题、内容搜索符合条件的帖子；
在数据量较大，并发量较大的时候，架构如何设计？
典型的，通常通过元数据与索引数据分离的架构设计方法。
架构中的几个关键点，如上图所示：
（1）tiezi-center：帖子服务；
（2）tiezi-db：提供元数据存储；
（3）tiezi-search：帖子搜索服务；
（4）tiezi-index：提供索引数据存储；
（5）MQ：tiezi-center 与 tiezi-search 通讯媒介，一般不直接使用 RPC 调用，而是通过 MQ 对两个子系统解耦。
此时，读需求怎么满足？
tiezi-center 和 tiezi-search 分别满足两类不同的读需求。
如上图所示：
（1）tid 和 uid 上的查询需求，可以由 tiezi-center 从元数据读取并返回；
（2）其他类检索需求，可以由 tiezi-search 从索引数据检索并返回；
写需求怎么办呢？
至于写需求，如上图所示：
（1）增加，修改，删除的操作都会从 tiezi-center 发起；
（2）tiezi-center 修改元数据；
（3）tiezi-center 将信息修改通知发送给 MQ；
（4）tiezi-search 从 MQ 接受修改信息；
（5）tiezi-search 修改索引数据；
tiezi-search，搜索架构不是本文的重点，不再展开，后文将重点描述帖子中心元数据水平切分设计。
帖子中心，数据库元数据如何设计？
帖子中心业务，很容易了解到，其核心元数据为：
t_tiezi(tid, uid, time, title, content, …);
其中：
（1）tid 为帖子 ID，主键；
（2）uid 为用户 ID，发帖人；
（3）time, title, content …等为帖子属性；
数据库设计上，在业务初期，单库就能满足元数据存储要求。
（1）tiezi-center：帖子中心服务，对调用者提供友好的 RPC 接口；
（2）tiezi-db：对帖子数据进行存储；
在相关字段上建立索引，就能满足相关业务需求。
（1）帖子记录查询，通过 tid 查询，约占读请求量 90%；
select * from t_tiezi where tid=$tid
（2）帖子列表查询，通过 uid 查询其发布的所有帖子，约占读请求量 10%；
select * from t_tiezi where uid=$uid
随着数据量越来越大，如何进行水平切分，对存储容量进行线性扩展呢？
方案一：帖子 ID 切分法
既然是帖子中心，并且帖子记录查询量占了总请求的 90%，很容易想到通过 tid 字段取模来进行水平切分。
这个方法简单直接，优点：
（1）100% 写请求可以直接定位到库；
（2）90% 的读请求可以直接定位到库；
缺点也很明显：
（1）一个用户发布的所有帖子可能会落到不同的库上，10% 的请求通过 uid 来查询会比较麻烦；
如上图，一个 uid 访问需要遍历所有库。
有没有一种切分方法，确保同一个用户发布的所有帖子都落在同一个库上，而在查询一个用户发布的所有帖子时，不需要去遍历所有的库呢？
方案二：用户 ID 切分法
使用 uid 来分库可以解决这个问题。
新的问题出现了：如果使用 uid 来分库，确保了一个用户的帖子数据落在同一个库上，那通过 tid 来查询，就不知道这个帖子落在哪个库上了，岂不是还需要遍历全库，需要怎么优化呢？
tid 的查询是单行记录查询，只要在数据库（或者缓存）记录 tid 到 uid 的映射关系，就能解决这个问题。
新增一个索引库：
t_mapping(tid, uid);
（1）这个库只有两列，可以承载很多数据；
（2）即使数据量过大，索引库可以利用 tid 水平切分；
（3）这类 kv 形式的索引结构，可以很好的利用 cache 优化查询性能；
（4）一旦帖子发布，tid 和 uid 的映射关系就不会发生变化，cache 的命中率会非常高；
