一个完整的项目复盘到底要怎么做？

Posted 2023-04-28

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了一个完整的项目复盘到底要怎么做？相关的知识，希望对你有一定的参考价值。

复盘，是运营必不可少的能力，小到一次买菜的经历，大到百亿千亿的投资项目，都可以通过复盘来总结规律、提升水平。

简单说来，复盘可以达到的效果有两条：

优化弱项，强化强项

明确自己的价值，明确工作的价值

那么，复盘到底该怎么做呢？或者说，做好复盘有比较高效、实用的方法吗？有的。

以下内容来源于我工作中的思考，同时参考了柳传志的关于复盘的方法论，力图展现一个完整的、可实践的项目复盘流程。

复盘首先是要做的是事实陈述，一个有效的AAR(After Action Review)必须建立在“铁的事实”的基础上，如果现实难以陈述清楚，并取得一致，将导致复盘进展缓慢或无法深入下去。

一旦事实确定下来了，就开始诊断、分析存在差异的原因，找出导致成功或失败的根本原因后进行规律总结。明白为什么会成功、哪些关键行为起了作用、这些行为有没有适用条件，对于提高后续行动的成功率有没有价值。

一个完整的复盘。包括如下四个步骤：目标回顾、结果陈述、过程分析、规律总结。

彼此坦诚剖析，既不推卸责任，也不妄自菲薄，而是尽可能地呈现一个完整真实的项目流程。每个参与者都有平等的发言权，都能真实地表达想法。

要有专人控制时间和记录要点，开会最忌讳的就是不着边际地开得又臭又长，控制每个部分的时间很重要，另外记录要点也是一种会议成果的输出，有利于总结经验并开展下一步行动。

参考技术A

如何做好项目复盘?

1、什么是项目复盘?

项目复盘不只要对过去的工作进行回顾，还要找出问题及解决方案。项目复盘包括：

（1）情景回顾

（2）问题梳理

（3）寻找解决方法

（4）总结经验教训

（5）为组织过程资产添砖加瓦

2、什么时候复盘?

通常来说，我们会在一个项目结束之后进行复盘。但问题不会等到结束之后才出现，所以需要我们要以较高的频率进行复盘。

可以在项目出现问题的时候进行复盘，以找出解决方案;可以每天进行复盘，及时梳理，或选择在每周五、月末进行复盘;还可以在里程碑节点结束时复盘;敏捷项目则可以在每个迭代结束时进行复盘。

3、项目复盘做什么?

如果条件允许，可以进行项目全过程回顾，如大型的年度复盘;

如果没那么多时间，可进行关键阶段回顾，如里程碑节点复盘、某个问题的复盘。

无论是以上哪一种复盘，总结经验教训都是要点。包括团队方面的总结和个人方面的总结。

4、项目复盘需要谁参加?

建议参与过项目的人，还有承担着关键角色、从头到尾参与项目的人，都要参加。

（1）PM-项目经理

（2）Tech lead-技术负责人

（3）BA-需求分析

（4）QA-质量保证

（5）Dev-开发人员

（6）项目发起人及其他高管

（7）商务

不同的角色会有不同的视角，不同时期的人会对项目有不同程度的理解和输入，所以项目参与者很关键。

值得一提的是，客户也是项目重要的相关方，他的意见也很重要，要不要带客户复盘呢?

Ps:如果是敏捷项目，要带客户参与很关键;如果是传统项目，不要带，客户参与会导致真相沉底，大家没法表达出自己的真实想法。

5、项目复盘的步骤有哪些?

一般的复盘方法包括十步复盘法、GRAI复盘法等。但是，为了给大家节省时间以便加班，圈粉们已经总结出了一套可以让项目经理直接套用的步骤模板，总共分为8步。

项目复盘的步骤

（1）确认会议主题和范围

（2）明确与会人员和主持人

（3）准备好项目所需资料

（4）注重好的开场

（5）顺序研讨、深挖掘

（6）精彩收尾

（7）分享成果

（8）跟进实施&评估改善

是不是很明了?下次复盘的时候，直接套用这个步骤就可以了

6、复盘可以用哪些工具/软件?

