应用运维管理平台（AOM）和Cassandra是两个不可分割的组成部分，它们共同构成了一个高效的解决方案，可以帮助企业在应用运维业务上取得巨大的优势。在这篇文章中，我们将介绍AOM和Cassandra的优势和特点，揭晓它们如何为企业保持市场竞争力的秘密。
导读
随着容器技术的普及，越来越多的企业通过微服务框架开发应用，业务逐渐转变为云上实现服务，运维也逐渐转向云上运维服务。在此环境下，云上应用的运维也遭遇了新的挑战：
1. 运维人员技能要求高，需要同时维护多套系统，配置繁杂。分布式追踪系统的学习和使用成本高，稳定性差，性价比低。
2. 云化场景下的分布式应用问题分析困难，主要表现在如何可视化微服务间的依赖关系，如何提高应用性能体验，如何将散落的日志进行关联分析，以及如何快速追踪问题。
针对以上挑战， AOM应运而生。
AOM是什么
AOM是由华为云研发的云上应用一站式立体化运维管理平台，由应用资源管理、监控中心（可观测性分析）、自动化运维、采集管理四个子服务构成，提供一站式可观测性分析和自动化运维方案，支持快速从云端和本地采集指标、日志和性能等数据，帮助用户及时发现故障，全面掌握应用、资源及业务的实时运行状况，提升企业海量数据运维的自动化能力和效率。
AOM优势众多，功能强大，其背后离不开支撑其海量数据运转的智能数据底座——华为云GaussDB(for Cassandra)。
为什么选择GaussDB(for Cassandra)？
华为云GaussDB(for Cassandra)是一款兼容Cassandra生态的云原生NoSQL数据库，支持类SQL语法CQL。在华为云高性能、高可用、高可靠、高安全、可弹性伸缩的基础上，提供了一键部署、快速备份恢复、计算存储独立扩容、监控告警等服务能力，尤其适用于各种海量数据处理和高并发业务场景。
- 出现数据热点的业务。例如：某新闻时事APP需要管理大量新闻时事数据，当出现社会热点事件时，相关新闻数据请求量急剧升高，此时需要保障APP正常运作，以及保持请求成功率稳定。
- 需要对时序数据建模的业务。例如：某气象站需要每分钟采集一次温度，并存储该次采集结果，同时需要保障数据的时效性，自动删除过期数据。
- 需要对会话消息数据建模的业务。例如：某社交APP需要存储大量的用户及会话消息，需要保障用户在不同会话消息间切换时耗时低、成功率高、响应时间短。
- 需要高速处理数据的业务。例如：某业务需要迅速处理来自不同设备或传感器的数据。
- 需要实时监测数据的业务。例如：某运维平台需要实时监测不同维度的数据，准确采集指标，快速完成运维。
- 需要使用社交媒体分析和推荐引擎的业务。例如：某电商APP需要分析用户喜好商品，基于用户喜好实现商品推荐，提升用户体验和产品竞争力。
- ……
此外，华为云GaussDB(for Cassandra)特性丰富，适用于广泛业务场景。
- 大数据应用：GaussDB(for Cassandra)可以处理海量数据，支持高吞吐量和低延迟的读写操作，因此适合大数据应用场景。
- 互联网应用：GaussDB(for Cassandra)可以处理高并发的读写请求，支持多数据中心部署，因此适合互联网应用场景。
- 时间序列数据：GaussDB(for Cassandra)支持时间序列数据的存储和查询，因此适合需要存储和查询时间序列数据的应用场景，如物联网、日志分析等。
- 高可用性业务。GaussDB(for Cassandra)采用多副本复制的方式来保证数据的可用性和可靠性。当一个节点出现故障时，系统可以自动将数据从其他节点中恢复，从而保证数据的完整性和一致性。
- 可伸缩性业务。GaussDB(for Cassandra)可以轻松地扩展到数百个节点，处理PB级别的数据集，同时还支持动态添加和删除节点，可以根据实际需求灵活地调整系统的规模和性能。
