757 lines
33 KiB
Markdown
757 lines
33 KiB
Markdown
# 15 | 流量隔离：MySQL数据库隔离是怎么做的？
|
||
|
||
你好，我是高楼。
|
||
|
||
这节课，我们详细讲讲怎样基于微服务技术进行 MySQL 数据库隔离的落地。
|
||
|
||
对线上压测来说，最重要的环节就是**流量隔离**了，而这其中最核心的又是**数据库隔离**，只有识别并隔离正式流量与压测流量才能避免产生**脏数据**。
|
||
|
||
## 为什么要做数据库隔离？
|
||
|
||
**为什么做数据库隔离呢？**我给你举个例子。记得几年前，我当时所在的公司做线上压测。当时团队并没有做数据库隔离，而是直接在线上生产库进行压测，导致产生了很多脏数据。结果花费了很长时间去清理数据，但最终也没有完全清理干净，它不仅污染了生产数据还对线上业务产生了不好的影响，影响了用户体验。**所以说做线上压测，数据库隔离是必须做的一个环节**。
|
||
|
||
当然了，如果你的公司不差钱，也可以直接隔离出一套线下1:1镜像环境做压测。但是大部分公司并没有这么“土豪”，还得使用目前的生产坏境做压测，那么数据库隔离技术就必不可少了。
|
||
|
||
首先，我梳理了一下目前业界对于数据库隔离的主要解决方案，以及它们的优缺点和适用场景。
|
||
|
||
|
||
|
||
我们可以看到，根据不同的项目情况，可以选择不同的技术方案，**这里最优、最安全的方案当然首推影子库**，具体的优缺点上面表格已经写得非常清楚了。
|
||
|
||
其实，上面这三种数据库隔离技术现在都已经很成熟了，要做到并不太难。但是出于各方面的原因，我们在网上很少看到过完整的技术解决方案，而有些公司把它们视作“独门秘方”，所以数据库隔离还远远谈不上普及。不过随着市场的发展，数据库隔离的面纱迟早会缓缓揭开。
|
||
|
||
对于我们这个电商项目，我选择采用影子库。因为数据偏移缺点很明显，不值得选择，而影子表代码修改量大，风险大不好控制。影子库呢，风险小，改动量小。综合权衡后，我们认为采用影子库性价比更高。
|
||
|
||
在进行影子库的改造之前，让我们先来看下目前项目的系统链路图。心中有链路图，才能知道在哪些地方改造。
|
||
|
||
|
||
|
||
上面是简单的链路图，你可以很清楚地知道，哪些服务与 MySQL 数据库有关系。为了方便你更直观地理解，我给你画了个思维导图。
|
||
|
||
|
||
|
||
有了链路图做指导，接下来就是修改各个模块，进行具体的代码改造工作了。为了减少风险，我们可以先写一个 demo 做分库实例演示。如果 demo 没问题，再修改一个线上实例做实验。验证完毕并权衡风险后，再同步其他服务，只有这样反复验证才能把改造风险降到最低。
|
||
|
||
## 影子库技术预演
|
||
|
||
在做影子库改造之前，需要调研可以用什么技术做，心中有思路才好下手实践。
|
||
|
||
### 准备工作
|
||
|
||
首先，打开开发工具（如 Idea）新建 SpringBoot 工程（说明：这里用什么工具与什么工程无所谓，只要达到分库的目的就行）。既然是分库工作，就需要在 MySQL 数据库中新建两个数据库，如下图：
|
||
|
||
|
||
|
||
新建数据库参考语句如下：
|
||
|
||
```sql
|
||
--正式库
|
||
CREATE SCHEMA `mall_master` DEFAULT CHARACTER SET utf8mb4 ;
|
||
--影子库
|
||
CREATE SCHEMA `mall_shadow` DEFAULT CHARACTER SET utf8mb4 ;
|
||
|
||
```
|
||
|
||
新建成功后如下图：
|
||
|
||
|
||
到这里，数据库就建完了，但是光有库没有表是不行的，所以需要在两个新的数据库中新建一样的表，参考语句如下：
|
||
|
||
```sql
|
||
DROP TABLE IF EXISTS `ums_admin`;
|
||
|
||
CREATE TABLE `ums_admin` (
|
||
`id` bigint(20) NOT NULL AUTO_INCREMENT,
|
||
`user_name` varchar(64) DEFAULT NULL COMMENT '用户名',
|
||
`pass_word` varchar(64) DEFAULT NULL COMMENT '密码',
|
||
`icon` varchar(500) DEFAULT NULL COMMENT ' Header 像',
|
||
`email` varchar(100) DEFAULT NULL COMMENT '邮箱',
|
||
`nick_name` varchar(200) DEFAULT NULL COMMENT '昵称',
|
||
`note` varchar(500) DEFAULT NULL COMMENT '备注信息',
|
||
`create_time` datetime DEFAULT NULL COMMENT '创建时间',
|
||
`login_time` datetime DEFAULT NULL COMMENT '最后登录时间',
|
||
`status` int(1) DEFAULT '1' COMMENT '帐号启用状态：0->禁用；1->启用',
|
||
PRIMARY KEY (`id`)
|
||
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT='管理员用户表';
|
||
|
||
```
|
||
|
||
打开项目，在 resources 目录下新建 application.yml文件，因为这次 demo 的目的是要使用两个数据源做数据库隔离，所以要配置两个数据源。你可以参考我给你提供的 application.yml 配置文件。