（1）使用工具：看板

（2）思维导图：Mindmanager、X-mind等

（3）数字笔记本：Onenote

（4）项目管理软件：MS project、Jira

工具只是帮助，挑选出符合自己团队的使用习惯。复盘是个好方法，可以优化弱项、强化强项，还能明确自己的价值，明确工作的价值。

7、项目复盘的注意事项有哪些?

（1）对每个人的工作都客观评价

（2）问题要犀利、气氛要缓和

（3）选择精明能干的主持人——能够控制住秩序

（4）只讲干货——发生了什么?出现了什么问题?以后遇到了怎么解决?

（5）多开展自我批评

（6）多帮助人解决问题或指明方向

（7）会议时间控制在2-4小时以内

其实项目经理写日报、周报的时候，就是单次简单的复盘，通过每日、每周的反思、迭代，可以不断增加个人能力。

参考技术B

1、回顾活动目标

每一场活动在策划之前都需要明确本场活动的目标是什么？通过设定活动目标，一是体现了举办一场活动的价值，二是通过这些指标可以明确判断此次活动有没有达到预期值。

2、呈现活动结果

既然有活动目标，那么就要有结果将活动的数据具体体现出来。通过对比活动目标与活动结果，比如为什么参会者到达人数比预计少了500人，获取用户销售线索比预期少300个，现场成交额少了600万......

3、深入分析差异

当预期目标与实际效果没有进行匹配，我们就要思考，为什么会有差距？原因到底出现在哪里？利用拆分问题法去解决这个问题，将大问题拆解成小问题进行一一罗列，先从小问题入手。

4、制作复盘数据汇报

客观评论总结出自己活动出现所有的问题，寻找改正的方法，保证下一次会议不再出现类似问题。复盘其实就是一个学习和总结的过程，通过发现问题，解决问题，对现存在的方法不断进行优化迭代，保证每场会议都能高效完成指标。

这些内容都是来自于“百格说”公众号，如果想要更详细的了解关于复盘的知识，可以去关注一下。

参考技术C 每天10分钟，7天学会个人复盘精髓

朋友，好久不见！

为了写这篇文章，四爷是日坐愁城！

好，直说吧！

不迷信于厚厚一本书的个人复盘方法，看看四爷的方法，你完全可以复制。

真的假的？真的！

微信张小龙说：“极简方能不被超越”。

是的，四爷以为：“简洁的才是高效的。”

个人复盘本来就是一个需要变成习惯性的行为。过于复杂的方法论容易让你忘了箭靶——当初的原始目的，也就是所谓的初心。

有些伙伴对于个人复盘很有兴趣，并尝试行动，但是看过某些博士、专业作家的所谓系统化、理论化的理念，比如：个人复盘九步法，引导师等……好似没有这些就不能个人复盘，更不能称之为个人复盘。

