CloudData是什么？

任何一个App都需要一个Server，我们认为，移动开发者（或组织）不应该把精力放在这些事情上面：

1. 搭建后端Server服务；
2. 编写后端Server代码；
3. 设计Server底层数据存储架构；
4. 关注Server的高可用、可扩展、负载均衡、高性能等诸多繁琐问题。

这些事情可能会耗掉你80%以上的时间和精力，结果服务可用性、稳定性、可扩展性等都可能不尽人意。

我们还认为，你应该把更多的精力聚焦在业务和App开发上面，这样不仅节约了时间和金钱，更重要的是你能把所有精力都放在业务本身上面，让你的应用在竞争中脱颖而出，领先竞争对手。

那么，说这么多，CloudData到底是什么鬼？

简单来讲就是针对App开发者提供的统一的后端对象数据存储服务，让用户不再关心Server端数据存储的问题，CloudData具有关系型、半结构化、json格式及单个对象具有事务性等特点，采用MongoDB 3作为存储系统，至于CloudData更多细节请参考MaxLeap CloudData相关文档。

CloudData架构非常的简单，从上往下看，包括API Server、数据访问逻辑处理层和底层数据存储层，下面，我们分别介绍三个模块的具体实现原理。

API Server

在API Server层面，我们的语言采用的是java，针对java，当前比较流行的方式可能是：选择一个web 框架，可能是spring mvc，使用java servlet，然后选择一款 java web 容器，可能是tomcat或者jetty等，但我们并没有采用这样方式，因为，在我们看来，这种方式有几个缺点：架构显得有些笨拙，每次启动都需要部署到java web 容器中，不够轻量、同步通信，并发上不去，性能较低。因此，通过综合考量，我们选择了vert.x web框架，vert.x 基于事件驱动、非阻塞通信机制，这意味着，只需要很少的线程就能应付大量的并发，同时它也更加的轻量，拥有更高的性能，启动vert.x web服务只需要几十毫秒到几百毫秒之间，使用也是异常的简单，只要你稍稍懂一点http协议及网络编程几乎可以说是零学习成本： 
nginx

server {

listen 80;

server_name 
static 
-test-47242.onmodulus.net;

root /mnt/app;

index index.html index.htm;

location / 
static 
/ {

try_files \$uri \$uri/ =404;

}

location /api/ {

proxy_pass http: 
//node-test-45750.onmodulus.net;

} 
}

HttpServer server = vertx.createHttpServer();
Router router = Router.router(vertx);

router.route("/index").handler(routingContext -> {
  HttpServerResponse response = routingContext.response();
  response.putHeader("content-type", "text/plain");
  // Write to the response and end it
  response.end("Hello World Maxleap!");
});

server.requestHandler(router::accept).listen(10086);

需要注意的是，vert.x web基于EventLoop单线程模式，所以，在写web服务的时候，不能写同步处理逻辑，否则会阻塞主线程，导致其他请求不能得到响应；另外，有异步编程经验的同学一定感受到这样的痛苦：callback方法泛滥成灾，大量的flatMap方法调用导致也导致代码的可读性差，除此之外，我们实在是找不到vert.x web框架的任何缺点。当然，这些缺点也并不是不可以避免，基于此，我们对vert.x web，稍稍加了一点东西，改变了一些实现策略：我们在逻辑处理阶段将异步变成同步，在框架后面，我们在变成异步，并且增加了对JAX-RS 部分规范支持，如果之前你觉得，基于vert.x web写rest接口还有一点点的学习成本，但现在基于我们改变之后的vert.x web写rest接口，你会发现跟以前并没有两样：

@GET
@Path(":className/:objectId")
public void get(RoutingContext context) {
  func(context, (ctx, cloudCode, appId, className, principal) -> {
    LASObject doc = lasDataEntityManager.get(appId, className, principal, new ObjectId(context.request().getParam("objectId")));
    if (doc == null) {
      ctx.response().end("{}");
    } else {
      ctx.response().end(MongoJsons.serialize(doc));
    }
  });
}

