利用DynamoDB和S3结合gzip压缩，最大化存储玩家数据

前言

一些传统游戏架构中，采用MySQL存储玩家存档数据，利用分库分表分散单库单表的存储和性能压力，从而达到支持更多玩家的目的。随着数据量增长，数据表中varchar类型已经无法满足游戏中单字段的存储需求，而blob字段的应用对于这种架构下改造成本是最低的，因此一些游戏开始在最初设计的时候，数据库表结构就采用了Blob字段作为其玩家的游戏任务、道具等数据的存储。

Blob字段在MySQL 5.6 / 5.7中存在bug（MySQL Bugs: #96466），这个bug有概率导致数据库集群崩溃，造成数据丢失。即使在MySQL 8.0中，由于引擎本身设计的限制，在单表20GB以上，高频的更新就会导致数据库出现性能受限。并且随着表增大，性能问题会越来越明显。

随着当游戏业务爆发时增长的时候，传统关系型数据库在分库分表的时候，需要进行应用改造，同时存在一定的停机维护时间。而且这些扩展完成后，在游戏的夕阳期进行收缩也需要进行应用改造，这无疑对业务开发和基础运维的部门造成了很多额外的工作量。

DynamoDB在应用到这个场景上是非常适用的。在业务发展任意阶段，都可以实现0停机的扩展，自动伸缩的特性。而且这一切对于应用层是完全透明的。同时在日常运维中也可以贴合业务负载进行动态扩缩容，从而进一步降低成本。

概述

本文主要讲述在游戏场景下，根据DynamoDB的限制（每个项目都必须小于400KB），在限制下尽可能存储更多的数据和当存储量超出限制时，扩展存储的最大化利用空间。重点描述如何利用DynamoDB+S3保存玩家存档中的大数据量属性，避免数据存在S3上后，在数据写入S3时，发生读取到S3旧存档的情况。同时利用gzip压缩减少数据大小，减少IO的开销提升性能。

架构图

实战编码

目标

所有数据保存前都进行gzip压缩，读取后都用gzip解压。
S3存储和DynamoDB的binary字段存储可以自适应。如果用户数据压缩后如果大于指定的值则写入S3，否则直接保存到当前数据库项目中的字段。
DynamoDB项目读取的时候，解析解压后的字段，如果字符串以s3://开头，则继续从S3中获取数据
设置S3读锁字段，判断当前状态是否正在写入S3，以阻塞读进程。在每个项目需要写入S3前都会设置read_lock为Ture，S3写成功后则设置为False。读取记录后，read_lock是否为True，如果是判断被阻塞，进程会等待一段时间后进行重试，直到重试次数超出指定的值。重试超时后，读进程会认为写进程可能由于某种原因导致写永远无法成功，于是会将read_lock设置成False。

第一步：初始化环境参数

from time import sleep
import boto3
import gzip
import random
import json
import hashlib
import logging

# 写入S3的门槛，超过这个值数据会写入S3，否则保存在数据库内，默认值350KB
UPLOAD_TO_S3_THRESHOLD_BYTES = 358400
# 用户数据库保存的目标S3存储桶
USER_DATA_BUCKET = 'linyesh-user-data'
# 遇到S3有读锁，重新请求最大次数，超出次数限制锁会被自动清除
S3_READ_LOCK_RETRY_TIMES = 10
# 遇到S3有读锁，读请求重试间隔时间
S3_READ_RETRY_INTERVAL = 0.2

dynamodb = boto3.resource('dynamodb')
s3 = boto3.client('s3')
logging.basicConfig(level=logging.DEBUG, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
logger = logging.getLogger(__name__)

参数说明

UPLOAD_TO_S3_THRESHOLD_BYTES：为字段最大的数据存储长度限制。单位为：字节数。由于DynamoDB一个项目（Item）数据大小限制为400KB。我们除了数据存档中最大字段还必须预留一部分空间给其他字段，避免整个Item超出400KB。
USER_DATA_BUCKET：S3用于存储超出400KB后的玩家大字段数据。需要提前建好，具体步骤参考：创建存储桶
S3_READ_LOCK_RETRY_TIMES：限制当玩家在S3上的存档处在写入状态时候，读请求重试的次数。在项目处于读锁状态的时候，读进程会等待一段时间后重试。
S3_READ_RETRY_INTERVAL：读锁状态下，重试读的间隔时间，单位：秒。