其实，四爷认为再好的方法如果不能“为我所用”，那都跟你没有一点关系，简单说，没用！

透过现象看本质，规律性地找寻出得失，然后快速分析主要的原因1-3点即可，接下来找到相应的对应方法，下一步就是计划啦！

为什么有些伙伴说，个人复盘了，但是感觉作用不大呢？

抓本质，抓本质！

本质就是三个字——抓得失！

得失背后对应原因！

原因背后一定有对策，对策对应改进的策略和路径。

基于策略，制定行动计划，如此一个完整的个人复盘循环就完成了。

相信四爷，还是那句话，高效的方法往往都是简单的 -- 大道至简。

你想过吗，做成一件事的过程是什么？

就像把大象放进冰箱的步骤一样，开门-放进大象-关门。

就三步！

想要办成一件事无非是：目标-路径-资源。

事情完成，还是三件事：结果-得失-下一步！

从始至终，抓住主线，行动是贯穿成事儿的关键。

任何时候，我们都是为了更好的行动，所有的思考都是导向结果，结果必然与我们的初心有差距，差距是我们要比对“靶心”，以便于达到更好的下一次结果。

因此，个人复盘是为了改进，做的更好，不是找自己的“茬儿”，而是“发现亮点”，做的更好！

你要记住，行为是策略的反映。

说了那么多，具体怎么做呢？非常简洁的步骤。

1.拿出一张纸，写出下面的三个问题：

1）做这件事时，我当初的目的（初心）是？（对标）
2）达到预期了吗？为什么？对我的启发是？（Top3）
3）如果再来一次，如何做？关键举措/策略是？（行动计划）

就这么三步。

2.拿出第二张纸，扪心自问两个问题：

如果，你还想做的更细致一点，可以增加一步，包括：2个问题！

思考：在这个事情过程中，

1）我有哪些亮点？（找到核心的3个亮点），后续行动进行强化！
2）我的核心提升点？（找到1-3条即可），下一次如何规避？

OK，这是个人复盘中“扪心自问”的一个核心技巧！每一次个人复盘的过程中，都要问自己这个问题。

3.连续7天，每天10分钟，按照前两个步骤。

每天10分钟，连续7天，你就可以学会个人复盘的核心精髓。

记住，一定要先看亮点，而后再看启发，提升点！鼓足勇气，真正面对自己，对于亮点，开心的接受，强化正向行为，反馈到自己的脑海，做的更优秀！

记住，不要再用内容的个人复盘来逃避行为上驱动力的不足了。先提亮点，而后反思提升点，避免下一次继续掉坑！

第一次认真和自己对话，你变好的过程才会开始。这样的个人复盘，才有价值。

最后，再说个小技巧，复盘一定要“用纸写下来，用纸写下来，用纸写下来”。

学复盘，找四爷，我是仲四爷！参考技术D 主要包括，目标回顾、结果陈述、过程分析以及规律总结。

太完整了！一个亿级分库分表项目的实战全过程解析

分库分表的文章网上非常多，但是大多内容比较零散，以讲解知识点为主，没有完整地说明一个大表的切分、新架构设计、上线的完整过程。

因此，我结合去年做的一个大型分库分表项目，来复盘一下完整的分库分表从架构设计到发布上线的实战总结。

一、前言

为什么需要做分库分表？这个相信大家多少都有所了解。

海量数据的存储和访问成为了MySQL数据库的瓶颈问题，日益增长的业务数据，无疑对MySQL数据库造成了相当大的负载，同时对于系统的稳定性和扩展性提出很高的要求。

而且单台服务器的资源（CPU、磁盘、内存等）总是有限的，最终数据库所能承载的数据量、数据处理能力都将遭遇瓶颈。

目前来说一般有两种方案。

一种是更换存储，不使用MySQL，比如可以使用HBase、polarDB、TiDB等分布式存储；

如果出于各种原因考虑，还是想继续使用MySQL，一般会采用第二种方式，那就是分库分表。

文章开头就说了，网上分库分表文章很多，对知识点讲解比较多，因此，本文将不再过多赘述分库分表方案的范式处理。

而是专注于梳理分库分表从架构设计到发布上线的完整过程，同时总结其中的注意事项和最佳实践。包括五个部分：

业务重构
存储架构设计
改造和上线
稳定性保障
项目管理

尤其是各个阶段的最佳实践，都是血与泪凝聚的经验教训。

二、第一阶段：业务重构（可选）

对于微服务划分比较合理的分库分表行为，一般只需要关注存储架构的变化，或者只需要在个别应用上进行业务改造即可，一般不需要着重考虑“业务重构” 这一阶段，因此，这一阶段属于“可选”。

本次项目的第一大难点，在于业务重构。

而本次拆分项目涉及到的两张大表A和B，单表将近八千万的数据，是从单体应用时代遗留下来的，从一开始就没有很好的领域驱动/MSA架构设计，逻辑发散非常严重，到现在已经涉及50+个在线服务和20+个离线业务的的直接读写。

