在Discuz!NT的企业版设计过程中，处理大数据表一直是一个让人头疼的问题，特别是像主题表（topic），用户表（user）等，因为对于一个流量和发帖量都很大的论坛而言，在运行几年之后，这两个表的数据量可能会破千万（注：因为帖子表采用分表机制，所以这里暂未涉及，但出于性能考虑，也提供了本文中类似的解决方案）。当时考虑的架构设计中有两种思路来解决这种问题： 一种是采用类似MYSPACE的方式，即按一定记录KEY值（比如用户表的UID）来对大数据表中的记录进行分割，比如前200万用户（即：UID<200w）放入一个表，200-400万的用户放入另一个表，以此类推。当然可以把几个表都放到一个数据库中，也可以放到别的MSSQL数据库上或实例上。但这种方案有一些问题，例如当用户表需要被联表（如LEFT JION）查询时使用，比如我们的帖子表进行分页查询时就需要左联user表，这时如采用分表或分布式布署就可能面临这样的问题，不仅业务逻辑要变化，就连存储过程中也要产生不小的变化，这里还不考虑效率上的问题。当然有人建议可以使用数据冗余的方式，比如在帖子表中冗余用户信息相应字段，但这种方案同样要大幅度的修改即有代码，同时如果用户信息发生变化时，不仅要更新用户表，还要更新帖子表中的相应冗余字段，如果这两者不同步，就会造成数据显示异常，当然在数据库层面增加存储成本也是不得不付出的。 第二种就是使用能处理大数据量表格的第三方工具，比如本文所说的TokyoTyrant,Mongodb等，这类NOSQL软件从一问世就是面向海量数据存储访问的，而且这类软件往往都是开源的，另外通过与打算布署企业版的用户接触，发现虽然他们的服务器配置很高，但数量即不多，所以就要考虑如何最大限度的复用已有的机器资源，而这类NOSQL软件往往都是‘性价比’很高的，即用不多的资源（内存，CPU等）就能达到意想不到的效果。当然我目前对其还是很谨慎的使用，即不会马上把它当做主力数据存储工具，而是辅助MSSQL数据库工具，所以大家在看完本文后会发现，这两个工具在企业版中的角色顶多就是一个高级的MEMCACEHD。不过我的想法很简单，就是任何工具和技术，如果不是很了解它或者它很新，那么必定要有一个“考核期”，如果在‘任间’内它通过考核，才委以重任，如未通过考核，也不会让系统平台承担过多的技术层面上的‘风险’。
综上所述，最终我把方向放到了TokyoTyrant,Mongodb上，之所以选择了这两个工具，主要基于下面因素： 1.海量数据的解决方案应该可以跑在LINUX和WINDOW平台上。当然有人会说Mongodb完全可以跑这两个平台，那还为什么要引入TokyoTyrant呢？其实这里有一些产品的特殊情况要考虑，比如我们的用户中绝大多数对于数据的读写比在 4：1，即5条SQL访问中有4条是SELECT操作，1条是CUD操作，这就造成了读写比例的失衡。虽然Mongodb在读写性能上非常优异和稳定，但在并发读上相对于TokyoTyrant+cabinet还是有一些差距（注:更多内容参见该链接，然后这只限于在我们产品中压力测试环境下的结果，不具备普遍性，所以希望大家具体问题具体分析）
2.考虑到有些用户公司是有相应技术储备的，两种方案也便于用户公司进行的技术选型（当然因为采用接口方式，用户完全可以引入其它第三方的NOSQL工具来实现）。
好了，说了这么多，开始今天的正文吧。 前面说过，该方案使用了接口方式，这里就先看一下相应的接口声明：
可以看到，目前在企业版中，对主题表(dnt_topics)，用户表(dnt_users)，在线表(dnt_online)以及帖子表(dnt_posts)进行了NOSQL数据支持，所以定义了如下的几个接口（图中）：
publicinterfaceICacheTopicspublicinterfaceICacheUserspublicinterfaceICacheOnlineUserpublicinterfaceICachePosts
因为目前只是把这类NOSQL工具当作高级的‘缓存’来用，所以接口命名上都带着‘Cache’的字样。 然后我使用了一个叫做DBCacheService的类，提供获取这几个接口实例的方法，比如ICacheTopics的实例代码如下：
///<summary>///该类用于获取NoSqlDb声明的缓存服务///</summary>publicclassDBCacheService{staticICacheTopicsiCacheTopics=null;publicstaticICacheTopicsGetTopicsService(){if(iCacheTopics==null){lock(lockHelper){if(iCacheTopics==null){try{if(EntLibConfigs.GetConfig().Cachetopics.Enable){iCacheTopics=(ICacheTopics)Activator.CreateInstance(Type.GetType(EntLibConfigs.GetConfig().Cachetopics.CacheType==2?”Discuz.EntLib.TokyoTyrant.Data.Topics,Discuz.EntLib.TokyoTyrant”:”Discuz.EntLib.MongoDB.Data.Topics,Discuz.EntLib.MongoDB”,false,true));}}catch{thrownewException(“请检查”+(EntLibConfigs.GetConfig().Cachetopics.CacheType==2?”Discuz.EntLib.TokyoTyrant.dll”:”Discuz.EntLib.MongoDB.dll”)+”文件是否被放置到了bin目录下!”);}}}}returniCacheTopics;}}