注意：S3_READ_LOCK_RETRY_TIMES乘以S3_READ_RETRY_INTERVAL的时间理论上必须小于S3存档上传时间的最大值，因此实际使用本文中的代码应该根据存档可能的大小来调整这2个参数。否则可能存档会有大概率会发生脏读的情况。

第二步：创建DynamoDB表

def create_tables():
    """
    创建表
    :return:
    """
    response = dynamodb.create_table(
        TableName='players',
        KeySchema=[
            {
                'AttributeName': 'username',
                'KeyType': 'HASH'
            }
        ],
        AttributeDefinitions=[
            {
                'AttributeName': 'username',
                'AttributeType': 'S'
            }
        ],
        ProvisionedThroughput={
            'ReadCapacityUnits': 5,
            'WriteCapacityUnits': 5
        }
    )

    # Wait until the table exists.
    response.wait_until_exists()

    # Print out some data about the table.
    logger.debug(response.item_count)

第三步：编写辅助逻辑

指数级回退函数

def run_with_backoff(function, retries=5, **function_parameters):
    base_backoff = 0.1  # base 100ms backoff
    max_backoff = 10  # sleep for maximum 10 seconds
    tries = 0
    while True:
        try:
            return function(function_parameters)
        except (ConnectionError, TimeoutError):
            if tries >= retries:
                raise
            backoff = min(max_backoff, base_backoff * (pow(2, tries) + random.random()))
            logger.debug(f"sleeping for {backoff:.2f}s")
            sleep(backoff)
            tries += 1

S3路径判断函数

def is_s3_path(content):
    return content.startswith('s3://')

S3文件获取

def get_s3_object(key):
    response = s3.get_object(Bucket=USER_DATA_BUCKET, Key=s3_key_generator(key))
    return response['Body']

检查大小超限

def check_threshold(current_size):
     return current_size > UPLOAD_TO_S3_THRESHOLD_BYTES

S3 Key生成函数

这个函数可以将玩家的存档随机分配到S3桶下不同的Prefix中，这有利于提高S3中IO的性能。

def s3_key_generator(key):  
    s3_prefix = hashlib.md5((key).encode('utf-8')).hexdigest()[:8]  
    return s3_prefix + '/' + key

文件上传到S3

def upload_content_to_s3(obj_param):  
    s3_key = s3_key_generator(obj_param['key'])  
    try:  
        response = s3.put_object(  
            Body=obj_param['content_bytes'],  
            Bucket=USER_DATA_BUCKET,  
            Key=s3_key)  
        return "s3://%s/%s" % (USER_DATA_BUCKET, s3_key)  
    except Exception as e:  
        logger.error(e)  
        raise e

第四步：编写主体逻辑

写入单个项目到DynamoDB数据库

def put_item(load_data):  
    gzip_data = gzip.compress(load_data)  # 压缩数据  
    logger.debug('压缩后大小%.2fKB，原始大小%.2fKB，压缩率 %.2f%%' % (  
        len(gzip_data) / 1024.0,  
        len(load_data) / 1024.0,  
        100.0 * len(gzip_data) / len(load_data)))  
  
    table = dynamodb.Table('players')  
    player_username = 'player' + str(random.randint(1, 1000))  
    if check_threshold(len(gzip_data)):  
        try:  
            # 读锁保护  
            table.update_item(  
                Key={  
                    'username': player_username,  
                },  
                UpdateExpression="set read_lock = :read_lock",  
                ExpressionAttributeValues={  
                    ':read_lock': True,  
                },  
            )  
  