因此，如何保证业务改造的彻底性、全面性是重中之重，不能出现有遗漏的情况。

另外，表A 和表B 各自有二、三十个字段，两表的主键存在一一对应关系，因此，本次分库分表项目中，还需要将两个表进行重构融合，将多余/无用的字段剔除。

1、查询统计

在线业务通过分布式链路追踪系统进行查询，按照表名作为查询条件，然后按照服务维度进行聚合，找到所有相关服务，写一个文档记录相关团队和服务。

这里特别注意下，很多表不是只有在线应用在使用，很多离线算法和数据分析的业务也在使用，这里需要一并的梳理好，做好线下跨团队的沟通和调研工作，以免切换后影响正常的数据分析。

2、查询拆分与迁移

创建一个jar包，根据2.1的统计结果，与服务owner合作将服务中的相关查询都迁移到这个jar包中（本项目的jar包叫projected）。

此处为1.0.0-SNAPSHOT版本。

然后将原本服务内的xxxMapper.xxxMethod( ) 全部改成projectdb.xxxMethod( )进行调用。

这样做有两个好处：

方便做后续的查询拆分分析；
方便后续直接将jar包中的查询替换为改造后中台服务的rpc调用，业务方只需升级jar包版本，即可快速从sql调用改为rpc查询。

这一步实际花了几个月，务必梳理各个服务做全面的迁移，不能遗漏，否则可能会导致拆分分析不全面，遗漏了相关字段。

查询的迁移主要由于本次拆分项目涉及到的服务太多，需要收拢到一个jar包，更方便后期的改造。如果实际分库分表项目中仅仅涉及一两个服务的，这一步是可以不做的。

3、联合查询的拆分分析

根据上述收拢的jar包中的查询，结合实际情况将查询进行分类和判断，把一些历史遗留的问题，和已经废弃的字段做一些整理。

以下举一些思考点。

哪些查询是无法拆分的？例如分页（尽可能地改造，实在改不了只能以冗余列的形式）
哪些查询是可以业务上join拆分的？
哪些表/字段是可以融合的？
哪些字段需要冗余？
哪些字段可以直接废弃了？
根据业务具体场景和sql整体统计，识别关键的分表键。其余查询走搜索平台。

思考后得到一个查询改造总体思路和方案。

同时在本项目中需要将两张表融合为一张表，废弃冗余字段和无效字段。

4、新表设计

这一步基于2.3对于查询的拆分分析，得出旧表融合、冗余、废弃字段的结果，设计新表的字段。

产出新表设计结构后，必须发给各个相关业务方进行review，并保证所有业务方都通过该表的设计。有必要的话可以进行一次线下review。

如果新表的过程中，对部分字段进行了废弃，必须通知所有业务方进行确认。

对于新表的设计，除了字段的梳理，也需要根据具体查询，重新设计、优化索引。

5、第一次升级

新表设计完成后，先做一次jar包内sql查询的改造，将旧的字段全部更新为新表的字段。

此处为2.0.0-SNAPSHOT版本。

然后让所有服务升级jar包版本，以此来保证这些废弃字段确实是不使用了，新的表结构字段能够完全覆盖过去的业务场景。

特别注意的是，由于涉及服务众多，可以将服务按照非核心与核心区分，然后分批次上线，避免出现问题导致严重故障或者大范围回滚。

6、最佳实践

1）尽量不改变原表的字段名称

在做新表融合的时候，一开始只是简单归并表A 和表B的表，因此很多字段名相同的字段做了重命名。

后来字段精简过程中，删除了很多重复字段，但是没有将重命名的字段改回来。

导致后期上线的过程中，不可避免地需要业务方进行重构字段名。

因此，新表设计的时候，除非必不得已，不要修改原表的字段名称！

2)新表的索引需要仔细斟酌

新表的索引不能简单照搬旧表，而是需要根据查询拆分分析后，重新设计。

尤其是一些字段的融合后，可能可以归并一些索引，或者设计一些更高性能的索引。

7、本章小结

至此，分库分表的第一阶段告一段落。这一阶段所需时间，完全取决于具体业务，如果是一个历史包袱沉重的业务，那可能需要花费几个月甚至半年的时间才能完成。

这一阶段的完成质量非常重要，否则可能导致项目后期需要重建表结构、重新全量数据。

这里再次说明，对于微服务划分比较合理的服务，分库分表行为一般只需要关注存储架构的变化，或者只需要在个别应用上进行业务改造即可，一般不需要着重考虑“业务重构” 这一阶段。