从上面代码可以看出，使用反射方式获取相应DLL文件（分别是Discuz.EntLib.TokyoTyrant.dll和Discuz.EntLib.MongoDB.dll）中的类信息并初始化该实例。当然，这里还定义了一个配置文件，也就是EntLibConfigs.GetConfig()这个方法所获取的配置文件信息， 相应配置文件内容包括：
///<summary>///提供数据库缓存服务，将在线表主题表这类大表放入缓存之中///</summary>publicclassDBCache{///<summary>///是否有效///</summary>publicboolEnable=false;///<summary>///服务地址///</summary>publicstringHost=””;///<summary>///服务地址///</summary>publicintPort=0;///<summary>///链接池名称///</summary>publicstringPoolName=”dnt”;///<summary>///初始化链接数///</summary>publicintIntConnections=4;///<summary>///最少链接数///</summary>publicintMinConnections=4;///<summary>///最大连接数///</summary>publicintMaxConnections=4;///<summary>///avaiablepool池中线程的最大空闲时间///</summary>publicintMaxIdle=30000;///<summary>///busypool中线程的最大忙碌时间///</summary>publicintMaxBusy=50000;///<summary>///维护线程休息时间///</summary>publicintMaintenanceSleep=300000;///<summary>///TcpClient读操作超时时间///</summary>publicintTcpClientTimeout=3000;///<summary>///TcpClient链接超时时间///</summary>publicintTcpClientConnectTimeout=30000;///<summary>///缓存类型1为mongodb,2为tokyotyrnat///</summary>publicintCacheType=1;}
上面是配置文件中‘可复用信息’的基类，下面是具体的配置类实例声明：
///<summary>///企业版配置信息类文件///</summary>publicclassEntLibConfigInfo:IConfigInfo{///<summary>///提供数据库缓存服务，将在线表(dnt_online)放入CACHE中///</summary>publicDBCacheCacheonlineuser=newDBCache();///<summary>///提供数据库缓存服务，将用户表(dnt_users)放入CACHE中///</summary>publicDBCacheCacheusers=newDBCache();///<summary>///提供数据库缓存服务，将主题表(dnt_topic)放入CACHE中///</summary>publicDBCacheCachetopics=newDBCache();///<summary>///提供数据库缓存服务，将主题表(dnt_topic)放入CACHE中///</summary>publicDBCacheCacheposts=newDBCache();}
通过该类，就可以用如下配置文件内容初始化相应的实例了：
<EntLibConfigInfo><Cacheonlineuser><!–在开启该功能之前，请确保相关服务已配置完毕–><Host>10.0.4.119</Host><Port>27017</Port><Enable>false</Enable><PoolName>dnt_online</PoolName><IntConnections>4</IntConnections><MinConnections>4</MinConnections><MaxConnections>4</MaxConnections><MaxIdle>30000</MaxIdle><MaxBusy>50000</MaxBusy><MaintenanceSleep>300000</MaintenanceSleep><TcpClientTimeout>3000</TcpClientTimeout><TcpClientConnectTimeout>30000</TcpClientConnectTimeout><CacheType>1</CacheType></Cacheonlineuser><Cacheusers><!