现在还依稀记得去年双 11 在支付宝作战室，接近 0 点的时候，所有人都盯着值班室的秒级监控大盘。

当交易峰值曲线慢慢爬升，最后变得无比陡峭，值班室的同学都很激动，欢呼声伴随着爬升的曲线达到了顶峰，58.3 万笔/秒，也是新的交易峰值记录，但相比往年动辄翻一倍，涨 30%~40%，增长率还是小了很多。

2010 年双 11 的支付峰值是 2 万笔/分钟，到 2017 双 11 时变为了 25.6 万笔/秒，再到去年的 58.3 万笔/秒，是 2009 年第一次双 11 的一千多倍。

要抗住这么大的支付 TPS，蚂蚁做了很多顶层架构的设计和底层实现的优化，其中最为最核心的就是 LDC 架构。

LDC 的全称为：Logic Data Center，逻辑数据中心，之所以叫 LDC，是跟传统的 IDC(Internet Data Center)相比而提出来的概念。

IDC 相信大家都很清楚，就是物理的数据中心，说白了就是能够建站的物理机房。

LDC(逻辑数据中心)，核心架构思想就是不管你物理机房部署是怎样的，比如你可能有三个 IDC，分别在二个不同城市(常说的两地三中心)，在逻辑上是统一的，我逻辑上看成一个整体，统一协调调配。

为什么会出现 LDC

LDC 是为了解决什么问题?还得从架构的演进说起。之前讲过机房容灾设计的架构演进，我们用具体的应用推演一次。

先看如下图所示的单体应用架构，请求到网关接口，网关接口直接调应用或者服务，服务调存储层查询或写入数据，一竿子捅到底。

这种架构模式最大的风险是服务、存储都是单点的，访问容量和性能受限于存储和应用的容量和性能，容灾方面，一旦发生故障只能死等单点应用或存储的恢复。

后来工程师们开始对应用做水平拆分，对服务做垂直拆分。

水平拆分应该都很熟悉，就是加服务器，每台服务器都部署实例，垂直拆分就是把服务按域做拆分。

比如一个交易系统，有商户域、商品域、用户域、订单域等，拆分成多个微服务，服务解耦，服务可以独立发布，应用的复杂度会更高。

这个分布式架构解决了服务单点的问题，某台服务器宕机，服务还是可用的，但是存储层还是单点的，而且随着业务增长，扩容加的机器越多，大家发现查询写入效率耗时到一定阶段反倒是变慢了，分析发现存储层出现了性能瓶颈。

上面图只花了 2 台服务器连接数据库，真实分布式系统可能几十百来台，甚至上千台，如果都连一台 DB，连接数、锁争用等问题，SQL 性能变慢可想而知。

后来的事情大家也都知道，互联网公司开始纷纷做读写分离，把读请求和写请求分开。

读写分离这里面隐含了一个逻辑，那就是数据写入之后，不会立即被使用。

数据从写入到被立即使用有个时间差，等从库同步数据才会被读取，实际统计发现，常规的应用，90% 的数据确实在写入之后不会立即被使用，当然我这里说的立即的时间单位是 ms，一般同步延迟也就是几毫秒，不超过 10 ~20ms。

但是这个架构并没有解决写的问题，随着业务量的增长，写数据成为了瓶颈。分库分表应运而生，分库分表的中间件开始变得流行起来，现在基本成了中大型互联网公司的标配。

基本思想就是把数据按照指定维度拆分，比较常见的是 userId 维度，例如取 userId 的后 2 位，可以拆分成百库百表，也有的除以指定模数取余数，例如除以 64 取余，可以按余数范围 0-63 拆成 64 个库。

