【Python使用】嘿马头条完整开发md笔记第4篇：数据库,1 方案选择【附代码文档】-编程知识

嘿马头条项目从到完整开发笔记总结完整教程（附代码资料）主要内容讲述：课程简介，ToutiaoWeb虚拟机使用说明1 产品介绍,2 原型图与UI图,3 技术架构,4 开发,1 需求,2 注意事项。数据库，理解ORM1 简介,2 安装,3 数据库连接设置,4 模型类字段与选项,5 构建模型类映射。数据库，SQLAlchemy操作1 新增,2 查询,3 更新,4 删除,5 事务,1. 复制集与分布式。数据库，分布式ID1 方案选择,2 头条,1 理解索引,2 SQL查询优化,3 数据库优化。数据库，Redis1 Redis事务,2 Redis持久化,3 Redis高可用,4 Redis集群,5 用途,6 相关补充阅读。Git工用流，调试方法。OSS对象存储，七牛云存储。缓存，缓存架构缓存数据的类型,缓存数据的保存方式,有效期 TTL （Time to live),缓存淘汰 eviction。缓存，缓存问题1 缓存穿透,2 缓存雪崩,缓存设计,持久存储设计。APScheduler定时任务，定时修正统计数据1. 什么是RPC,2. 背景与用途,3. 概念说明,4. 优缺点,架构,使用方法。RPC，编写客户端。即时通讯，Socket.IO1 简介,2 Python服务器端开发,3 Python客户端。Elasticsearch，简介与原理概念,Elasticsearch 集群（cluster）,索引,类型和映射。Elasticsearch，文档。单元测试，部署相关数据库性能,缓存雪崩,缓存编写。缓存模式缓存的架构,缓存数据,缓存数据的有效期和淘汰策略,淘汰策略,头条项目缓存数据的设计。

全套笔记资料代码移步：前往gitee仓库查看

感兴趣的小伙伴可以自取哦，欢迎大家点赞转发~

全套教程部分目录：

部分文件图片：

数据库

数据库设计
SQLAlchemy
数据库理论
分布式ID
Redis

分布式ID

1 方案选择

UUID

UUID是通用唯一识别码（Universally Unique Identifier)的缩写，开放软件基金会(OSF)规范定义了包括网卡MAC地址、时间戳、名字空间（Namespace）、随机或伪随机数、时序等元素。利用这些元素来生成UUID。

UUID是由128位二进制组成，一般转换成十六进制，然后用String表示。

550e8400-e29b-41d4-a716-446655440000

UUID的优点:

通过本地生成，没有经过网络I/O，性能较快
无序，无法预测他的生成顺序。(当然这个也是他的缺点之一)

UUID的缺点:

128位二进制一般转换成36位的16进制，太长了只能用String存储，空间占用较多。
不能生成递增有序的数字
数据库主键自增

大家对于唯一标识最容易想到的就是主键自增，这个也是我们最常用的方法。例如我们有个订单服务，那么把订单id设置为主键自增即可。

单独数据库记录主键值
业务数据库分别设置不同的自增起始值和固定步长，如

第一台 start 1  step 9 第二台 start 2  step 9 第三台 start 3  step 9

优点:

简单方便，有序递增，方便排序和分页

缺点:

分库分表会带来问题，需要进行改造。
并发性能不高，受限于数据库的性能。
简单递增容易被其他人猜测利用，比如你有一个用户服务用的递增，那么其他人可以根据分析注册的用户ID来得到当天你的服务有多少人注册，从而就能猜测出你这个服务当前的一个大概状况。
数据库宕机服务不可用。
Redis

熟悉Redis的同学，应该知道在Redis中有两个命令Incr，IncrBy,因为Redis是单线程的所以能保证原子性。

优点：

性能比数据库好，能满足有序递增。

缺点：

由于redis是内存的KV数据库，即使有AOF和RDB，但是依然会存在数据丢失，有可能会造成ID重复。
依赖于redis，redis要是不稳定，会影响ID生成。
雪花算法-Snowflake

Snowflake是Twitter提出来的一个算法，其目的是生成一个64bit的整数:

snowflake

1bit:一般是符号位，不做处理
41bit:用来记录时间戳，这里可以记录69年，如果设置好起始时间比如今年是2018年，那么可以用到2089年，到时候怎么办？要是这个系统能用69年，我相信这个系统早都重构了好多次了。
10bit:10bit用来记录机器ID，总共可以记录1024台机器，一般用前5位代表数据中心，后面5位是某个数据中心的机器ID
12bit:循环位，用来对同一个毫秒之内产生不同的ID，12位可以最多记录4095个，也就是在同一个机器同一毫秒最多记录4095个，多余的需要进行等待下毫秒。

上面只是一个将64bit划分的标准，当然也不一定这么做，可以根据不同业务的具体场景来划分，比如下面给出一个业务场景：

服务目前QPS10万，预计几年之内会发展到百万。
当前机器三地部署，上海，北京，深圳都有。
当前机器10台左右，预计未来会增加至百台。

这个时候我们根据上面的场景可以再次合理的划分62bit,QPS几年之内会发展到百万，那么每毫秒就是千级的请求，目前10台机器那么每台机器承担百级的请求，为了保证扩展，后面的循环位可以限制到1024，也就是2^10，那么循环位10位就足够了。

机器三地部署我们可以用3bit总共8来表示机房位置，当前的机器10台，为了保证扩展到百台那么可以用7bit 128来表示，时间位依然是41bit,那么还剩下64-10-3-7-41-1 = 2bit,还剩下2bit可以用来进行扩展。

snowflake

时钟回拨

因为机器的原因会发生时间回拨，我们的雪花算法是强依赖我们的时间的，如果时间发生回拨，有可能会生成重复的ID，在我们上面的nextId中我们用当前时间和上一次的时间进行判断，如果当前时间小于上一次的时间那么肯定是发生了回拨，算法会直接抛出异常.

