比如 a 服务需要从 b 服务获取几十万的数据处理后生成自己的业务数据，如果 b 服务直接从数据库中一次性查出来返回，对内存的压力就很大。
现在的方案是使用分页，每次最多 1 万条记录，获取一批处理一批，把整个业务处理的时间拉长了。
想知道还有没有更好的办法
现在的方案是使用分页，每次最多 1 万条记录，获取一批处理一批，把整个业务处理的时间拉长了。
想知道还有没有更好的办法
45 条回复 • 2024-10-24 13:04:54 +08:00
 |
1
ZGame 18 天前
1.内存压力大？一个作业才几十万数据。。 如果怕影响 a 库业务性能,直接给 a 库做一个从库,从从库里拉数据。
2.走 cdc 那种从日志里读取,这种时效性会好点。我是感觉没必要 |
 |
2
csys 18 天前 via Android
1.
b 服务把数据保存成文件 a 服务下载文件后进行处理 2. kafka/cdc |
 |
3
securityCoding 18 天前
单独落离线表，明令禁止直接从线上业务表捞数据
|
 |
4
ymz 18 天前
kafka
|
 |
5
m2276699 18 天前  1
数据源之间冗余
|
 |
6
xiaohupro 18 天前
时间线拉长应该是由于同步导致的吧，查一万处理一万。可以把查处来的数据立马丢给 Kafka 或者 Rabbit MQ 这类消息队列，A 服务监听队列，只要有数据就一直处理，这样应该会分批同步处理快一些。
|
 |
7
sagaxu 18 天前
这是两个步骤
1. b 服务从 db 获取几十万条数据 2. a 服务从 b 服务获取完整数据 第二个步骤在分页之后，从 1 次 rpc 变成几十次，内网 rpc 的开销是毫秒级的，几十次 rpc 增加几十毫秒，不会显著拉长处理时间。 那问题就出在第一步，db 端分页之后，几十次小量查询，开销远大于单次全量。这种情况就不建议分页，而是分批，b 服务一次查询分批读取，写入文件或者消息队列等暂存设施，返回给 a 的是数据的指向，a 自己再分批读取 |
 |
8
ymmud 18 天前
才几十万条，服务之间类似于流式处理直接拉过去就行了
|
 |
9
SmartTom 18 天前
a 服务直接做多数据源直连 b 服务数据库/doge
|
 |
10
povsister 18 天前 via iPhone
你这种 case 如果数据量持续上升，应该用 spark 这种离线作业，或者压根不应该拆分服务。
|
 |
11
Wh1t3zZ 18 天前
流式数据处理
|
 |
12
Plutooo 18 天前
把 B 服务当成直接从数据库查不也是存在一样的问题么，还是说担心 B 服务的内存占用
|
 |
13
landerwong99 18 天前
要么就离线近源处理，来个服务直接调 B 库的只读库，
要么就流式处理，使用 kafka 之类的。 |
 |
14
ZZ74 18 天前
搞那么麻烦干啥，导出文件写入共享目录，调用接口通知 喂 数据我放到 xx 目录下的 x 文件里了
|
 |
15
lifei6671 18 天前
一般情况下是通过下面方式实现的：
1 、建立只读线下备库，通过从库的方式从线上库实时同步数据，不能用于线上系统读，只能用于线下业务大批量读。 2 、建立只读从库，和主库实时同步，只能进行线上系统只读。 3 、通过 binlog 实时建立分析宽表，一般用来汇总各个业务方数据，建立大宽表，支持线下业务分析已经大批量查询等。 |
 |
16
kaf 18 天前
流格式数据
|
 |
17
8355 18 天前
有 id 能排序的话 传起始 id 过来就行了 where id > xx limit 10000 order by id asc
|
|
18
8355 18 天前
其实数据没这么大，我的的业务天天导入 300m 的 csv ，200w 左右。
只要不是一两百个字段带 text 的宽表数据 不会特别大的。 |
 |
19
fengpan567 18 天前
没条件搞数据同步服务的，直接让对方生成一个 csv 上传到 oss ，你每天去捞当天的文件同步就行了
|
 |
20
print1024 18 天前
如果数据库 id 是有序的话可以先排序，然后切分数据，如 1000 条一次，多线程处理，也就这样了，用中间件其实没太大必要
|
 |
21
cccssss 18 天前
直接读 b 库
不让读的话只能说又想马儿跑又不给马儿吃草 |
 |
22
InkAndBanner 18 天前
oss or 离线数仓，如果在线去拉的话 就算可行，ab 服务的 io 会不会被占满导致其他接口、服务不可用？
|
 |
23
bthulu 18 天前
获取一批处理一批, 怎么就把业务处理时间拉长了?
