Discord简单介绍就是国外的YY，游戏玩家间可以用其聊天、文字、语音都可以，并支持游戏时实时语音。 目前Discord支持所有聊天记录的永久存储，目前Discord每天的消息数已经达到了100 亿。Discord是怎么做到的呢？

Discord的CTO分享了他们的经验，他提到了他们想要达到一个什么样的效果，又是如何围绕要达到的目标来进行技术选型和解决遇到的问题的。

Discord的增长速度及用户生成的内容超出了我们的预期。有了更多的用户，更多的聊天信息就会出现。7月，我们计划每天有4000万条消息，12月我们每天达到1亿条消息，截至2017年，我们每天数据量已经超过了1.2亿条。我们很早就决定永远保存所有聊天记录，这样用户就可以随时回来，在任何设备上都可以使用他们的数据。这大量的数据，其速度、大小都在不断增加，我们必须保证他们的可用性。我们该怎么做呢？答案就是Cassandra！

我们在做什么

Discord的原始版本是在2015年初的不到两个月内构建的。可以说，最快的迭代数据库之一是MongoDB。 Discord上的所有内容都存储在一个MongoDB副本集中，这是有意的，但我们还计划了一切，以便轻松迁移到新数据库（我们知道我们不会使用MongoDB分片，因为它使用起来很复杂而且不知道其稳定性）。这实际上是我们公司文化的一部分：快速实现产品功能去对产品进行试错，但始终通向更强大的解决方案。

这些消息存储在MongoDB集合中，在channel_id和created_at字段上具有单个复合索引。 2015年11月左右，我们存储了1亿条消息，此时我们开始看到预期出现的问题：数据和索引不再适合RAM，延迟开始变得不可预测。是时候迁移到更适合该任务的数据库了。

选择正确的合适数据库

在选择新数据库之前，我们必须了解读/写模式以及我们当前的解决方案会导致出现问题的原因。

很快就发现我们的读取非常随机，我们的读/写比率约为50/50。Discord 的语音聊天服务几乎不发送任何消息。这意味着他们每隔几天发一两条信息。在一年之内，这种服务器消息量在1000条以内。问题是，尽管这是一小部分消息，但它使向用户提供这些数据变得更加困难。比如只向用户返回50条消息会导致在磁盘上进行许多随机查找，从而导致磁盘缓存收回。Discord的私有文本聊天服务发送了相当多的消息，很容易达到每年10万到100万条消息。他们请求的数据通常只是最近产生的。问题是，由于这些服务器的成员通常不到100个，因此请求此数据的速度很低，不太可能位于磁盘缓存中。大型公共Discord服务器发送大量消息。他们有成千上万的会员每天发送数千封邮件，每年轻松收集数百万封邮件。他们几乎总是在获取过去一小时内发送的消息，并且他们经常获取这些消息。因此，这些数据通常位于磁盘缓存中。我们知道，在接下来的一年里，我们将为用户提供更多的随机阅读方式：查看过去30天内您提到的内容，然后跳到历史上的那个点，查看并跳到固定邮件，以及全文搜索。所有这些都意味着更多的随机读！

接着下来是我们系统的要求：

线性的可扩展性 - 我们不希望稍后重新考虑解决方案或手动重新分片数据。故障自动转移 - 我们喜欢在晚上睡觉，并尽可能地建立Discord自我修复功能。维护成本低 - 一旦我们设置它就应该工作。我们只需要在数据增长时添加更多节点。经过验证的工作（Proven to work） - 我们喜欢尝试新技术，但不是太新。可预测的性能 - 当我们的API响应时间第95百分位数超过80毫秒时，我们会发出警报。我们也不想在Redis或Memcached中缓存消息。存储方式不是blob（Not a blob store ） - 如果我们必须不断地反序列化blob并将其附加到Blob存储区中，那么每秒写入数千条消息将不会很好。开源 - 我们相信控制自己的命运，不想依赖第三方公司。

Cassandra是唯一满足我们所有要求的数据库。我们可以添加节点来扩展节点，它可以容忍节点丢失而不会对应用程序产生任何影响。 Netflix和Apple等大公司拥有数千个Cassandra节点。相关数据连续存储在磁盘上，提供最小的搜索并在群集周围轻松分发。它得到了DataStax的支持，但仍然是开源和社区驱动的。

做出选择后，我们需要证明我们选择的确是对的。

数据模型

将Cassandra为新手描述的最佳方式是它是KKV存储。两个K包括主键。第一个K是分区键，用于确定数据所在的节点以及磁盘上的位置。分区中包含多个行，分区中的行由第二个K标识，第二个K是集群key。群集key既充当分区中的主键，又充当行的排序方式。您可以将分区视为有序字典。结合这些属性可实现非常强大的数据建模。