2 头条

使用雪花算法（代码 toutiao-backend/common/utils/snowflake)

# Twitter's Snowflake algorithm implementation which is used to generate distributed IDs.# import time
import loggingclass InvalidSystemClock(Exception):"""时钟回拨异常"""pass# 64位ID的划分WORKER_ID_BITS = 5
DATACENTER_ID_BITS = 5
SEQUENCE_BITS = 12# 最大取值计算MAX_WORKER_ID = -1 ^ (-1 << WORKER_ID_BITS)  # 2**5-1 0b11111
MAX_DATACENTER_ID = -1 ^ (-1 << DATACENTER_ID_BITS)# 移位偏移计算WOKER_ID_SHIFT = SEQUENCE_BITS
DATACENTER_ID_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS
TIMESTAMP_LEFT_SHIFT = SEQUENCE_BITS + WORKER_ID_BITS + DATACENTER_ID_BITS# 序号循环掩码SEQUENCE_MASK = -1 ^ (-1 << SEQUENCE_BITS)# Twitter元年时间戳TWEPOCH = 1288834974657logger = logging.getLogger('flask.app')class IdWorker(object):"""用于生成IDs"""def __init__(self, datacenter_id, worker_id, sequence=0):"""初始化:param datacenter_id: 数据中心（机器区域）ID:param worker_id: 机器ID:param sequence: 其实序号"""# sanity checkif worker_id > MAX_WORKER_ID or worker_id < 0:raise ValueError('worker_id值越界')if datacenter_id > MAX_DATACENTER_ID or datacenter_id < 0:raise ValueError('datacenter_id值越界')self.worker_id = worker_idself.datacenter_id = datacenter_idself.sequence = sequenceself.last_timestamp = -1  # 上次计算的时间戳def _gen_timestamp(self):"""生成整数时间戳:return:int timestamp"""return int(time.time() * 1000)def get_id(self):"""获取新ID:return:"""timestamp = self._gen_timestamp()# 时钟回拨if timestamp < self.last_timestamp:logging.error('clock is moving backwards. Rejecting requests until {}'.format(self.last_timestamp))raise InvalidSystemClockif timestamp == self.last_timestamp:self.sequence = (self.sequence + 1) & SEQUENCE_MASKif self.sequence == 0:timestamp = self._til_next_millis(self.last_timestamp)else:self.sequence = 0self.last_timestamp = timestampnew_id = ((timestamp - TWEPOCH) << TIMESTAMP_LEFT_SHIFT) | (self.datacenter_id << DATACENTER_ID_SHIFT) | \(self.worker_id << WOKER_ID_SHIFT) | self.sequencereturn new_iddef _til_next_millis(self, last_timestamp):"""等到下一毫秒"""timestamp = self._gen_timestamp()while timestamp <= last_timestamp:timestamp = self._gen_timestamp()return timestampif __name__ == '__main__':worker = IdWorker(1, 2, 0)print(worker.get_id())

数据库优化

数据库是Web应用至关重要的一个环节，其性能的优劣会影响整合Web应用，所以需要对数据库进化优化以提高使用性能。以下提供几点方法作为参考。

1 理解索引

数据库索引

2 SQL查询优化

避免全表扫描，应考虑在 where 及 order by 涉及的列上建立索引；
查询时使用select明确指明所要查询的字段，避免使用select *的操作；
SQL语句尽量大写，如

SELECT name FROM t WHERE id=1

对于小写的sql语句，通常数据库在解析sql语句时，通常会先转换成大写再执行。

尽量避免在 where 子句中使用!=或<>操作符， MySQL只有对以下操作符才使用索引：<，<=，=，>，>=，BETWEEN，IN，以及某些时候的LIKE；

SELECT id FROM t WHERE name LIKE ‘abc%’

对于模糊查询，如：

SELECT id FROM t WHERE name LIKE ‘%abc%’

或者

SELECT id FROM t WHERE name LIKE ‘%abc’

将导致全表扫描，应避免使用，若要提高效率，可以考虑全文检索；

遵循最左原则，在where子句中写查询条件时把索引字段放在前面，如

mobile为索引字段，name为非索引字段推荐SELECT ... FROM t WHERE mobile='13911111111' AND name='python'不推荐SELECT ... FROM t WHERE name='python' AND mobile='13911111111' 建立了复合索引 key(a, b, c)推荐SELECT ... FROM t WHERE a=... AND b=... AND c= ...SELECT ... FROM t WHERE a=... AND b=...SELECT ... FROM t WHERE a=...不推荐 (字段出现顺序不符合索引建立的顺序)SELECT ... FROM t WHERE b=... AND c=...SELECT ... FROM t WHERE b=... AND a=... AND c=......

能使用关联查询解决的尽量不要使用子查询，如

子查询SELECT article_id, title FROM t_article WHERE user_id IN (SELECT user_id FROM t_user  WHERE user_name IN ('itcast', 'itheima', 'python'))关联查询(推荐)SELECT b.article_id, b.title From t_user AS a INNER JOIN t_article AS b ON a.user_id=b.user_id WHERE a.user_name IN ('itcast', 'itheima', 'python');

能不使用关联查询的尽量不要使用关联查询；