|
||
|
||
```yaml
|
||
spring:
|
||
datasource:
|
||
master: # 数据源1
|
||
url: jdbc:mysql://localhost:3306/mall_master?characterEncoding=utf8&useUnicode=true&useSSL=false&serverTimezone=GMT%2B8
|
||
username: root
|
||
password: lw123root
|
||
driver-class-name: com.mysql.cj.jdbc.Driver
|
||
type: com.alibaba.druid.pool.DruidDataSource
|
||
druid:
|
||
initialSize: 5
|
||
minIdle: 5
|
||
maxActive: 20
|
||
maxWait: 60000
|
||
timeBetweenEvictionRunsMillis: 60000
|
||
minEvictableIdleTimeMillis: 300000
|
||
validationQuery: SELECT 1 FROM DUAL
|
||
testWhileIdle: true
|
||
testOnBorrow: false
|
||
testOnReturn: false
|
||
poolPreparedStatements: true
|
||
# 配置监控统计拦截的filters，去掉后监控界面sql无法统计，'wall'用于防火墙
|
||
filters: stat,wall,log4j
|
||
maxPoolPreparedStatementPerConnectionSize: 20
|
||
useGlobalDataSourceStat: true
|
||
connectionProperties: druid.stat.mergeSql=true;druid.stat.slowSqlMillis=500
|
||
shadow: # 数据源2
|
||
url: jdbc:mysql://localhost:3306/mall_shadow?characterEncoding=utf8&useUnicode=true&useSSL=false&serverTimezone=GMT%2B8
|
||
username: root
|
||
password: lw123root
|
||
driver-class-name: com.mysql.cj.jdbc.Driver
|
||
type: com.alibaba.druid.pool.DruidDataSource
|
||
druid:
|
||
initialSize: 5
|
||
minIdle: 5
|
||
maxActive: 20
|
||
maxWait: 60000
|
||
timeBetweenEvictionRunsMillis: 60000
|
||
minEvictableIdleTimeMillis: 300000
|
||
validationQuery: SELECT 1 FROM DUAL
|
||
testWhileIdle: true
|
||
testOnBorrow: false
|
||
testOnReturn: false
|
||
poolPreparedStatements: true
|
||
# 配置监控统计拦截的filters，去掉后监控界面sql无法统计，'wall'用于防火墙
|
||
filters: stat,wall,log4j
|
||
maxPoolPreparedStatementPerConnectionSize: 20
|
||
useGlobalDataSourceStat: true
|
||
connectionProperties: druid.stat.mergeSql=true;druid.stat.slowSqlMillis=500
|
||
|
||
```
|
||
|
||
有了数据源配置文件，还需要读取配置文件的配置类。如果是单库实例数据源，用下面的代码读取数据源配置，项目就可以直接操作数据库了。
|
||
|
||
```java
|
||
@ConfigurationProperties(prefix = "spring.datasource")
|
||
@Bean
|
||
public DataSource druid() {
|
||
return new DruidDataSource();
|
||
}
|
||
|
||
```
|
||
|
||
但是如果是多库数据源，就不能按这个方式读取数据源了。那么应该怎么读取数据源呢？我们来仔细看一下下面的代码。
|
||
|
||
SpringBoot 在读取配置文件时，大量采用 @ConfigurationProperties 注解，从代码中可以得知，单个读取实例采用这一注解就可以读取到数据配置文件。
|
||
|
||
我们还可以通过查看源码知道，该注解带了一个 “prefix ”属性，可以使用该属性读取数据源。另外，为了区分数据源，可以给不同读取数据源取不同的方法名字。
|
||
|
||
|
||
|
||
你可以参考我的代码。
|
||
|
||
```java
|
||
package com.dunshan.data.config;
|
||
|
||
import com.alibaba.druid.pool.DruidDataSource;
|
||
import com.alibaba.druid.support.http.StatViewServlet;
|
||
import com.alibaba.druid.support.http.WebStatFilter;
