大数据&云计算大数据下的用户中心如何设计
用户中心 ， 几乎是所有互联网公司 ， 必备的子系统 。 随着数据量不断增加 ， 吞吐量不断增大 ， 用户中心的架构 ， 该如何演进呢 。
什么是用户中心业务？
用户中心是一个通用业务 ， 主要提供用户注册、登录、信息查询与修改的服务 。
用户中心的数据结构是怎么样的？
用户中心的核心数据结构为：
User(uid, login_name, passwd, sex, age, nickname, …)
其中：
（1）uid为用户ID ， 为主键；
（2）login_name, passwd, sex 等是用户属性；
其系统架构又是怎么样的呢？
在业务初期 ， 单库单表 ， 配合用户中心微服务 ， 就能满足绝大部分业务需求 ， 其典型的架构为：
本文插图
（1）user-center：用户中心服务 ， 对调用者提供友好的RPC接口；
（2）user-db：对用户进行数据存储；
当数据量越来越大 ， 例如达到1亿注册量时 ， 会出现什么问题呢？
随着数据量越来越大 ， 单库无法承载所有的数据 ， 此时需要对数据库进行水平切分 。
常见的水平切分算法有“范围法”和“哈希法” 。
水平切分 ， 什么是范围法？
范围法 ， 以用户中心的业务主键uid为划分依据 ， 采用区间的方式 ， 将数据水平切分到两个数据库实例上去：
本文插图
【大数据&云计算大数据下的用户中心如何设计】（1）user-db1：存储0到1千万的uid数据；
（2）user-db2：存储1千万到2千万的uid数据；
范围法有什么优点？
（1）切分策略简单 ， 根据uid ， 按照范围 ， user-center很快能够定位到数据在哪个库上；
（2）扩容简单 ， 如果容量不够 ， 只要增加user-db3 ， 拓展2千万到3千万的uid即可；
范围法有什么缺点？
（1）uid必须要满足递增的特性；
（2）数据量不均 ， 新增的user-db3 ， 在初期的数据会比较少；
（3）请求量不均 ， 一般来说 ， 新注册的用户活跃度会比较高 ， 故user-db2往往会比user-db1负载要高 ， 导致服务器利用率不平衡；
画外音：数据库层面的负载均衡 ， 既要考虑数据量的均衡 ， 又要考虑负载的均衡 。
水平切分 ， 什么是哈希法？
哈希法 ， 也是以用户中心的业务主键uid为划分依据 ， 采用哈希的方式 ， 将数据水平切分到两个数据库实例上去：
本文插图
（1）user-db1：存储奇数的uid数据；
（2）user-db2：存储偶数的uid数据；
哈希法有什么优点？
（1）切分策略简单 ， 根据uid ， 按照hash ， user-center很快能够定位到数据在哪个库上；
（2）数据量均衡 ， 只要uid是随机的 ， 数据在各个库上的分布一定是均衡的；
（3）请求量均衡 ， 只要uid是随机的 ， 负载在各个库上的分布一定是均衡的；
画外音：如果采用分布式id生成器 ， id的生成 ， 一般都是随机的 。
哈希法有什么缺点？
（1）扩容麻烦 ， 如果容量不够 ， 要增加一个库 ， 重新hash可能会导致数据迁移；
用户中心架构 ， 实施了水平切分之后 ， 会带来什么新的问题呢？
使用uid来进行水平切分之后 ， 对于uid属性上的查询 ， 可以直接路由到库 ， 假设访问uid=124的数据 ， 取模后能够直接定位db-user1：
推荐阅读
- 金十数据|中国7月制造业交亮眼成绩单！上半年美国对华投资增长6%，好消息
- 金十数据|苹果欲向印转移6条生产线，印度手机市场混战：三星份额紧追小米
- 餐厅|大数据显示：二季度餐厅服务员求职环比上升超150%，快递员收入第一
- 美剧去哪看|状元们最后都干什么？权势巨子数据显示，3300名状元，最后只是……
- "飒"英雄!20岁女兵征服40吨远火车 巾帼不让秀媚
- 零售店|194年历史！美国最古老奢侈品百货店Lord&Taylor申请破产保护
- 中国天气网|哪些台风与“黑格比”相似，大数据看8月台风
- 新闻科技快报 华云数据用创新技术夯实中国信创“云基座”
- 问董秘|因为公司的发动机产品满足国六标准...，投资者提问：在公司营销数据和半年报中发现
- 天擎|海纳百川 风云际会——气象大数据云平台“天擎”