你一次获取, 不还是要处理这么多? |
 |
24
newaccount 18 天前
要么时间换空间，要么空间换时间
你这又嫌内存占用大又嫌处理时间长的 就算让 a 直接读 b 库，那内存占用无非是从 b 服务器转移到 a 服务器 |
 |
25
masterclock 18 天前
看看能不能让 a 不依赖 b ，数据分别进 a 、b 服务
如果 a 强依赖 b ，那就别微服务了，把 a 整合进 b ，或者 a 的这一部分功能整合到 b |
 |
26
kchenzhi 18 天前
这事我有经验。
1 、不要在 responseBody 里返回， 那样内存一定会爆。 2 、不要分页查询，两个原因：①不同分页的查询不在一个事务中，会有数据一致性的问题。②当查询到靠后的分页时，耗时直线上升，性能太差。 |
|
27
kchenzhi 18 天前
3 、如果能让 a 直接读库，那是一种解决方案。但如果 b 里有些处理逻辑比较复杂，那你得在 a 中重新实现一遍，重复工作量且代码冗余，不合适。
我们最终采取的方案是：访问数据源时使用游标，一行行读取数据后，通过 http outputstream ，用流式返回。 |
 |
28
GeekGao 18 天前
时间换空间：小批次分批执行
空间换时间：增加内存，大批量执行 中间方案：放在共享存储（例如 nfs ），mmap 读文件，增加消费者进程消费 |
 |
29
clf 18 天前
数据表做数据冗余吧。
|
 |
32
molicloud 18 天前
直接在 b 服务处理数据，再通知或调用 a 服务
|
 |
33
vacuitym 18 天前
定时生成文件给下载地址（这感觉很像对账单）
|
 |
34
asAnotherJack 18 天前
@kchenzhi #26 `当查询到靠后的分页时，耗时直线上升，性能太差。`
盲猜是不是用的 limit offset 做的分页 |
 |
36
notwaste 18 天前
b 服务查出来往 kafka 里面丢，a 服务消费处理
|
 |
37
macttt 18 天前
A 服务提交一个任务给 B 服务，B 服务收到任务后推送数据给 A 服务。两个服务之间的数据完备性检查，你可以使用类似于 TCP 传输的形式。A 服务不用管 B 服务怎么实现的，只需要接收数据就行了，B 服务则需要让 A 服务记录数据完整性的元数据。
|
 |
38
snickers 18 天前
不建议走接口 ，ETL 转换调度
|
 |
40
siweipancc 16 天前 via iPhone
不要分页，用游标依次写到队列里
|
|
41
kchenzhi 13 天前
@asAnotherJack
请问是这种方式吗：LIMIT row_count OFFSET offset 我们就是用这种， 仍然是直线上升哦， 每页 5000 行，翻到 1000 页后，对比起第一页的查询速度已经差了好几个数量级了。 请问是有什么优化技巧我没用上么？ |
|
42
asAnotherJack 13 天前
@kchenzhi #41 用 lastId + pageSize 的方式，where id > lastId order by id limit pageSize
|
|
43
kchenzhi 12 天前
@asAnotherJack 这个方案我们也用过， 可以是可以，但是有两个问题：
1 、对调用方有了一些入侵。 2 、多分页拉取的数据可能会跨事务，导致数据一致性被破坏。 所以最后选择的是游标查询加流式传输，一次查询解决问题。 |
 |
44
suolong00 11 天前
没人说用消息中间件吗，b 服务器使用多线程查询几十万的数据，写到消息队列中，a 去消费就行了，可以多线程插入
|
Select Language