三、第二阶段：存储架构设计（核心）

对于任何分库分表的项目，存储架构的设计都是最核心的部分！

1、整体架构

根据第一阶段整理的查询梳理结果，我们总结了这样的查询规律。

80%以上的查询都是通过或者带有字段pk1、字段pk2、字段pk3这三个维度进行查询的，其中pk1和pk2由于历史原因存在一一对应的关系；
20%的查询千奇百怪，包括模糊查询、其他字段查询等等。

因此，我们设计了如下的整体架构，引入了数据库中间件、数据同步工具、搜索引擎（阿里云opensearch/ES）等。

下文的论述都是围绕这个架构来展开的。

1） MySQL分表存储

MySQL分表的维度是根据查询拆分分析的结果确定的。

我们发现pk1pk2pk3可以覆盖80%以上的主要查询。让这些查询根据分表键直接走MySQL数据库即可。

原则上一般最多维护一个分表的全量数据，因为过多的全量数据会造成存储的浪费、数据同步的额外开销、更多的不稳定性、不易扩展等问题。

但是由于本项目pk1和pk3的查询语句都对实时性有比较高的要求，因此，维护了pk1和pk3作为分表键的两份全量数据。

而pk2和pk1由于历史原因，存在一一对应关系，可以仅保留一份映射表即可，只存储pk1和pk2两个字段。

2）搜索平台索引存储

搜索平台索引，可以覆盖剩余20%的零散查询。

这些查询往往不是根据分表键进行的，或者是带有模糊查询的要求。

对于搜索平台来说，一般不存储全量数据（尤其是一些大varchar字段），只存储主键和查询需要的索引字段，搜索得到结果后，根据主键去mysql存储中拿到需要的记录。

当然，从后期实践结果来看，这里还是需要做一些权衡的：

有些非索引字段，如果不是很大，也可以冗余进来，类似覆盖索引，避免多一次sql查询；
如果表结构比较简单，字段不大，甚至可以考虑全量存储，提高查询性能，降低mysql数据库的压力。