|
||
import lombok.extern.log4j.Log4j2;
|
||
import org.springframework.boot.context.properties.ConfigurationProperties;
|
||
import org.springframework.boot.web.servlet.FilterRegistrationBean;
|
||
import org.springframework.boot.web.servlet.ServletRegistrationBean;
|
||
import org.springframework.context.annotation.Bean;
|
||
import org.springframework.context.annotation.Configuration;
|
||
import org.springframework.context.annotation.Primary;
|
||
import javax.sql.DataSource;
|
||
import java.util.HashMap;
|
||
import java.util.Map;
|
||
|
||
/**
|
||
* @author dunshan
|
||
* @description: 数据库配置文件
|
||
* @date 2021-08-15 11:01:31
|
||
*/
|
||
|
||
@Log4j2
|
||
@Configuration
|
||
public class DynamicDataSourceConfig {
|
||
|
||
/**
|
||
* 创建 shadow 数据源
|
||
*/
|
||
@Bean(name = "shadowDataSource")
|
||
@ConfigurationProperties(prefix = "spring.datasource.shadow")
|
||
public DataSource shadowDataSource() {
|
||
return new DruidDataSource();
|
||
}
|
||
|
||
/**
|
||
* 创建 master 数据源
|
||
*/
|
||
@Bean(name = "masterDataSource")
|
||
@ConfigurationProperties(prefix = "spring.datasource.master")
|
||
public DataSource masterDataSource() {
|
||
return new DruidDataSource();
|
||
}
|
||
|
||
}
|
||
|
||
```
|
||
|
||
数据源配置读取成功后，还得去思考怎么把数据源注入到上下文中，只有成功注入到上下文中才能使用该数据，操作数据库中的表。但是注入成功后，要根据什么切换数据源呢？
|
||
在切换数据源之前，我们先来回顾一下之前做的 demo。我们做 demo 是为了识别流量标记，那怎么产生流量标记呢？
|
||
|
||
我们只需要在 Http 请求中增加 Header 信息，业务层会根据 Header 信息判断特定标记来切换数据源，如 JMeter 中 HTTP Header Manager 就可以增加 Header 信息标记：
|
||
|
||
|
||
|
||
### 数据源上下文的实现
|
||
|
||
在目前的 Spring 开发中，多多少少都会涉及 AOP（Aspect-Oriented Programming：面向切面编程)，这里只用其中一个特性，大家慢慢往下看就知道了。
|
||
|
||
另外，在切换数据源中还需要使用一个技术就是 ThreadLocal。但是因为 ThreadLocal 有点缺陷，所以我们这个场景使用 TransmittableThreadLocal 做数据源保存对象信息。这个在 [第13讲](https://time.geekbang.org/column/article/444794)已经讲得很清楚了，我就不多赘述了。
|
||
|
||
动态数据源 TransmittableThreadLocal 的代码实现，你可以看看我给出的例子。
|
||
|
||
```java
|
||
package com.dunshan.data.config;
|
||
|
||
import com.alibaba.ttl.TransmittableThreadLocal;
|
||
import org.springframework.jdbc.datasource.lookup.AbstractRoutingDataSource;
|
||
import javax.sql.DataSource;
|
||
import java.util.Map;
|
||
|
||
/**
|
||
* @author dunshan
|
||
* @description: 动态数据源切换
|
||
* @date 2021-08-15 12:35:14
|
||
*/
|
||
public class DynamicDataSource extends AbstractRoutingDataSource {
|
||
|
||
private static final TransmittableThreadLocal<String> contextHolder = new TransmittableThreadLocal<>();
|
||
|
||
/**
|
||
* 配置DataSource, defaultTargetDataSource为主数据库
|
||
*/
|
||