–在开启该功能之前，请确保相关服务已配置完毕–><Host>10.0.4.66</Host><Port>112121</Port><Enable>false</Enable><PoolName>dnt_users</PoolName><IntConnections>4</IntConnections><MinConnections>4</MinConnections><MaxConnections>4</MaxConnections><MaxIdle>30000</MaxIdle><MaxBusy>50000</MaxBusy><MaintenanceSleep>300000</MaintenanceSleep><TcpClientTimeout>3000</TcpClientTimeout><TcpClientConnectTimeout>30000</TcpClientConnectTimeout><CacheType>1</CacheType></Cacheusers><Cachetopics><!–在开启该功能之前，请确保相关服务已配置完毕–><Host>10.0.4.5</Host><Port>27017</Port><Enable>false</Enable><PoolName>dnt_topics</PoolName><IntConnections>25</IntConnections><MinConnections>25</MinConnections><MaxConnections>25</MaxConnections><MaxIdle>30000</MaxIdle><MaxBusy>5000</MaxBusy><MaintenanceSleep>300000</MaintenanceSleep><TcpClientTimeout>300000</TcpClientTimeout><TcpClientConnectTimeout>30000</TcpClientConnectTimeout> <CacheType>1</CacheType></Cachetopics><Cacheposts><!–在开启该功能之前，请确保相关服务已配置完毕–><Host>10.0.4.5</Host><Port>27017</Port><Enable>false</Enable><PoolName>dnt_posts</PoolName><IntConnections>25</IntConnections><MinConnections>25</MinConnections><MaxConnections>25</MaxConnections><MaxIdle>30000</MaxIdle><MaxBusy>5000</MaxBusy><MaintenanceSleep>300000</MaintenanceSleep><TcpClientTimeout>300000</TcpClientTimeout><TcpClientConnectTimeout>30000</TcpClientConnectTimeout><CacheType>1</CacheType></Cacheposts></EntLibConfigInfo>
当然，因为使用的开源的客户源工具在配置上有一定的的差异性（比如命名上等），所以这里有些参数可以对TTCACHE有效，却对MONGODB无效，不过这并不影响对这两种工具的使用。 这里要说明的是，对于TokyoTrant而言，这里使用的是我开发的这款客户端软件：
http://www.cnblogs.com/daizhj/archive/2010/06/08/tokyotyrantclient.html
Mongodb使用的是：http://github.com/samus/mongodb-csharp。 这里还有个小插曲，之前园子里有朋友介绍了这个客户端NoRM ，不过在我写了一个LINQ示例并进行压力测试后，发现速度不快，比samus的那个客户端慢了不少，在苦找原因无果的情况下，最终选择了samus，不过在samus中目前也支持LINQ的写法（也算是扩展和尝试吧），如下面的写法（更多具体示例还是参见其官方源码包中的相应内容）：
Mongodb=newMongo(“Servers=10.0.4.5:27017;ConnectTimeout=30000;ConnectionLifetime=300000;MinimumPoolSize=64;MaximumPoolSize=256;Pooled=true”);db.Connect();vartopicColl=db.GetDatabase(“dnt_mongodb”).GetCollection<Discuz.EntLib.MongoDB.Entity.TopicInfo>(“topics”);vartopicInfoList=topicColl.Linq().Where(t=>t.Fid==2&&t.Displayorder==0).Skip(skip).OrderByDescending(t=>t.Lastpostid).Take(16).ToList();Discuz.Common.Generic.List<TopicInfo>topicList=newList<TopicInfo>();foreach(vartopicintopicInfoList){topicList.Add(LoadTopicInfo(topic));}db.Disconnect();returntopicList;