更多的API Server相关细节请参考Maxleap的开源BaaS系统实现 https://github.com/MaxLeap/MyBaaS

数据访问层

这一层包含了CloudData的核心逻辑实现，相对来讲，是CloudData设计中最复杂的一层，当然，仅仅只是相对，所有的逻辑处理都在这一层，而Pandora是其具体实现，所以，我们重点会讲一讲Pandora的设计思路

Pandora是古希腊神话中最美的女人，她充满诱惑，携带危险来到人间，当然，在我们看来，危险与诱惑跟美丽的女人无关，如果说美丽的人会让你身处危险之中，那就请让我万劫不复吧。

扯远了，Pandora是Maxleap统一数据访问层的实现，主要是针对mongo数据的操作，所以，不仅仅是用在CloudData中，在Maxleap中所有应用中，需要访问mongo数据库的都是通过Pandora来进行的,并且提供了异步和同步两种接口

Pandora主要实现了两种模式的数据访问，CloudData和NativeData。

Clouddata是Maxleap App数据的访问，凡是访问应用的数据，都是通过这个模块，CloudData数据的访问稍显复杂一些，包含Pointer、Relation等自定义数据结构的实现；数据ACL的实现；自定义操作指令如$relationTo等

NativeData是对mongo指令友好的封装，与mongo原生指令并没有两样。

Pandora最为核心的功能是实现了资源限制和数据库访问的路由策略，这对数据库进行平滑的动态扩展及迁移提供了可能性，当然，目前Maxleap也实现了这一点，当用户的应用因为数据量、访问量上升需要升级后台mongo数据库的时候，这一切都是无感知的，不会影响你的线上服务照常运行，当然，某些特殊情况下，可能需要短暂的停顿服务几分钟，并且仅仅是写停顿，读不受影响。

在Maxleap项目中，使用Pandora最大的好处是，开发人员无需关心后台mongo的架构，数据一致性、mongo服务升级降级等诸多繁琐问题，当然，你甚至连数据存储在那个mongo集群都不要知道，因为，使用Pandora我实在想不到你还需要了解数据存储在哪里的理由。

Clouddata数据存储架构设计

如果你对Baas有些许，如果你去Maxleap提供的服务有所了解，我想，你一定会关心Cloudapp后端数据存储架构是怎么设计的，成千过万的应用数据我们是怎么存储的、你的应用可用性问题、服务是否有足够的保障，接下来，我们正要介绍这一点。

先看一下业界某BaaS服务的Clouddata的设计：

在我们看来，这是一种糟糕的设计，如果我们没有理解错的话，所有的用户数据都在一个大集群里面，后端是一个大的sharded集群，所有的用户数据的访问都会经由一组mongos路由服务（毫无疑问，这绝对是一个风险，试想，如果mongos出了问题，整改后端数据存储就会down掉），当然，这并不是主要问题，主要问题在于：

1. 数据在一个庞大的集群中，出现问题的概率也会大很多，比如有10000个应用，那么出现问题的概率也会大10000倍，1个应用出现一次问题，那么整个服务都会因为某一个应用出现问题而受到影响。

2. 数据规模大了，运维困难，又如，如果mongo异常down掉，恢复时间绝对的是一个煎熬的过程，而这个时候，整个服务都不可用。

3. 稳定性较差，每一个应用都有可能发送令人恶心的指令，可能会导致资源抢占（比如最常见的情况是没有索引的查询，会引起热数据污染，结果集返回大量数据，抢占了网络带宽等），这个时候，整个集群都会受到影响，可能导致整个集群的吞吐量下降，反应到应用层面，可能就是大量应用请求短时间超时，读写失败

这是我们Maxleap其中的一台产品Mongo Server所表现的性能，当然，你可能会惊讶于数据在磁盘也能够拥有4000/s的吞吐量，当然，这一切得益于我们使用SSD硬盘所带来的效果。这张图也告诉我们，尽可能的小心你的查询，当服务器趋于吞吐平稳的时候，不要造成内存数据污染，但如果是所有的应用在一个大集群，这种情况将不可避免，因为，你永远都不会知道用户会写怎样的查询指令，而一旦有这样的指令，影响将会扩散到整个大集群其他的应用。