public DynamicDataSource(DataSource defaultTargetDataSource, Map<Object, Object> targetDataSources) {
|
||
super.setDefaultTargetDataSource(defaultTargetDataSource);
|
||
super.setTargetDataSources(targetDataSources);
|
||
super.afterPropertiesSet();
|
||
}
|
||
|
||
@Override
|
||
protected Object determineCurrentLookupKey() {
|
||
return getDataSource();
|
||
}
|
||
|
||
public static void setDataSource(String dataSource) {
|
||
contextHolder.set(dataSource);
|
||
}
|
||
|
||
public static String getDataSource() {
|
||
return contextHolder.get();
|
||
}
|
||
|
||
public static void clearDataSource() {
|
||
contextHolder.remove();
|
||
}
|
||
}
|
||
|
||
|
||
```
|
||
|
||
接下来要把数据源注入上下文中，只有这样数据源才能在系统中灵活使用。
|
||
|
||
```java
|
||
/**
|
||
* 如果还有数据源,在这继续添加 DataSource Bean
|
||
*/
|
||
|
||
@Bean
|
||
@Primary
|
||
public DynamicDataSource dataSource(DataSource masterDataSource, DataSource shadowDataSource) {
|
||
Map<Object, Object> targetDataSources = new HashMap<>(2);
|
||
targetDataSources.put(DataSourceNames.SHADOW, shadowDataSource);
|
||
targetDataSources.put(DataSourceNames.MASTER, masterDataSource);
|
||
// 还有数据源,在targetDataSources中继续添加
|
||
log.info("DataSources:" + targetDataSources);
|
||
return new DynamicDataSource(masterDataSource, targetDataSources);
|
||
}
|
||
|
||
```
|
||
|
||
做好以上这些准备工作后，我们就可以开始实现具体的标记识别和数据库隔离动作了。
|
||
|
||
下面，我们主要做以下两种获取标记方案的技术预演：
|
||
|
||
* HttpRequest Header：从 HttpRequest Header 中获取标记，适合单服务、单一 HTTP 协议的场景；
|
||
* 数据上下文：从数据上下文对象中获取标记，**这是更为推荐的微服务标记透传方案**。
|
||
|
||
### 第一种：HttpRequest Header 方案
|
||
|
||
主要逻辑如下图所示：
|
||
|
||
|
||
|
||
数据源注入上下文后，刚才提到的 AOP 就派上用场了。这里你需要先学习 AOP 切面编程，使用切面编程拦截并获取 Header 信息。再结合 TransmittableThreadLocal 的特性进行数据源切换。
|
||
|
||
```java
|
||
package com.dunshan.data.config;
|
||
|
||
import lombok.extern.log4j.Log4j2;
|
||
import org.aspectj.lang.JoinPoint;
|
||
import org.aspectj.lang.annotation.Aspect;
|
||
import org.aspectj.lang.annotation.Before;
|
||
import org.aspectj.lang.annotation.Pointcut;
|
||
import org.springframework.stereotype.Component;
|
||
import org.springframework.web.context.request.RequestContextHolder;
|
||
import org.springframework.web.context.request.ServletRequestAttributes;
|
||
|
||
import javax.servlet.http.HttpServletRequest;
|
||
import java.util.Arrays;
|
||
|
||
/**
|
||
* @author dunshan
|
||
* @description: 数据源切换
|
||
* @date 2021-08-15 12:46:32
|
||
*/
|
||
|
||
@Log4j2
|
||
@Aspect
|
||
@Component
|
||
public class DataSourceAspect {
|
||
|
||
|
||
|
||
/**
|
||
* 切点: 所有配置 DataSource 注解的方法
|
||
*/
|
||
@Pointcut("execution(public * com.dunshan.data.controller..*.*(..))")