            # 写入数据到S3  
            s3_path = run_with_backoff(upload_content_to_s3, key=player_username, content_bytes=gzip_data)  
            # 解除读锁保护，同时存储数据在S3上到路径  
            response = table.put_item(  
                Item={  
                    'username': player_username,  
                    'read_lock': False,  
                    'inventory': gzip.compress(s3_path.encode(encoding='utf-8', errors='strict')),  
                }  
            )  
            logger.debug('成功上传大纪录到S3，路径:%s' % s3_path)  
        except Exception as e:  
            logger.debug('存档失败')  
            logger.error(e)  
    else:  
        response = table.put_item(  
            Item={  
                'username': player_username,  
                'inventory': gzip_data,  
            }  
        )  
        logger.debug('成功上传纪录, username=%s' % player_username)

读取数据库中一条玩家记录

def get_player_profile(uid):  
    """ 
    读取记录 
    :param uid: 玩家id 
    :return: 
    """  
    table = dynamodb.Table('players')  
    player_name = 'player' + str(uid)  
  
    retry_count = 0  
    while True:  
        response = table.get_item(  
            Key={  
                'username': player_name,  
            }  
        )  
  
        if 'Item' not in response:  
            logger.error('Not Found')  
            return {}  
  
        item = response['Item']  
        # 检查读锁信息, 如果存在锁根据参数设置，间隔一段时间重新读取记录  
        if 'read_lock' in item and item['read_lock']:  
            retry_count += 1  
            logger.info('当前第%d次重试' % retry_count)  
            # 如果超时无法读取记录，则消除读锁，并重新读取记录  
            if retry_count < S3_READ_LOCK_RETRY_TIMES:  
                sleep(S3_READ_RETRY_INTERVAL)  
                continue  
            else:  
                table.update_item(  
                    Key={  
                        'username': player_name,  
                    },  
                    UpdateExpression="set read_lock = :read_lock",  
                    ExpressionAttributeValues={  
                        ':read_lock': False,  
                    },  
                )  
  
        inventory_bin = gzip.decompress(item['inventory'].value)  # 解压缩数据  
        inventory_str = inventory_bin.decode("utf-8")  
        if is_s3_path(inventory_str):  
            player_data = gzip.decompress(get_s3_object(player_name).read())  
            inventory_json = json.loads(player_data)  
        else:  
            inventory_json = json.loads(inventory_str)  
  
        user_profile = {**response['Item'], **{'inventory': inventory_json}}  
        return user_profile

最后，编写测试逻辑

准备几个不同大小的json文件，观察写入数据库中的变化。

if __name__ == '__main__':  
    path_example = 'small.json'  
    # path_example = '500kb.json'  
    # path_example = '2MB.json'  
    with open(path_example, 'r') as load_f:  
        load_str = json.dumps(json.load(load_f))  
        test_data = load_str.encode(encoding='utf-8', errors='strict')  
    put_item(test_data)  
  
    # player_profile = get_player_profile(238)  
    # logger.info(player_profile)

如果需要测试读锁，可以将数据库中单个项目的read_lock手动设置成True，然后观察读取逻辑在这个过程中的变化。

总结

在本次测试中发现，json格式的数据使用gzip后，压缩率约为25%左右，理论上我们可以把单个项目（item）中可以存储最大约为1.6MB的数据项。即便有少量压缩后超过400KB的数据，也可以存储到S3上，仅在DynamoDB中存储元数据和大字段数据在S3上的路径。

gzip会带来一些额外的计算和IO开销，但是这些开销主要会落在游戏服务器上，对于数据库来说反而减少了IO的开销。

在大多数场景下，玩家数据即便不压缩也很少会超过400KB。这种情况下，建议可以尝试对比压缩启用和不启用两种场景的性能数据。以决定哪种方式更适合自己的游戏。

限制

对于存在单用户有高并发存档需求的游戏而言，以上设计中并未包含在数据存储在S3上后，出现并发写的场景考虑。如果有此场景的需求，需要一些应用逻辑或者架构调整。

选择您的 Cookie 首选项

亚马逊AWS官方博客