本文共 3510 字，大约阅读时间需要 11 分钟。
全文共3660字，预计学习时长10分钟
图源：unsplash
一名新员工最近在午餐时问笔者：“DigitalOcean的科技债务是什么样子的？”
听到这个问题，笔者忍不住笑了。软件工程师询问一家公司的科技债务相当于询问信用评分。这是他们衡量一家公司可疑的过去和他们要背负何种包袱的方式，我们对技术包袱并不陌生。
作为一家管理自己服务器和硬件的云提供商，我们面临着许多其他初创公司在云计算新时代没有遇到的复杂问题。这些艰难的处境最终使得我们不得不在生存初期做出权衡。任何一家快速发展的公司都知道，早期做出的技术决策往往会在日后赶上你。
看着桌子对面的新员工，笔者深吸了一口气，说到：“我来讲讲那个我们的数据库有1500个直接连接的时候的故事……”
笔者给新员工讲述的故事是DigitalOcean迄今为止最大规模的技术重建。全公司上下为其奋斗持续了多年，从中也学到不少。笔者希望这个故事将对处在棘手的技术债务难题的其他开发人员有所帮助。
一切从哪里开始
从一开始，DigitalOcean就痴迷于简洁。这是其核心价值观之一：力求简单而优雅的解决方案。这不仅适用于我们的产品，也适用于我们的技术决策。在最初的系统设计中，这一点再明显不过了。
像GitHub、Shopify和Airbnb一样，DigitalOcean在2011年开始作为Rails应用程序。Rails应用程序（内部称为Cloud）管理UI和公共API中的所有用户交互。帮助Rails的是两个Perl服务：Scheduler和DOBE（DigitalOcean后端）。
Scheduler计划并分配Droplet给管理程序，而DOBE负责创建实际的Droplet虚拟机。当Cloud和Scheduler作为独立服务运行时，DOBE在机队的每台服务器上运行。
Cloud、Scheduler和DOBE都不能直接交流。他们通过MySQL数据库进行通信。这个数据库有两个作用：存储数据和安排通信。这三个服务都使用一个数据库表作为消息队列来传递信息。
每当用户创建一个新的Droplet时，Cloud就会向队列中插入一个新的事件记录。Scheduler每秒连续调查数据库以查找新的Droplet事件，并计划在可用的管理程序上创建这些事件。
最后，每个DOBE事件将等待新的计划Droplet被创建并完成任务。为了使这些服务器可以检测到所有新改动，它们都需要调查数据库以查找表中的新记录。
在系统设计方面，无限循环和给每个服务器一个与数据库的直接连接，这可能是最基本的，很简单，而且很有效——特别是对于一个人手不足的技术团队来说，他们面临着紧迫的最后期限和快速增长的用户群。
四年来，数据库消息队列构成了DigitalOcean技术栈的主干。在此期间，我们采用了一种微服务体系结构，用gRPC替换了HTTPS作为内部通信量，用Golang代替Perl作为后端服务。然而，所有的路仍然通向那个MySQL数据库。
重要的是，不能仅仅因为某些东西是陈旧的，就认为它就是不正常的，应该被取代的。Bloomberg和IBM拥有用Fortran和COBOL编写的遗留服务，它们所产生的收入比整个公司多得多。另一方面，每个系统都有一个比例限制。我们需要面对。
从2012年到2016年，DigitalOcean的用户流量增长超过10000%。我们在产品目录中增加了更多的产品，在基础设施中增加了更多的服务。这增加了数据库消息队列上事件的进入量。
对Droplet的需求增加意味着Scheduler正在加班加点地将它们全部分配给服务器。不幸的是，对于Scheduler来说，可用服务器的数量并不固定。
为了跟上不断增长的Droplet需求，我们增加了越来越多的服务器来处理流量。每个新的管理程序意味着另一个到数据库的持久连接。到2016年初，该数据库拥有超过15000个直接连接，每个连接每1到5秒查询一次新事件。
如果这还不够糟糕的话，那么每个管理程序用来获取新的Droplet事件的SQL查询也变得越来越复杂。它已经变成了一个150多行的巨人，横跨18张表格。它既令人印象深刻，又岌岌可危，难以维持。