|
||
public void controllerAspect() {
|
||
}
|
||
|
||
// 请求method前打印内容
|
||
@Before(value = "controllerAspect()")
|
||
public void methodBefore(JoinPoint joinPoint) {
|
||
ServletRequestAttributes requestAttributes = (ServletRequestAttributes) RequestContextHolder
|
||
.getRequestAttributes();
|
||
HttpServletRequest request = requestAttributes.getRequest();
|
||
|
||
//获取 Header 标记
|
||
String header = request.getHeader("dunshan");
|
||
|
||
// 打印请求内容
|
||
log.info("===============请求内容===============");
|
||
log.info("请求地址:" + request.getRequestURL().toString());
|
||
log.info("请求方式:" + request.getMethod());
|
||
log.info("请求类方法:" + joinPoint.getSignature());
|
||
log.info("请求类方法参数:" + Arrays.toString(joinPoint.getArgs()));
|
||
log.info("请求类方法 Header 信息:" + header);
|
||
|
||
// 通过 Header 信息判断
|
||
if (header != null && header.equals("7DGroup")) {
|
||
DynamicDataSource.setDataSource(DataSourceNames.SHADOW);
|
||
} else {
|
||
DynamicDataSource.setDataSource(DataSourceNames.MASTER);
|
||
}
|
||
|
||
}
|
||
|
||
```
|
||
|
||
我们可以看到，这里根据 Header 信息中包含的关键字“7DGroup”做流量判断。
|
||
上面的技术预演工作已经包含了整个 demo 的关键部分，之后就要验证 demo 能不能运行成功了。如果能成功，就可以移植到目前的工程中去了。
|
||
|
||
* 结果验证
|
||
|
||
好了，我们这就来验证一下。
|
||
|
||
先验证数据源读取是否正常：启动工程，查看日志。
|
||
|
||
|
||
|
||
观察启动信息，标示两个数据源已经读取成功。好，接下来就要验证操作能不能成功了。
|
||
|
||
* 正式请求（未加标记的请求）
|
||
|
||
上面的代码已经修改完成了，下面我们要来验证一下是否修改成功。目前我们使用 JMeter 做验证工具，在 JMeter 中增加插入接口请求，并且写入下面数据：
|
||
|
||
|
||
|
||
在 body 中的“昵称”中写入“性能测试-我是正常流量”，请求成功显示如下：
|
||
|
||
|
||
|
||
为了验证是否插入成功，需要打开 MySQL 输入查询语句。在查询前，要先通过日志判断出要使用哪个数据库，这样才能查到结果。
|
||
|
||
|
||
|
||
上面的日志中， Header 信息为 null，根据早先的设计， Header 信息为 null 会走 master（正式库） 数据源 ，也就是 mall\_master 库。
|
||
|
||
接下来，打开数据库工具执行 SQL，验证数据是否已经插入成功。
|
||
|
||
```sql
|
||
SELECT * FROM mall_master.ums_admin;
|
||
|
||
```
|
||
|
||
|
||
|
||
从界面截图中可以看出，显示的数据与压力工具执行的数据一致。
|
||
|
||
* 压测请求（加标记的请求）
|
||
|
||
在 JMeter 中增加 HTTP Header Manager 组件，并且在 Header 信息增加如下标志，再次执行操作，验证数据是否进入压测数据库。如果成功，说明目前的 demo 是有效的。
|
||
|
||
|
||
|
||
打开 JMeter，在 View Results Tree 中查看结果。
|
||
|
||
|
||
|
||
在 SpringBoot 工程中查看请求日志，验证是否成功切换数据源，日志显示目前的标记为 7DGroup ，因而应该走 shadow（影子库）数据源，也就是数据源中的 mall\_shadow 库。
|
||
|
||
|
||
|
||
根据日志显示的信息，打开 mall\_shadow 数据库执行 SQL ，验证数据是否已经插入该数据库。
|
||
|
||
```sql
|
||
SELECT * FROM mall_shadow.ums_admin;
|
||
|
||
```
|
||
|
||
|
||
|
||
从上面的结果可以看出，目前的数据已经进入预期的数据库，也达成了 demo 技术预演目标。之前已经说过，只要 demo 能完成数据库切换，并且数据正常，那么就需要把目前的配置文件和相关类移植到正式系统中去，只有这样才能低风险完成系统改造。
|
||
|
||
### 第二种：数据上下文方案
|
||
|
||
在第一种方案中，最关键的一点是要通过 AOP 拦截切换，而我们下面这个方案，则是通过数据上下文切换获取压测标记和 AOP 切换数据源，其它的内容都是一样的。
|
||
|
||
在开始演示之前，我们先回顾一下上一讲提到过的方案图：
|
||
|
||
|
||
|
||
这里实现的核心逻辑图如下：
|
||
|
||
|
||
|
||
我们还是使用上一节课搭建的环境，如果忘了这个环境怎么搭，你可以到上一讲复习一下。
|
||
|
||
首先，启动项目，显示如下：
|
||
|
||
|
||
|
||
可以看到，Nacos 注册中心有网关、会员、购物车、订单服务。
|
||
|
||
|
||
|
||
在上一节课，我们已经把标记传入到了每个服务中，同时还存入了对应的数据上下文里，所以在这里，我们只要在业务层获取标记，判断是不是压测标记，然后做对应的数据源切换动作就可以了。
|
||
|
||
这里，我们打开上一节课的项目，在订单服务中的 application.yml 文件中添加双数据库链接，你可以参考下面的配置：