这里特别提示，搜索引擎和数据库之间同步是必然存在延迟的。所以对于根据分表id查询的语句，尽量保证直接查询数据库，这样不会带来一致性问题的隐患。

3）数据同步

一般新表和旧表直接可以采用数据同步或者双写的方式进行处理，两种方式有各自的优缺点。

太完整了！一个亿级分库分表项目的实战全过程解析

一般根据具体情况选择一种方式就行。

本次项目的具体同步关系见整体存储架构，包括了四个部分：

①旧表到新表全量主表的同步

一开始为了减少代码入侵、方便扩展，采用了数据同步的方式。而且由于业务过多，担心有未统计到的服务没有及时改造，所以数据同步能避免这些情况导致数据丢失。

但是在上线过程中发现，当延迟存在时，很多新写入的记录无法读到，对具体业务场景造成了比较严重的影响。（具体原因参考4.5.1的说明）

因此，为了满足应用对于实时性的要求，我们在数据同步的基础上，重新在3.0.0-SNAPSHOT版本中改造成了双写的形式。

②新表全量主表到全量副表的同步

③新表全量主表到映射表到同步

④新表全量主表到搜索引擎数据源的同步

②、③、④都是从新表全量主表到其他数据源的数据同步，因为没有强实时性的要求，因此，为了方便扩展，全部采用了数据同步的方式，没有进行更多的多写操作。

2、容量评估

在申请MySQL存储和搜索平台索引资源前，需要进行容量评估，包括存储容量和性能指标。

具体线上流量评估可以通过监控系统查看QPS，存储容量可以简单认为是线上各个表存储容量的和。

但是在全量同步过程中，我们发现需要的实际容量的需求会大于预估，具体可以看3.4.6的说明。

具体性能压测过程就不再赘述。

3、数据校验

从上文可以看到，在本次项目中，存在大量的业务改造，属于异构迁移。

从过去的一些分库分表项目来说，大多是同构/对等拆分，因此不会存在很多复杂逻辑，所以对于数据迁移的校验往往比较忽视。

在完全对等迁移的情况下，一般确实比较少出现问题。

但是，类似这样有比较多改造的异构迁移，校验绝对是重中之重！！

因此，必须对数据同步的结果做校验，保证业务逻辑改造正确、数据同步一致性正确。这一点非常非常重要。

在本次项目中，存在大量业务逻辑优化以及字段变动，所以我们单独做了一个校验服务，对数据的全量、增量进行校验。

过程中提前发现了许多数据同步、业务逻辑的不一致问题，给我们本次项目平稳上线提供了最重要的前提保障！！

4、最佳实践

1）分库分表引起的流量放大问题

在做容量评估的时候，需要关注一个重要问题。就是分表带来的查询流量放大。

这个流量放大有两方面的原因：

索引表的二次查询。比如根据pk2查询的，需要先通过pk2查询pk1，然后根据pk1查询返回结果；
in的分批查询。如果一个select...in...的查询，数据库中间件会根据分表键，将查询拆分落到对应的物理分表上，相当于原本的一次查询，放大为多次查询。（当然，数据库会将落在同一个分表的id作为一次批量查询，而这是不稳定的合并）

因此，我们需要注意：

业务层面尽量限制in查询数量，避免流量过于放大；
容量评估时，需要考虑这部分放大因素，做适当冗余，另外，后续会提到业务改造上线分批进行，保证可以及时扩容；
分64、128还是256张表有个合理预估，拆得越多，理论上会放大越多，因此不要无谓地分过多的表，根据业务规模做适当估计；
对于映射表的查询，由于存在明显的冷热数据，所以我们又在中间加了一层缓存，减少数据库的压力。

2）分表键的变更方案

本项目中，存在一种业务情况会变更字段pk3，但是pk3作为分表键，在数据库中间件中是不能修改的，因此，只能在中台中修改对pk3的更新逻辑，采用先删除、后添加的方式。

这里需要注意，删除和添加操作的事务原子性。当然，简单处理也可以通过日志的方式，进行告警和校准。

3）数据同步一致性问题

我们都知道，数据同步中一个关键点就是（消息）数据的顺序性，如果不能保证接受的数据和产生的数据的顺序严格一致，就有可能因为（消息）数据乱序带来数据覆盖，最终带来不一致问题。

我们自研的数据同步工具底层使用的消息队列是kakfa，，kafka对于消息的存储，只能做到局部有序性（具体来说是每一个partition的有序）。我们可以把同一主键的消息路由至同一分区，这样一致性一般可以保证。但是，如果存在一对多的关系，就无法保证每一行变更有序，见如下例子。

那么需要通过反查数据源获取最新数据保证一致性。

但是，反查也不是“银弹“，需要考虑两个问题。

如果消息变更来源于读写实例，而反查数据库是查只读实例，那就会存在读写实例延迟导致的数据不一致问题。因此，需要保证消息变更来源和反查数据库的实例是同一个；
反查对数据库会带来额外性能开销，需要仔细评估全量时候的影响。

4）数据实时性问题

延迟主要需要注意几方面的问题，并根据业务实际情况做评估和衡量。

数据同步平台的秒级延迟；
如果消息订阅和反查数据库都是落在只读实例上，那么除了上述数据同步平台的秒级延迟，还会有数据库主从同步的延迟；
宽表到搜索平台的秒级延迟。