不过在使用上述代码进行1500万主题分页时，发现LR的测试周期延长（前者(document方式)从2:10秒延长到后者(linq)2：30秒）和吞吐量降低。 所以这里还是最终延用了samus的document访问方式，参照上面的LINQ写法，下面是document写法，形如：
publicDiscuz.Common.Generic.List<TopicInfo>GetTopicList(intfid,intpageSize,intpageIndex,intstartNumber){intskip=0;if(pageIndex<=1)pageSize=pageSize-startNumber;elseskip=(pageIndex-1)*pageSize-startNumber;Discuz.Common.Generic.List<TopicInfo>topicInfoList=newCommon.Generic.List<TopicInfo>();System.Collections.Generic.List<Document>docList=MongoDbHelper.Find(mongoDB,”topics”,newDocument().Add(“fid”,fid).Add(“displayorder”,0),”lastpostid”,IndexOrder.Descending,pageSize,skip);returndocList;}
如果在你的项目中非要使用LINQ方式的话，那在这里再要介绍的一个samus的属性绑定功能，这个功能对于那些数据库字段与代码中的属性存在“大小写”差异的情况下，非常有用，即对相应实体类进行‘别名’的绑定，比如对于主题表（需引入MongoDB.Attributes名空间）：
///<summary>///主题信息描述类///</summary>publicclassTopicInfo:Discuz.Entity.TopicInfo{[MongoAlias(“attention”)]publicnewintAttention{get;set;}///<summary>///主题tid///</summary>[MongoAlias(“tid”)]publicnewintTid{get;set;}///<summary>///板块名称///</summary>[MongoAlias(“forumname”)]publicnewstringForumname{get;set;}///<summary>///版块fid///</summary>[MongoAlias(“fid”)]publicnewintFid{get;set;}///<summary>///主题图标id///</summary>[MongoAlias(“iconid”)]publicnewintIconid{get;set;}……
上面的MongoAlias属性就是属性别名，它就是MONGODB中所存储的数据字段名称。 介绍到这里，再回到正文。 因为这两个工具都是在数据库层面进行缓存的，所以它对于原有的DISCUZ!NT中的缓存系统而言，与数据库帖的更近，所以对原有的业务逻辑改造， 就停留在了数据访问层”DISCUZ.DATA.dll”中了，其实到这里，就看出了当初为什么要分层，以及分层带来的好处了。 比如在Discuz.Data.Topics这个类中添加了这两个静态变量：
///<summary>///是否启用TokyoTyrantCache缓存用户表///</summary>publicstaticboolappDBCache=(EntLibConfigs.GetConfig()!=null&&EntLibConfigs.GetConfig().Cachetopics.Enable);publicstaticICacheTopicsITopicService=appDBCache?DBCacheService.GetTopicsService():null;
前者用户判断是否启用主题缓存，后者则获取相应的缓存服务实例（前面配置文件中已做相应说明）。
这样，在已有的数据访问代码中加入相应的缓存逻辑，比如获取主题信息：