|
||
|
||
```yaml
|
||
spring:
|
||
datasource:
|
||
master: # 数据源1
|
||
username: root
|
||
password: dunshan123root
|
||
url: jdbc:mysql://localhost:3306/mall_master?useUnicode=true&characterEncoding=UTF-8&useJDBCCompliantTimezoneShift=true&useLegacyDatetimeCode=false&serverTimezone=UTC&queryInterceptors=brave.mysql8.TracingQueryInterceptor&zipkinServiceName=mall_master
|
||
type: com.alibaba.druid.pool.DruidDataSource
|
||
druid:
|
||
initialSize: 5
|
||
minIdle: 5
|
||
maxActive: 20
|
||
maxWait: 60000
|
||
timeBetweenEvictionRunsMillis: 60000
|
||
minEvictableIdleTimeMillis: 300000
|
||
validationQuery: SELECT 1 FROM DUAL
|
||
testWhileIdle: true
|
||
testOnBorrow: false
|
||
testOnReturn: false
|
||
poolPreparedStatements: true
|
||
# 配置监控统计拦截的filters，去掉后监控界面sql无法统计，'wall'用于防火墙
|
||
filters: stat,wall,log4j
|
||
maxPoolPreparedStatementPerConnectionSize: 20
|
||
useGlobalDataSourceStat: true
|
||
connectionProperties: druid.stat.mergeSql=true;druid.stat.slowSqlMillis=500
|
||
shadow: # 数据源2
|
||
url: jdbc:mysql://localhost:3306/mall_shadow?useUnicode=true&characterEncoding=UTF-8&useJDBCCompliantTimezoneShift=true&useLegacyDatetimeCode=false&serverTimezone=UTC&queryInterceptors=brave.mysql8.TracingQueryInterceptor&zipkinServiceName=mall_shadow
|
||
username: root
|
||
password: dunshan123root
|
||
druid:
|
||
initial-size: 10 #连接池初始化大小
|
||
min-idle: 10 #最小空闲连接数
|
||
max-active: 20 #最大连接数
|
||
web-stat-filter:
|
||
exclusions: "*.js,*.gif,*.jpg,*.png,*.css,*.ico,/druid/*" #不统计这些请求数据
|
||
stat-view-servlet: #访问监控网页的登录用户名和密码
|
||
login-username: druid
|
||
login-password: druid
|
||
|
||
```
|
||
|
||
想想上节课我们讲的，应该在什么地方获取和设置标记。这样可以方便下一步操作。具体操作可以参考我在文稿中给出的截图。
|
||
|
||
|
||
|
||
简单解释下，这里我们添加了一个全局 Filter 拦截器，拦截全部请求，通过 BaggageField.getByName(“dunshan”) 获取透传标记，再把标记放入数据上下文中。
|
||
|
||
接下来，我们查看一下数据上下文类，这个类的主要目的是把压测标记保存到 TransmittableThreadLocal 中去。
|
||
|
||
```java
|
||
|
||
/**
|
||
* @author dunshan
|
||
* @description: 数据上下文
|
||
* @date 2021-11-18 23:12:10
|
||
*/
|
||
public class AppContext implements Serializable {
|
||
private static final TransmittableThreadLocal<AppContext> contextdunshan = new TransmittableThreadLocal<>();
|
||
private String flag;
|
||
public static AppContext getContext() {
|
||
return contextdunshan.get();
|
||
}
|
||
public static void setContext(AppContext context) {
|
||
contextdunshan.set(context);
|
||
}
|
||
public static void removeContext() {
|
||
contextdunshan.remove();
|
||
}
|
||
public String getFlag() {
|
||
return flag;
|
||
}
|
||
public void setFlag(String flag) {
|
||
this.flag = flag;
|
||
}
|
||
}
|
||
|
||
|
||
```
|
||
|
||
下一步还是使用 AOP 判断请求，这次，我们通过数据上下文获取标记来切换数据源链接，你可以参考我给出的代码：
|
||
|
||
```java
|
||
@Log4j2
|
||
@Component
|
||
@Aspect
|
||
public class AopMyDbSwitch {
|
||
/**
|
||
* 拦截入口下所有的 public方法
|
||
*/
|
||
@Pointcut("execution(public * com.dunshan.order.controller..*(..))")