只有能够满足业务场景的方案，才是合适的方案。

5）分表后存储容量优化

由于数据同步过程中，对于单表而言，不是严格按照递增插入的，因此会产生很多”存储空洞“，使得同步完后的存储总量远大于预估的容量。

因此，在新库申请的时候，存储容量多申请50%。

具体原因可以参考我的这篇文章

5、本章小结

至此，分库分表的第二阶段告一段落。

这一阶段踩了非常多的坑。

一方面是设计高可用、易扩展的存储架构。在项目进展过程中，也做了多次的修改与讨论，包括mysql数据冗余数量、搜索平台的索引设计、流量放大、分表键修改等问题。

另一方面是“数据同步”本身是一个非常复杂的操作，正如本章最佳实践中提及的实时性、一致性、一对多等问题，需要引起高度重视。

因此，更加依赖于数据校验对最终业务逻辑正确、数据同步正确的检验！

在完成这一阶段后，可以正式进入业务切换的阶段。需要注意的是，数据校验仍然会在下一阶段发挥关键性作用。

四、第三阶段：改造和上线（慎重）

前两个阶段完成后，开始业务切换流程，主要步骤如下：

中台服务采用单读双写的模式；
旧表往新表开着数据同步；
所有服务升级依赖的projectDB版本，上线RPC，如果出现问题，降版本即可回滚（上线成功后，单读新库，双写新旧库）；
检查监控确保没有中台服务以外的其他服务访问旧库旧表；
停止数据同步；
删除旧表。

1、查询改造

如何验证我们前两个阶段设计是否合理？能否完全覆盖查询的修改是一个前提条件。

当新表设计完毕后，就可以以新表为标准，修改老的查询。

以本项目为例，需要将旧的sql在新的中台服务中进行改造。

1）读查询的改造

可能查询会涉及以下几个方面：

根据查询条件，需要将pk1和pk2的inner join改为对应分表键的新表表名；
部分sql的废弃字段处理；
非分表键查询改为走搜索平台的查询，注意保证语义一致；
注意写单测避免低级错误，主要是DAO层面。

只有新表结构和存储架构能完全适应查询改造，才能认为前面的设计暂时没有问题。

当然，这里还有个前提条件，就是相关查询已经全部收拢，没有遗漏。

2) 写查询的改造

除了相关字段的更改以外，更重要的是，需要改造为旧表、新表的双写模式。

这里可能涉及到具体业务写入逻辑，本项目尤为复杂，需要改造过程中与业务方充分沟通，保证写入逻辑正确。

可以在双写上各加一个配置开关，方便切换。如果双写中发现新库写入有问题，可以快速关闭。

同时，双写过程中不关闭旧库到新库的数据同步。

为什么呢？主要还是由于我们项目的特殊性。由于我们涉及到几十个服务，为了降低风险，必须分批上线。因此，存在比较麻烦的中间态，一部分服务是老逻辑，一部分服务是新逻辑，必须保证中间态的数据正确性，具体见4.5.1的分析。

2、服务化改造

为什么需要新建一个服务来承载改造后的查询呢？

一方面是为了改造能够方便的升级与回滚切换，另一方面是为了将查询收拢，作为一个中台化的服务来提供相应的查询能力。

将改造后的新的查询放在服务中，然后jar包中的原本查询，全部替换成这个服务的client调用。

同时，升级jar包版本到3.0.0-SNAPSHOT。

3、服务分批上线

为了降低风险，需要安排从非核心服务到核心服务的分批上线。

注意，分批上线过程中，由于写服务往往是核心服务，所以安排在后面。可能出现非核心的读服务上线了，这时候会有读新表、写旧表的中间状态。

1）所有相关服务使用重构分支升级projectdb版本到3.0.0-SNAPSHOT并部署内网环境；

2）业务服务依赖于中台服务，需要订阅服务；

3）开重构分支（不要与正常迭代分支合并），部署内网，内网预计测试两周以上。

使用一个新的重构分支是为了在内网测试两周的时候，不影响业务正常迭代。每周更新的业务分支可以merge到重构分支上部署内网，然后外网使用业务分支merge到master上部署。

