数据库编程大赛：一条SQL计算扑克牌24点
近期，GitHub全面升级到了MySQL 8.0。ITPUB特别邀请了NineData创始人、资深技术专家叶正盛老师，为大家解析GitHub历年数据库架构的发展历程，以及大型网站何时进行分库分表的改造。
Hello，各位朋友！今天，我们一起来回顾GitHub，这个被程序员亲切地戏称为“全球最大的男性交友网站”的平台，在过去十五年的数据库架构演进历程。
GitHub自2008年上线以来，已经演变成全球最大的开源软件托管平台。在这里，约有1亿名程序员在这里贡献代码、交流思想。这背后，GitHub根据业务发展需求完成了数据库架构的多次升级，让我们一探究竟。尤其是大家比较关注的大型网站何时做分库分表的改造。
2008年：单机的简约之始
最初，GitHub非常简单，仅仅使用了一个单机的MySQL 5.0数据库。应用开发语言是Ruby on Rails，这个也是当时非常流行的开发语言和框架。
2009年：迈向主备架构
单机的数据库肯定是不合格的，可靠性风险太高，到了2009年，随着业务发展，GitHub迈向MySQL的主备架构，并采用了基于数据块同步的DRBD软件来执行主备复制，硬件上则是两台配备了8核32G内存和15,000转的SAS机械硬盘的服务器。
2013年：性能提升与IDC搬迁
2011到2012年，GitHub将MySQL升级至5.1。
2013年，为了进一步增强数据库性能，GitHub执行了一次IDC搬迁，数据库硬件也得到了显著升级，尤其是采用了SSD固态硬盘和万兆网卡，这使得性能提升了一倍以上。期间，GitHub还进行了一次在线迁移，并宣布整个停机时间仅为13分钟，显示出了其在数据库管理上的高效能力。
细节上，GitHub通过进行大量历史数据清理，不仅节省了空间，并且提升了缓存的命中率。
这次升级后，GitHub的网页加载时间加快了一倍以上。
2015-2016年：MySQL5.6/5.7
到了2015年初，GitHub进一步迈向MySQL 5.6，并在2016年升级至5.7。由于5.6到5.7都属于小版本升级，所以操作过程比较简单。根据业务拆分了很多集群，中间使用了ProxySQL代理服务，整体都是读写分离的技术架构。
发布GHOST，创新地解决MySQLDDL锁表难题
MySQL表结构的变更往往会带来锁表问题。之前，通常使用Trigger（触发器）方案来解决。当时我在阿里巴巴集团工作时，对这个问题也非常关注，我们内部开发了一个名为MyDDL的软件。虽然我们考虑过通过解析binlog来减少服务器的影响，但由于技术难度，这个想法并未去实践。
2016年，GitHub推出了基于解析Binlog的GHOST（GitHub Online Schema Transformer）工具，实现了在线DDL的功能。这一解决方案现在在业界颇受欢迎，并且已经开源到了社区。
重磅：分库分表架构升级
到了2019年，根据GitHub的公开数据，数据库每秒有95万次请求，其中主库请求5万次/秒，从库达到90万次/秒，这是一个典型的“读多写少”的负载。随着业务不断增长，单纯的主备架构已无法满足需求。GitHub开始做分库分表的数据库架构升级，GitHub选择了海外流行的Vitess，一款YouTube内部使用并后来开源到社区的分库分表中间件，相当于分布式的数据库方案，为业务的持续快速发展提供了强有力的支持。
2020年，GitHub进一步升级了他们的缓存解决方案，将Redis缓存替换为分布式版本，并完全替换了原有的Memcached。
重大的跨版本升级：MySQL5.7至8.0
进入2023年，GitHub将MySQL的5.7版本全面升级至8.0版本。这次大版本跨越，非常复杂，官方博客中有非常详细的介绍。他们不仅要做到在线升级，还要制定相应的回滚方案，并设置了MySQL5.7到8.0，以及8.0回退到5.7的复制链路，以确保万无一失。
GitHub这套方案非常复杂，主要是为了确保能够实现在线升级，如果升级失败，还可以回滚到老MySQL5.7，官方透露中间也踩了很多坑，这个需要非常资深的DBA团队才能完成。
我本人在数据迁移这个领域工作了很多年，开发了NineData产品，可以帮助客户做在线的数据复制、数据库迁移升级、ETL等能力，NineData做在线数据迁移的原理是通过解析Log实现，同时支持双向复制，这样可以做到如果升级失败，还能一键完成数据回滚。
现如今，GitHub的总数据量约为300TB，使用了1200台数据库服务器，包括IDC主机和Azure云主机，反映了其云上和云下混合云架构的特点。
启发与总结
GitHub的数据库演进历程给我们丰富的启发：在业务初期，数据库架构尽量保持简洁，MySQL+Redis的数据库加缓存结构能够支撑到100万QPS左右，期间可以使用缓存、数据库读写分离、历史数据归档、业务垂直拆分、硬件升级等方案让数据库架构尽量保持简单。在按业务垂直拆分后，当超过了单机负载，就需要采取分库分表解决方案，这个升级会比较复杂，需要做好充分的业务改造预估以及SQL逻辑和性能的测试。GitHub选择的Vitess的分库分表中间件，国内也有很多解决方案，如PolarDB-X、TDSQL、SharedingSphere、TiDB和OceanBase等等，都是相对成熟的选择。
GitHub的发展历程不仅是互联网数据库技术演进的缩影，也是对那些面临数据库扩容、分库分表等挑战的公司的一个借鉴。希望这里的分享能给您带来些许启示。如果您觉得有所帮助，请不吝分享给您的同事和朋友。
作者介绍
叶正盛
玖章算术CEO，NineData创始人文章来源：https://www.toymoban.com/news/detail-773249.html
资深数据库专家，原阿里云数据库产品管理与解决方案部负责人，阿里巴巴去 IOE、异地多活、云计算多次技术变革核心成员，带领团队研发了阿里云数据传输DTS、数据管理DMS、数据库备份DBS、数据库自治DAS等产品。文章来源地址https://www.toymoban.com/news/detail-773249.html
到了这里，关于解剖“全球最大男性交友网站”，GitHub十五年数据库架构演进的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