|
||
public void pointCutAround() {
|
||
}
|
||
/**
|
||
*根据数据上下文切换数据源
|
||
*/
|
||
@Before(value = "pointCutAround()")
|
||
public void around(JoinPoint point) {
|
||
AppContext context = AppContext.getContext();
|
||
String flag = context.getFlag();
|
||
|
||
if (StringUtils.isNotEmpty(flag) && flag.equals(DataSourceNames.HEAD)) {
|
||
//影子库
|
||
MDC.put("dunshan", "shadow");
|
||
DynamicDataSource.setDataSource(DataSourceNames.SHADOW);
|
||
} else {
|
||
//正式库
|
||
MDC.put("dunshan", "produce");
|
||
DynamicDataSource.setDataSource(DataSourceNames.MASTER);
|
||
}
|
||
}
|
||
}
|
||
|
||
```
|
||
|
||
**注意：除了刚才所讲的这些不一样的地方以外，其他配置与第一种方案都是一样的。**
|
||
有上面的配置后，我们再查看一下数据库表是否做了区分。先看 mall\_master 中的 ums\_admin表，再看 mall\_shadow 中的 ums\_admin 表。
|
||
|
||
mall\_master 数据库中 ums\_admin 表显示一条内容为 master：
|
||
|
||
```sql
|
||
use mall_master;
|
||
select * from ums_admin;
|
||
|
||
```
|
||
|
||
|
||
|
||
mall\_shadow 数据库中的 ums\_admin 数据显示有一条记录包含 shadow：
|
||
|
||
```sql
|
||
use mall_shadow;
|
||
SELECT * FROM ums_admin;
|
||
|
||
```
|
||
|
||
|
||
|
||
数据库区分完毕后，我们再设计一个请求，用来模拟正式流量与压测流量查询这两个表，在会员系统中增加查询请求，参考如下：
|
||
|
||
```java
|
||
/**
|
||
* 查询用户信息
|
||
*
|
||
* @return
|
||
*/
|
||
@GetMapping("/admin/info")
|
||
public Object selectAdmin() {
|
||
return cartFeignClient.selectInfo();
|
||
}
|
||
|
||
```
|
||
|
||
链路调用关系为网关 -> 用户-> 购物车 -> 订单 -> 数据库。
|
||
这里我们还是使用 JMeter 模拟压测流量与正常流量，你可以参考我给出的请求信息。
|
||
|
||
* 不添加请求 Header 标记（正式请求）
|
||
|
||
|
||
|
||
* 添加请求 Header 标记（压测请求）
|
||
|
||
|
||
|
||
接下来，我们要验证结果是否跟预期想的一致。点击 JMeter 请求，在响应结果中查看结果。
|
||
|
||
* 不添加请求 Header 标记（正式请求）
|
||
|
||
|
||
|
||
* 添加请求 Header 标记（压测请求）
|
||
|
||
|
||
|
||
可以看到，数据已经按预期显示出来了。
|
||
|
||
我们再打开 Zipkin 连接跟踪，验证下链路追踪结果。
|
||
|
||
* 不添加请求 Header 标记（正式库）
|
||
|
||
|
||
|
||
* 添加请求 Header 标记（影子库）
|
||
|
||
|
||
|
||
Zipkin 链路全貌图为：
|
||
|
||
|
||
|
||
从上面的结果可以看出，目前的数据已经进入到了预期的数据库中，也达成了通过获取数据上下文切换数据库技术预演的目标。之前已经说过了，只要 demo 能完成数据库切换，并且数据正常，那么就可以把目前的配置文件和相关类移植到正式系统中去了。
|
||
|
||
## 系统改造
|
||
|
||
接下来我们就看看真实系统的改造。
|
||
|
||
首先对 mall-member（会员系统）进行改造。接下来我们快速把 demo 的类与配置移植到对应工程中去。
|
||
|
||
### 添加全局 Filter 过滤器
|
||
|
||
因为我们上一讲已经演示过在全局 Filter 中把标记加入到数据上下文中的逻辑，所以这里的改造就比较轻松了。我们可以快速在服务中添加全局 Filte 过滤器 。
|
||
|
||
|
||
|
||
### 配置 AOP 切面
|