当然，如果从线上线下代码分支一致的角度，也可以重构分支和业务分支一起测试上线，对开发和测试的压力会较大。

4）分批上线过程中，如果碰到依赖冲突的问题，需要及时解决并及时更新到该文档中；

5）服务上线前，必须要求业务开发或者测试，明确评估具体api和风险点，做好回归。

这里再次提醒，上线完成后，请不要漏掉离线的数据分析业务！请不要漏掉离线的数据分析业务！请不要漏掉离线的数据分析业务！

4、旧表下线流程

1）检查监控确保没有中台服务以外的其他服务访问旧库旧表；

2）检查数据库上的sql审计，确保没有其他服务仍然读取旧表数据；

3）停止数据同步；

4）删除旧表。

5、最佳实践

1）写完立即读可能读不到

在分批上线过程中，遇到了写完立即读可能读不到的情况。由于业务众多，我们采用了分批上线的方式降低风险，存在一部分应用已经升级，一部分应用尚未升级的情况。未升级的服务仍然往旧表写数据，而升级后的应用会从新表读数据，当延迟存在时，很多新写入的记录无法读到，对具体业务场景造成了比较严重的影响。

延迟的原因主要有两个：

写服务还没有升级，还没有开始双写，还是写旧表，这时候会有读新表、写旧表的中间状态，新旧表存在同步延迟；
为了避免主库压力，新表数据是从旧表获取变更、然后反查旧表只读实例的数据进行同步的，主从库本身存在一定延迟。

解决方案一般有两种：

数据同步改为双写逻辑；
在读接口做补偿，如果新表查不到，到旧表再查一次。

2）数据库中间件唯一ID替换自增主键（划重点，敲黑板）

由于分表后，继续使用单表的自增主键，会导致全局主键冲突。因此，需要使用分布式唯一ID来代替自增主键。各种算法网上比较多，本项目采用的是数据库自增sequence生成方式。

数据库自增sequence的分布式ID生成器，是一个依赖Mysql的存在，它的基本原理是在Mysql中存入一个数值，每有一台机器去获取ID的时候，都会在当前ID上累加一定的数量比如说2000，然后把当前的值加上2000返回给服务器。这样每一台机器都可以继续重复此操作获得唯一id区间。

但是仅仅有全局唯一ID就大功告成了吗？显然不是，因为这里还会存在新旧表的id冲突问题。

因为服务比较多，为了降低风险需要分批上线。因此，存在一部分服务还是单写旧表的逻辑，一部分服务是双写的逻辑。

这样的状态中，旧表的id策略使用的是auto_increment。如果只有单向数据来往的话（旧表到新表），只需要给旧表的id预留一个区间段，sequence从一个较大的起始值开始就能避免冲突。

但该项目中，还有新表数据和旧表数据的双写，如果采用上述方案，较大的id写入到旧表，旧表的auto_increment将会被重置到该值，这样单写旧表的服务产生的递增id的记录必然会出现冲突。

所以这里交换了双方的区间段，旧库从较大的auto_increment起始值开始，新表选择的id（也就是sequence的范围）从大于旧表的最大记录的id开始递增，小于旧表auto_increment即将设置的起始值，很好的避免了id冲突问题。

①切换前

sequence的起始id设置为当前旧表的自增id大小，然后旧表的自增id需要改大，预留一段区间，给旧表的自增id继续使用，防止未升级业务写入旧表的数据同步到新库后产生id冲突。

②切换后

无需任何改造，断开数据同步即可。

③优点

只用一份代码；

切换可以使用开关进行，不用升级改造；

如果万一中途旧表的autoincrement被异常数据变大了，也不会造成什么问题。

④缺点

如果旧表写失败了，新表写成功了，需要日志辅助处理。

6、本章小结

完成旧表下线后，整个分库分表的改造就完成了。

在这个过程中，需要始终保持对线上业务的敬畏，仔细思考每个可能发生的问题，想好快速回滚方案（在三个阶段提到了projectdb的jar包版本迭代，从1.0.0-SNAPSHOT到3.0.0-SNAPSHOT，包含了每个阶段不同的变更，在不同阶段的分批上线的过程中，通过jar包版本的方式进行回滚，发挥了巨大作用），避免造成重大故障。

五、稳定性保障

这一章主要再次强调稳定性的保障手段。作为本次项目的重要目标之一，稳定性其实贯穿在整个项目周期内，基本上在上文各个环节都已经都有提到，每一个环节都要引起足够的重视，仔细设计和评估方案，做到心中有数，而不是靠天吃饭：