使用 uid 分库，并增加索引库记录 tid 到 uid 的映射关系之后，每当有 uid 上的查询，可以通过 uid 直接定位到库。
每当有 tid 上的查询，可以先查 mapping 表得到 uid，再通过 uid 定位到库。
这个方法的优点是：
（1）一个用户发布的所以帖子落在同一个库上；
（2）10% 的请求过过 uid 来查询列表，可以直接定位到库；
（3）索引表 cache 命中率非常高，因为 tid 与 uid 的映射关系不会变；
缺点也很明显：
（1）90% 的 tid 请求，以及 100% 的修改请求，不能直接定位到库，需要先进行一次索引表的查询，当然这个查询非常块，通常在 5ms 内可以返回；
（2）数据插入时需要操作元数据与索引表，可能引发潜在的一致性问题；
有没有一种方法，既能够通过 uid 定位到库，又不需要建立索引表来进行二次查询呢，使得 uid 和 tid 都能够直接一次命中的方案呢？
方案三：基因法
什么是分库基因？
通过 uid 分库，假设分为 16 个库，采用 uid%16 的方式来进行数据库路由，这里的 uid%16，其本质是 uid 的最后 4 个 bit 决定这行数据落在哪个库上，这 4 个 bit，就是分库基因。
什么是基因法分库？
在“1 对多”的业务场景，使用“1”分库，在“多”的数据 id 生成时，id 末端加入分库基因，就能同时满足“1”和“多”的分库查询需求。
如上图所示，uid=666 的用户发布了一条帖子（666 的二进制表示为：1010011010）：
（1）使用 uid%16 分库，决定这行数据要插入到哪个库中；
（2）分库基因是 uid 的最后 4 个 bit，即 1010；
（3）在生成 tid 时，先使用一种分布式 ID 生成算法生成前 60bit（上图中绿色部分）；
（4）将分库基因加入到 tid 的最后 4 个 bit（上图中粉色部分）；
（5）拼装成最终的 64bit 帖子 tid（上图中蓝色部分）；
这般，保证了同一个用户发布的所有帖子的 tid，都落在同一个库上，tid 的最后 4 个 bit 都相同，于是：
（1）通过 uid%16 能够定位到库；
（2）通过 tid%16 也能定位到库；
有人要问了，同一个 uid 发布的 tid 落在同一个库上，会不会出现数据不均衡？
只要 uid 是均衡的，每个用户发布的平均帖子数是均衡的，每个库的数据就是均衡的。
又有人要问了，最开始分 16 库，分库基因是 4bit，未来要扩充成 32 库，分库基因变成了 5bit，那怎么办？
需要提前做好容量预估，例如事先规划好 5 年内数据增长 256 库足够，就提前预留 8bit 基因。
总结
将以“帖子中心”为典型的“1 对多”类业务，在架构上，采用元数据与索引数据分离的架构设计方法：
（1）帖子服务，元数据满足 uid 和 tid 的查询需求；
（2）搜索服务，索引数据满足复杂搜索寻求；
对于元数据的存储，在数据量较大的情况下，有三种常见的切分方法：
（1）tid 切分法，按照 tid 分库，同一个用户发布的帖子落在不同的库上，通过 uid 来查询要遍历所有库；
（2）uid 切分法，按照 uid 分库，同一个用户发布的帖子落在同一个库上，需要通过索引表或者缓存来记录 tid 与 uid 的映射关系，通过 tid 来查询时，先查到 uid，再通过 uid 定位库；
（3）基因法，按照 uid 分库，在生成 tid 里加入 uid 上的分库基因，保证通过 uid 和 tid 都能直接定位到库；
原文：https://mp.weixin.qq.com/s/40uJBsgFWhcrJ3Xvkraulg
推荐：用户中心过亿数据如何处理呢？点击->https://mp.weixin.qq.com/s/8KTK_Bz8netP6R5MNSKeFw
🐶 你走，我不送你。你来，风雨无阻，我去接你。