你还记得我们之前使用channel_id和created_at在MongoDB中索引消息? channel_id成为分区键，因为所有查询都在一个通道上运行，但created_at没有成为一个很好的集群键，因为两个消息可以具有相同的创建时间。幸运的是，Discord上的每个ID实际上都是Snowflake算法生成的（按时间顺序排序），所以我们可以使用它们。主键变为（channel_id，message_id），其中message_id是Snowflake。这意味着在加载channel 时，我们可以准确地告诉Cassandra扫描消息的范围。

这是我们的消息表的简化模式（这省略了大约10列）

CREATE TABLE messages (  channel_id bigint,  message_id bigint,  author_id bigint,  content text,  PRIMARY KEY (channel_id, message_id)) WITH CLUSTERING ORDER BY (message_id DESC);

Cassandra的schemas 与关系数据库不同，它们的改变成本很低廉，并且不会对临时性能产生任何影响。我们得到了最好的blob存储和关系存储。

当我们开始将现有消息导入Cassandra时，我们立即在日志中看到警告，告诉我们分区的大小超过100MB。发生什么事了？！ Cassandra宣称它可以支持2GB分区！显然，仅仅因为它可以完成，它并不意味着它应该。在压缩，集群扩展等过程中，大型分区会对Cassandra造成很大的GC压力。拥有大分区也意味着其中的数据无法在群集中分布。很明显，我们必须以某种方式限制分区的大小，因为单个Discord通道可以存在多年并且不断增大。

我们决定按时间存储我们的消息。我们查看了Discord上最大的channel(频道)，并确定我们是否在一个存储桶中存储了大约10天的消息，我们可以轻松地保持在100MB以下。存储桶必须可以从message_id或时间戳中导出。

DISCORD_EPOCH = 1420070400000BUCKET_SIZE = 1000 * 60 * 60 * 24 * 10def make_bucket(snowflake):   if snowflake is None:       timestamp = int(time.time() * 1000) - DISCORD_EPOCH   else:       # When a Snowflake is created it contains the number of       # seconds since the DISCORD_EPOCH.       timestamp = snowflake_id >> 22   return int(timestamp / BUCKET_SIZE)  def make_buckets(start_id, end_id=None):   return range(make_bucket(start_id), make_bucket(end_id) + 1)

Cassandra分区键可以组合，因此我们的新主键变为（（channel_id，bucket），message_id）。

CREATE TABLE messages (   channel_id bigint,   bucket int,   message_id bigint,   author_id bigint,   content text,   PRIMARY KEY ((channel_id, bucket), message_id)) WITH CLUSTERING ORDER BY (message_id DESC);

为了查询频道中的最近消息，我们生成从当前时间到channel_id的桶范围（它也是Snowflake ID并且必须比第一条消息更旧）。然后我们依次查询分区，直到收集到足够的消息。这种方法的缺点是很少有活动的Discords必须查询多个桶以随时间收集足够的消息。在实践中，这被证明是好的，因为对于活动的Discords，通常在第一个分区中找到足够的消息，并且它们占大多数。

将消息导入Cassandra顺利进行，我们已准备好投入正式使用。

Dark Launch

Dark Launch是Fackbook使用的一种测试产品新功能的测试方法。

将新系统引入生产总是很可怕，所以尝试在不影响用户的情况下进行测试是个好主意。我们设置代码以对MongoDB和Cassandra进行双重读/写操作。 启动后我们立即开始在错误跟踪器中收到错误，告诉我们author_id为空。怎么会是null？这是一个必填字段！

最终一致性

Cassandra是一个AP数据库，这意味着它可以提供强大的可用性一致性，这是我们想要的。它是Cassandra中的read-before-write（读取更昂贵）的反模式，因此即使你只提供某些列，Cassandra所做的一切本质上都是一个upsert。您还可以写入任何节点，它将使用每列的“last write wins”语义来自动解决冲突。那我们会遇到坑么？

Example of edit/delete race condition

在用户同时编辑消息而另一个用户删除相同消息的情况下，我们最终得到的行缺少除主键和文本之外的所有数据，因为所有Cassandra写入都是upserts。处理此问题有两种可能的解决方案：