关于分库分表，很多人都知道有垂直拆分和水平拆分二种(上面说的垂直和水平是系统的拆分，这里指的是存储的)。

垂直拆分就是按照业务维度拆分，把同一个业务类型的表放到一个库，经常会按领域模型的概念拆分，比如订单库、用户库、商品库等。

水平拆分就是把大数据量的表(库)切分成很多个小数据量的表(库)，减小库和表的访问压力，可以和系统的水平垂直切分比一下：

为什么叫水平和垂直呢?其实很好理解，你想象一张用户表，里面放了很多字段，如下图：

那垂直拆分，就是垂直从中间划一刀，把蓝色的用户信息表和右边绿色的订单信息表拆分成 2 张表。库拆分成用户库和订单库。

水平拆分，就是水平划一刀，把数据量降低。

大家看到这，是不是以为问题都解决了，上面分库分表之后，如果应用层面扛得住，数据库层面的确能做到并发量到万这个级别。但是容量要再上一个数量级就有点困难了。

为什么呢?因为一个库实例是被所有应用共享的，也就是你每增加一台机器，数据库连接就会相应的增加一些，增量是至少机器设置的最小连接数。

为什么应用需要连接所有的数据库实例呢?

答：网关层的流量可能走到任何一台服务器，比如 A 用户的请求到服务器上了，这时服务器一定要有 A 这个用户 userId 分片的数据库连接，否则要么把流量路由走，要么执行失败。

分库分表只是解决了单库单表访问压力的问题，但是由于每一台服务器都同时连接所有的分库实例，到一定阶段是没发继续扩容的，因为库实例的连接数有瓶颈。

那数据库存在瓶颈怎么弄?

相信聪明的你们其实已经猜到了，那就是按 userId 分片在应用层就做隔离，在网关层流量路由的时候把指定 uid 分片的流量路由到指定应用单元执行，这个应用单元流量内部自消化，如下图：

比如 uid = 37487834，最后二位是 34 属于 00-49 范围，那用户流量直接路由到 00-49 这个应用分组，在这个单元内的完成所有数据交互的操作。

这样 uid 00-49 这个分组单元中的应用只用连 userId 00-49 分库的数据库，uid 50-99 分组单元的应用也是如此，数据库的连接数一下直接降一半，而且还可以拆分单元，现在是 2 个单元，最多可以拆分到 100 个单元。

这里我加重了单元这个词，因为这个是 LDC 中核心概念，下面重点说一下单元这个词的具体含义。

单元在蚂蚁有个名称叫做 Zone，Zone 内部署的是完整的服务。

例如，一个用户在一个 Zone 内可以完成一整套业务流程，流量不需要其他 Zone 来提供服务，拥有完成一整套服务的能力，在单个 Zone 就能完成一整套业务，是逻辑自包含的。

这样有什么好处?某个 Zone 如果出现故障，路由层直接把这个 Zone 流量转移到其他 Zone，接受这个 Zone 流量的其他几个 Zone 可以分摊流量，流量调拨很方便。

下面这张图是蚂蚁 Zone 按照地区和 userId 分片的部署架构示意图，做了一些简化，实际 Zone 部署单元会稍微复杂一点。

上面介绍的 Zone 是有能力完成 uid 维度的一整套业务流程的，应用互相依赖的服务都由本 Zone 提供，服务之间的调用都在本 Zone 内完成的。

但是聪明的你可以会想到一个问题，有的数据不能按照 userid 维度拆分，全局只有一份怎么搞，比如配置中心的数据，那是集中存储的，全局只有一份配置，配置后也是全局生效。

其实在蚂蚁内部，Zone 一共分为三种：

  • RZone：上面说的逻辑自包含的，业务系统整体部署的最小单元，能够按照userId维度拆分服务和库的都部署在 RZone 内。

  • GZone：是 Global Zone，听这个名字，也知道，GZone 的服务和库全局只会部署一份，一定是在某个机房的，异地也会部署，但是只是为了灾备，不会启用。

  • CZone：比较有意思，为什么会有 CZone，是为了解决 GZone 的弊端而产生的，跨城调用，因为距离原因耗时比较高，如果 GZone 的服务部署在上海，杭州机房的服务需要用到 GZone 部署的服务，只能跨城跨机房调用。

很可能一个服务有很多次 RPC 调用，这样耗时一定会很爆炸，那怎么弄?在城市与城市之间架起一座数据同步的桥梁，CZone 就是起到了桥梁的作用，负责把 GZone 的数据在城市之前同步，C 是 city 的意思。

也是因为前面我提到的“写读时间差现象”，写入 GZone 的数据，允许一定的延迟，同步 CZone 同步给其他 CZone。

作者：安琪拉

编辑：陶家龙

出处：转载自公众号安琪拉的博客(ID：guofuangela)