///<summary>///获得主题信息///</summary>///<paramname=”tid”>要获得的主题ID</param>///<paramname=”fid”>版块ID</param>///<paramname=”mode”>模式选择,0=当前主题,1=上一主题,2=下一主题</param>publicstaticTopicInfoGetTopicInfo(inttid,intfid,bytemode){TopicInfotopicInfo=null;if(appDBCache)//新增代码topicInfo=ITopicService.GetTopicInfo(tid,fid,mode);if(topicInfo==null){//原代码IDataReaderreader=DatabaseProvider.GetInstance().GetTopicInfo(tid,fid,mode);if(reader.Read())topicInfo=LoadSingleTopicInfo(reader);reader.Close();if(appDBCache&&topicInfo!=null)ITopicService.CreateTopic(topicInfo);}returntopicInfo;}
当然，因为使用了缓存方式，所以就牵扯到缓存中的数据与数据库中数据的一致性问题，所以对于主题的CUD操作，也要对应有相应的对缓存的操作，这基本上就是一个工作量的问题了。因为无论是TTCACHED，还是MONGODB，都支持更新操作。
比如同样是更新主题附件类型的操作，下面是TTCACHED的写法：
///<summary>///更新主题附件类型///</summary>///<paramname=”tid”>主题Id</param>///<paramname=”attType”>附件类型,1普通附件,2为图片附件</param>///<returns></returns>publicintUpdateTopicAttachmentType(inttid,intattType){varqrecords=TokyoTyrantService.QueryRecords(pool,newQuery().NumberEquals(“tid”,tid));foreach(stringkeyinqrecords.Keys){varcolumn=qrecords[key];column[“attachment”]=attType.ToString();TokyoTyrantService.PutColumns(pool,column[“tid”],column,true);break;}return1;}
下面是MongoDB的写法
///<summary>///更新主题附件类型///</summary>///<paramname=”tid”>主题Id</param>///<paramname=”attType”>附件类型,1普通附件,2为图片附件</param>///<returns></returns>publicintUpdateTopicAttachmentType(inttid,intattType){MongoDbHelper.Update(mongoDB,”topics”,newDocument(){{“$set”,newDocument(){{“attachment”,attType}}}},newDocument().Add(“_id”,tid));return1;}
通过对比可以看出，MONGODB可以对某一字段进行操作，而TTCACEHD则只能通过查询先获取整条记录，然后修改某一‘字段’，之后再整条提交更新，所以单从这一角度讲，MONGDOB要比TTCACHED更新性能要高许多（之后的测试结果也说明了这一点）。 正如之前所说的那样，如用户对于这两个接口实现方案均不满意，那么他可以使用其它类型的NOSQL数据库，只要实现了相应的接口： public interface ICacheTopics public interface ICacheUsers public interface ICacheOnlineUser public interface ICachePosts并在配置文件中进行相应的配置就可以了，当然本文中代码因为时间问题还是有待考量的，但主要的架构设计思想基本被确定下来了。 当然对于原有的数据库中的记录，如果要使用本方案，我提供了转换工具，用于把数据转到TTCACHED或MONGODB中的任一服务端上。如下： TTCACEHD: MongoDB(目前比TTACEHD多了帖子分表转换功能): 最后在压力测试过程中，还出现了一些小问题，好在对着官方文档，逐步优化解决了，这里要特别说一下MONGDOB,其文件的详细程度要好于TTCACHED，基本上主要的功能都有详细的介绍说明页面，呵呵。当然TTCACHED的诞生时间要比MONGODB早，所以在生产环境下的成功案例也相对多一些。 下面列了一下使用过程中的小问题，仅作记录： TokyoTyrant的使用问题：尽量不要在查询的列表中使用排序操作，因为它的排序效率还不如数据库高。尽量使用索引进行查询 键值操作。2000w记录以下查询效率很高，但更高的数据量上目前没做过压力测试（包括CRUD操作） Mongodb：尽量使用_ID做为查询键值操作，包括排序等，对索引进行优化（单列或多列进行索引）。
http://www.cnblogs.com/daizhj/archive/2010/07/20/1781140.html
BLOG: http://daizhj.cnblogs.com/
作者:daizhj,代震军
看了哪些风景，遇到哪些人。尽管同学说，去旅行不在于记忆，