||
|
||
然后，在 AOP 类中修改 Pointcut 类中的注解。需要注意修改中间的文本框，其它地方与 demo 中保持一致即可。
|
||
|
||
|
||
|
||
具体的代码你可以参考我给出的图片。
|
||
|
||
|
||
|
||
我们通过 AOP 拦截服务请求，实时判断数据上下文的标记类型，并存入设置对应的数据源上下文。
|
||
|
||
### 配置多数据源
|
||
|
||
AOP 配置类替换成功后，再把 application.yml 文件修改成多数据源，因为只有这样才能实现数据源切换。具体操作如下：
|
||
|
||
|
||
|
||
改造完成后，我们启动工程，验证数据库是否成功。因为这个工程比较复杂，所以还需要启动网关服务和认证服务，启动的数据库启动日志如下：
|
||
|
||
|
||
|
||
启动系统如下：
|
||
|
||
|
||
|
||
### 验证改造结果
|
||
|
||
打开接口文档，在 JMeter 中模拟注册用户接口，关于注册接口怎么开发，你可以参考《[高楼的性能工程实战课之脚本开发](https://mp.weixin.qq.com/s/KHGfK7DUbSBcNOF6J8mb6Q)》，验证 mall-member （会员系统）数据源是否切换成功。
|
||
|
||
* 压测请求（带 Header 标记）
|
||
|
||
脚本编写成功后，执行注册流程，执行成功后打开工程查看日志：
|
||
|
||
|
||
|
||
在我给出的日志截图中，7dTest005 是新注册的用户名。7DGroup 是 HTTP Header 标记，这是压测标记，带有它的数据都要进入 shadow（影子）数据库。
|
||
|
||
根据提示与配置信息，再到数据库中查询数据是否注册成功，仔细观察目前的用户名为7dTest005。执行 SQL 语句之前，先分析下目前执行的数据库是哪个？
|
||
|
||
上面的日志信息提示的是压测流量标记，找到数据源为 shadow，执行用户名 SQL 语句。检查一下日志中用户 7dTest005 是否已经注册成功。
|
||
|
||
```sql
|
||
select * from shadow.ums_member;
|
||
|
||
```
|
||
|
||
|
||
|
||
刚才讲的是带 Header 标记验证，我们根据 SQL 查询结果知道已经注册成功了。这说明流量带压测标记进入了影子库，下面我们再来验证不带标记是否也会正常进入正式库。
|
||
|
||
* 正常请求（无 Header 标记）
|
||
|
||
我们把注册脚本中的 Header 标记去掉，修改用户名执行脚本请求，成功后查看工程日志。如果没有Header 标记也能成功注册脚本，表示 mall-member 系统改造成功。
|
||
|
||
执行成功后查看日志：
|
||
|
||
|
||
|
||
从我给出的日志截图可以看出，目前流量正常，而且注册的用户名是 7dTest1188，根据代码可知目前走的数据源是 master（正式库）。执行用户 SQL，验证数据是否已经走入 master 数据库，
|
||
|
||
从下图执行结果可以看出，目前数据已经插入预期的数据库中。
|
||
|
||
```sql
|
||
select * from master.ums_member;
|
||
|
||
```
|
||
|
||
|
||
|
||
完成了上述一系列操作后，对 mall-member （会员系统）的改造就完成了。有了成功改造 mall-member 影子库的经验，我们就可以沿用这种方法落地改造到其他系统中去了。
|
||
|
||
## 总结
|
||
|
||
好了，我们今天就讲到这里了。在课程的最后，我再带你回顾一下课程内容。这节课，我们主要讲了落地 MySQL 数据库隔离的方法。
|
||
|
||
这里有几个要点希望你能记住：
|
||
|
||
1. 多数据源是实现影子库的基础；
|
||
|
||
2. 从数据上下文对象中获取标记，这是更为推荐的微服务标记透传方案；
|
||
|
||
3. AOP 结合 TransmittableThreadLocal 是实现数据源动态切换的好组合；
|
||
|
||
4. 从风险管控的角度，我建议你先做 demo 技术预演，再做单个系统改造，最后再同步其余系统。
|
||
|
||
|
||
可以说，在全链路压测中，**数据库隔离是最重要的一个改造环节了**。因为做得不到位，压测流量就会污染生产数据，导致的后果非常严重。这节课给出的影子库方案，是改造成本低，效果最好的一种方式。希望你能够充分地理解并用好它。
|
||
|
||
## 思考题
|
||
|
||
最后，我想请你思考几个问题：
|
||
|
||
1. 为什么说数据库隔离是全链路压测中改造的核心环节？
|
||
|
||
2. 除了我列出的这三种，你还有没有其他方式可以实现数据库隔离？
|
||
|
||
|
||
欢迎你在留言区和我交流讨论。当然，你也可以把这节课分享给你身边的朋友，或许可以碰撞出更多新的想法。我们下节课再见！
|
||
|