一次线上生产库的数据库迁移全流程复盘

京东技术 2025-04-11 11:34:07

一、现状梳理

本篇介绍了一次数据库迁移的完整方案。本次需要改造的系统为一个较为陈旧的技术栈系统，其中MongoDB作为核心数据存储中间件，承担着存储全部核心数据的重要任务。该系统目前的配置为1主1副本模式，涉及1个数据库和2张表，服务于7个不同的应用。尽管系统架构相对简单，但其在日常运营中发挥着不可或缺的作用。目前需要将MongoDB存储在其它介质中，如何能够保障在不影响线上使用的情况下，平滑切流到新库，是本文主要探讨的问题。

二、迁移方案

1、迁移节奏

整体节奏分为：

1）梳理范围，因为系统内不仅有mongo还同时有mysql数据源，需要梳理出使用mongo的所有业务范围

2）确定好原有的数据，应该存储在哪个介质中，确定好存储标准，需要能够cover住原有的所有业务，包括读写性能

3）对原有数据结构的DAO层进行改造

4）需要对数据进行双写并进行数据迁移

5）R2流量验证/测试回归/数据比对进行验证

6）切量：放量节奏

2、代码改造/数据异构

采用装饰器模式，统一控制双写逻辑（主写，辅写），统一控制切量逻辑，下线逻辑，抽取代码中原有的直接调用底层mongodb API的代码，将其不改业务逻辑的情况下迁移到Dao层。这样做的目的是为了后续做切流适配逻辑。不改逻辑及出入参的目的是为了避免对当前业务造成影响。

选用数据源的依据为

基于以上原则,我们选用JImKV(京东自研中间件)，Mysql和ES作为MongoDB的替换的数据源，数据源切换Dao层的改造方式如下:

3、存量数据迁移

考虑整体的数据量并不大单表300w，通过大数据离线表的方式效率并不高，通过代码更加的灵活，可以随时调整速度和范围存量数据分了两部分

1）已经审核通过，申请单不会在有任何变更，可以随时迁移，比对

2）申请单处于过程中的数据，数据随时会变更。凌晨迁移，打开双写

4、增量数据同步

创建申请单和更新不包含状态字段时的操作

先写mongo再写mysql，以mongo写入成功为准，写mysql失败，mq异步补偿

三、上线三板斧(灰度/监控/回滚)

本章节主要探讨在进行数据迁移和代码改造这些基础工作完成之后，如何保障上线没有线上问题，如何保障平滑切流和听写，工作主要聚焦于上线三板斧，可灰度，可回滚，可监控等方面，具体工作如下:

1、可监控(数据对比读逻辑)

增量数据比对

双写数据完成后发送MQ，消息里面查询新库，老库的数据进行实时比对，不一致数据记录不一致字段，关键字业务报警，写入日志文件，导出分析

存量数据比对

遍历全量老库数据，与新库查出数据，转换成相同对象对比数据一致性，异常数据写入日志文件分析

2、可监控(对比读逻辑)

对比逻辑，引入R2流量回放对比，提高对比速度

3、可灰度(灰度切量读)

读切流，按照供应商和采销白名单+百分比来切流

切流时，由于需要根据pin对流量分散，但是不在同一线程内，使用threadlocal对商户信息进行设置和读取

4、可回滚(灰度切量写)

写切流分为四步

1）首先验证写新库没问题相当于对新加代码进行灰度如果有问题进行回切

2）当验证写新库没问题，需要补齐数据库数据

3）当数据补齐后转换为主写新库

4）后续如果读写新库都没问题可以彻底下线旧库存

四、总结

本文详细梳理了线上生产环境的全流程，包括迁移和切换的灰度方案对比。在数据源选型方面，根据实际业务需求选择合适的中间件是整个工作的基石。在代码改造和数据异构方面，选择恰当的设计模式和合理的架构方案是关键所在。存量数据迁移和增量数据同步是不可或缺的步骤。上线过程中，确保系统具备可监控、可回滚和可灰度的能力，是实现平滑切换的保障。

作者丨即时零售杨亚龙

来源丨公众号：京东技术（ID：jingdongjishu）

dbaplus社群欢迎广大技术人员投稿，投稿邮箱：editor@dbaplus.cn