不出所料，就是在这个时期前后，裂缝显现。一个单一的故障点和数千个依赖项争夺共享资源，不可避免地导致了一段混乱的时期。表锁和查询积压导致中断和性能下降。
而且由于系统中的紧密耦合，没有一个明确或简单的解决方案。Cloud、Scheduler和DOBE都是瓶颈。仅修补一个或两个组件只会将负载转移到其余的瓶颈。于是，经过反复考虑，工程人员想出了一个三管齐下的整改方案：
· 减少数据库上的直接连接数。
· 重构调度器的排序算法以提高可用性。
· 解除其消息队列职责的数据库。
开始重构
为了解决数据库依赖性问题，DigitalOcean工程师创建了事件路由器。事件路由器充当区域代理，代表每个数据中心的每个DOBE实例轮询数据库。而不是成千上万的服务器每个查询数据库，将只有少数代理做查询。
每个事件路由器代理将获取特定区域中的所有活动事件，并将每个事件委托给相应的管理程序。事件路由器还将庞大的轮询查询分解得更小、更易于维护。
当事件路由器上线时，它将数据库连接的数量从15000多个锐减到不到100个。
接下来，工程师们将目光投向了下一个目标：Scheduler。如前所述，Scheduler是一个Perl脚本，用于确定管理程序将负责创建的Droplet。它通过使用一系列查询对服务器进行排名和排序来实现这一点。每当用户创建一个Droplet时，Scheduler就会用最好的机器更新表行。
虽然听起来很简单，但Scheduler有一些缺陷。它的逻辑很复杂，很难处理。它是单线程的，在流量高峰时性能会受到影响。最后，只有一个Scheduler实例而它必须服务于整个机队。这是一个不可避免的瓶颈。为了解决这些问题，工程团队创建了Scheduler V2。
更新后的Scheduler彻底修改了排名系统。它没有在数据库中查询服务器度量，而是从管理程序聚合并将其存储在自己的数据库中。此外，Scheduler团队通过并发和复制使他们的新服务可在负载下运行。
事件路由器和Scheduler V2都取得了巨大的成就，解决了许多体系结构的故障。即便如此，还是有一个明显的缺陷。到2017年初，集中式MySQL消息队列仍在使用中，甚至很繁忙。它每天处理多达40万条新记录，每秒更新20次。
不幸的是，删除数据库的消息队列并非易事。第一步是阻止服务直接访问它。数据库需要一个抽象层。它还需要一个API来聚合请求并代表它执行查询。如果任何服务想要创建一个新事件，它就需要通过API来创建。于是，Harpoon诞生了。
得到入股的时间比你想象的要长
但是，为事件队列构建接口是最简单的部分。事实证明，要得到其他团队的入股更加困难。与Harpoon集成意味着团队必须放弃对数据库的访问，重写部分代码库，并最终改变他们一直以来的工作方式。那并不容易。
一个团队接着一个团队，一个服务接着一个服务，Harpoon工程师成功地将整个代码库迁移到他们的新平台上。这花了大约一年时间，但到2017年底，Harpoon成为数据库消息队列的唯一发布者。
现在真正的工作开始了。完全控制事件系统意味着Harpoon可以自由地重新设计Droplet工作流。
Harpoon的第一个任务是将消息队列职责从数据库提取到自身中。为此，Harpoon创建了自己的内部消息传递队列，该队列由RabbitMQ和异步工作站组成。当Harpoon把新事件推到一边的队列中时，工作站把它们从另一边拉了出来。
由于RabbitMQ取代了数据库的队列，工作站可以自由地直接与Scheduler和事件路由器通信。因此，Harpoon没有使用Scheduler V2和Event Router轮询数据库中的新更改，而是直接将更新推送到数据库中。2019年撰写本文时，这就是Droplet事件体系结构所处的位置。
在过去的七年里，DigitalOcean已经从库乐队的根基成长为今天的老牌云提供商。与其他转型期科技公司一样，DigitalOcean定期处理遗留代码和科技债务。无论是打破整体，创建多区域服务，或消除单一故障点， DigitalOcean工程师始终致力于制定优雅和简单的解决方案。
一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）
转载地址：http://beyef.baihongyu.com/