\4. 效率低下，需要更多的硬件成本，比如，当你的读写压力变大的时候，你不得不加新的机器去copy集群的全量数据，造成磁盘和内存的浪费，因为你应用的热数据在每一个mongo节点都有（当然，为什么我列在第四点，可能你觉得这并不重要，硬件从来都不是问题，更重要的是，你觉得，公司从来都不缺这点钱）

好了，是时候看看我们的CloudData的设计了，当然，也是极其的简单，遵循3个原则：

1. 用户资源隔离（毫无疑问，这点是最重要的）；
2. 动态可无限扩展（不管你有多少个库，1万还是100万）；
3. 分而治之。

基于以上3点，我们的设计是为每一个应用创建一个独立mongo集群，是不是太简单了，有木有，但是，我们认为这是最科学的，将大集群按照应用分解成小集群，大问题分解成小问题，以大化小，分而治之，不管在哪里，都是靠谱的，并且还特别有效，最近几年，火的不要不要的被广泛传播的软件架构方式‘微服务’不也是同样的道理么？当然，你可以说，微服务更倾向于‘单一职责’原理，当然，只要你高兴，随你怎么想。

也许，你可能会质疑这是否会浪费资源，因为，每个人都会有这样直观上的错觉，但是，事实上，不仅没有浪费资源，还会大大的节约资源，这一点，在上面已经讨论到，数据在一个大集群中，副本集越多，浪费的内存越多，磁盘越多。第二点，起一个mongo集群，并不会浪费多少内存。

当然更重要的是，我们并不是真正为每一个应用创建一个mongo集群，毕竟，这样做，很多时候并没有意义，因为，90%的应用可能并没有较高的访问量，50%的以上的应用，可能从来都不会被频繁访问。

所以，我们的策略是，当用户第一次注册Maxleap创建一个应用的时候，用户的数据放在一个默认的集群中，在Maxleap中，这个集群叫User Default Cluster，当你的用户有一定的访问量的时候（没有访问量也没有关系，只要你是我们的付费用户）我们会把你公司所有的应用部署在一个单独的mongo集群中，再往后，你应用访问量继续上升，我们就把你的应用在单独升级到一个mongo集群，当然，这一切的升级过程，都是平滑无缝的进行的，没有人能够感知的到，包括我们自己。

So，我们Maxleap CloudData是这样子的：

好了，关于Pandora及CloudData我们先简单介绍到这里，更多的细节我们到时候会专门拧一个细节出来讨论。

数据存储层

上面我们早已经知道，我们使用的Mongo作为Clouddata作为主要存储系统，更早之前，在我们mongo还在2.6之前，我们还使用了redis作为热数据缓存，但后来我mongo升级到3.0之后，变去掉了redis，所以，整个底层数据存储，就只剩下mongo，整个系统设计又进一步变得更加简单，之所以去掉redis，这不是我们所要讨论的重点，我们会在相关的文章中进行详细说明。

这里，我们重点介绍mongo的集群架构设计方案

集群特点：

• 每一个mongo集群都是一个复制集：1主1从1投票节点，还有一个备份节点（Norns-backup是我们自主实现的一个增量实时备份系统）
• 每一个mongo集群都在一个VPC网络里面
• 每一个mongo集群3个节点都在不同的可用区里面（不同的机房，机房是光纤直连，网络延迟大概咋500us）
• 部分mongo集群的数据存储在LVM上面
• 每一个mongo集群都使用SSD硬盘
• 每一个mongo集群我们都提供瞬时10倍以上的请求峰值

关于：中科研拓
深圳市中科研拓科技有限公司专注提供软件外包、app开发、智能硬件开发、O2O电商平台、手机应用程序、大数据系统、物联网项目等开发外包服务，十年研发经验，上百成功案例，中科院软件外包合作企业。通过IT技术实现创造客户和社会的价值，致力于为用户提供很好的软件解决方案。联系电话400-0316-532，邮箱sales@zhongkerd.com，网址www.zhongkerd.com