编辑消息时写回整个消息。这有可能恢复被删除的消息，并为并发写入其他列的冲突增加更多机会。弄清楚该消息是否是脏数据并从数据库中删除它。

我们选择了第二个选项，通过选择所需的列（在本例中为author_id）并删除消息（如果该列为NULL）来实现。

在解决这个问题时，我们注意到我们的写入效率非常低。由于Cassandra最终是一致的，它不能立即删除数据。它必须将删除复制到其他节点，即使其他节点暂时不可用也要执行此操作。 Cassandra通过将删除视为一种称为“墓碑”的写入形式来实现这一点。在阅读时，它只是跳过它遇到的墓碑。'墓碑' 在配置的时间内（默认为10天）存在，并且在该时间到期时会在执行压缩操作后被永久删除。

删除列或将NULL写入列里他们效果完全相同，他们都会生成墓碑。由于Cassandra中的所有写入都是upserts，这意味着即使在第一次写入NULL时，您也会生成一个逻辑删除。实际上，我们的整个消息Schema包含16列，但平均消息只设置了4个值。这样我们大部分时间都无缘无故地向Cassandra写了12个墓碑。解决方案很简单：只向Cassandra写入非空值。

性能

众所周知，Cassandra的写入速度比读取速度快，我们确实观察到了这一点。写入是亚毫秒，读取时间不到5毫秒。我们观察到这一点，无论访问什么数据，并且在一周的测试期间性能保持一致。没有什么令人惊讶的，和我们预期效果差不多。

Read/Write Latency via Datadog

为了实现快速、一致的读取性能，以下是在包含数百万条消息的通道中跳转到一年多前的消息的示例：

Jumping back one full year of chat

一个大惊喜

一切顺利，所以我们将其作为主要数据库推出，并在一周内逐步淘汰MongoDB。它继续完美地工作......大约6个月，直到有一天Cassandra反应变得很迟钝。

我们注意到Cassandra经常运行10秒“stop-the-world” GC，但我们不知道为什么。我们开始研究并找到一个耗时20秒的Discord频道。由于它是公开的，我们加入它看看情况。令我们惊讶的是，该频道只有一条消息。就在那一刻，很明显他们使用我们的API删除了数百万条消息，在频道中只留下了一条消息。

如果您一直在关注，您可能还记得Cassandra如何使用墓碑处理删除（在最终一致性中提到）。当用户加载此频道时，即使只有一条消息，Cassandra也必须有效地扫描数百万条消息（注：Cassandra读取到消息到再和墓碑里的Delete消息进行合并操作，如果墓碑里的Delete操作有成千上万那么他合并操作就会有点费时）逻辑删除（生成垃圾的速度比JVM可以收集的速度快）。

我们通过以下方式解决了这个问题：

我们将墓碑的寿命从10天缩短到2天，因为我们每天晚上在我们的消息集群上进行Cassandra修复（repair操作，他会进行压缩操作）。我们更改了查询代码以跟踪空存储桶并在将来的频道中避免使用它们。 这意味着，如果用户再次引发此查询，那么在最坏的情况下，Cassandra 将仅在最近的存储桶中进行扫描。未来

我们目前正在运行一个副本因子为 3 的 12 节点集群，并将根据需要继续添加新的 Cassandra 节点。 我们相信这将持续很长一段时间，但随着 Discord 的不断增长，在遥远的未来我们每天会存储数十亿条消息。 Netflix 和 Apple 运行着由数百个节点组成的集群，因此我们知道我们可以在一段时间内对此进行过多思考。 然而，我们希望对未来有一些想法。

短期：

将我们的消息集群从 Cassandra 2 升级到 Cassandra 3。Cassandra 3 具有新的存储格式，可以将存储大小减少 50% 以上。新版本的 Cassandra 更擅长在单个节点上处理更多数据。 目前我们在每个节点上存储了近 1TB 的压缩数据。 我们相信，通过将其增加到 2TB，我们可以安全地减少集群中的节点数量。

长期：

使用 Scylla 进行探索，这是一个用 C++ 编写的兼容 Cassandra 的数据库。 在正常操作期间，我们的 Cassandra 节点实际上并没有使用太多的 CPU，但是在非高峰时段，当我们运行修复（an anti-entropy process）时，它们会相当受 CPU 限制，并且持续时间随着自上次修复以来写入的数据量而增加。 Scylla 宣称修复时间显着缩短。构建一个系统，将未使用的频道归档到 Google Cloud Storage 上的Flat文件中，并按需加载它们。 我们想避免这样做，也不认为我们必须这样做。结论

自从我们进行转换以来已经过去了一年多，尽管“出人意料”，但它一帆风顺。我们从处理总量为1亿条消息到每天超过1.2亿条消息，性能和稳定性保持很好。由于该项目的成功，我们已将线上的数据移至Cassandra，这也取得了成功。后续我们将探讨如何使数十亿条消息可搜索。

来源：