- 分布式存储应用。GaussDB(for Cassandra)采用分布式存储的方式，将数据分散存储在多个节点上，每个节点都可以独立地处理读写请求。这种方式可以有效地提高数据的可用性和可靠性，同时也可以提高系统的吞吐量和扩展性。
- 分布式查询应用：GaussDB(for Cassandra)支持分布式查询，可以将查询请求分发到多个节点上并行处理，从而提高查询的效率和响应速度。
- ……
综上所述，GaussDB(for Cassandra)非常适合大数据分析、实时数据处理、社交网络、物联网、分布式存储和查询等应用场景。
真实场景解读——数据热点问题
AOM功能强大，涉及多种典型业务场景，如数据热点、时序数据、实时监测等，因此选择GaussDB(for Cassandra)作为底层数据支撑引擎。接下来就数据热点问题作为切入点，揭秘GaussDB(for Cassandra)如何保障AOM在发生数据热点时稳定运行。
场景复现：
监控运维海量数据时，表中特定数据访问频率骤升，部分分区产生热点流量。表中主键设置不合理，某个分区下的业务量骤增，流量冲击会集中在一个分区上，导致该分区对应的token所在节点的CPU持续居高不下。
问题根因：
GaussDB(for Cassandra)是一个面向大数据场景的高度可扩展的高性能分布式数据库，可用于管理海量的结构化数据。在业务使用的过程中，随着业务量和数据流量的持续增长，一些业务的设计弊端逐渐暴露出来，降低了集群的稳定性和可用性。例如主键设计不合理、单个分区的记录数或数据量过大、出现超大分区键等问题，导致了节点负载不均衡、集群稳定性下降等现象，这一类问题统称为大key问题。产生大key的最主要原因是主键设计不合理，导致单个分区的记录数或数据量过大。一旦某个分区存在海量数据时，对该分区的访问会导致分区所在server的负载变高，严重时甚至会导致节点OOM等后果。
在日常生活中，经常会发生各种热门事件，例如应用中对某热点新闻进行上万次的点击浏览和评论时，会形成一个较大的请求量，这种情况下会在短时间内对同一个key频繁操作，导致该key所在节点的CPU负载飙高，从而影响该节点上的其他请求，导致业务成功率下降。诸如此类的还有热门商品促销，网红直播等场景，这些典型的读多写少的场景也会产生数据热点问题。当某个key的请求在某一主机上的访问超过server极限时，会导致热key问题的产生。大key往往是热key问题的间接原因。热key会造成以下危害：流量集中，达到物理网卡上限；请求过多，缓存分片服务被击垮；数据库击穿，引起业务雪崩等。
在上述场景中，主要是表中主键结构不合理，从而导致大key和热key的产生，表结构如下所示。movie表保存了短视频的相关信息，分区键为movieid，并且保存了用户信息（uid）。如果movieid对应的视频是一个热门短视频，有几千万甚至上亿用户点赞此短视频，则该热门短视频所在的分区非常大。
CREATE TABLE movie (
movieid text,
appid int,
uid bigint,
accessstring text,
moviename text,
access_time timestamp,
PRIMARY KEY (movieid, appid, uid, accessstring, moviename)
)
解决方案：
- 调整表结构。GaussDB(for Cassandra)与其他数据库相比，具有更加灵活的数据结构，支持主键和分区键的灵活设置，通过合理设置主键和分区键，调整表结构与查询语句，对表中数据进行划分，能够有效优化查询速度，提升运维效率。在上述场景中，movie表的主键设置不合理，查询数据量十分庞大，耗时久。创建新表为如下所示表结构时，表中数据量显著减少。新表用于保存热门短视频信息，只保留短视频公共信息，不包含用户信息，确保该表不会产生大的分区键。 CREATE TABLE hotmovieaccess (
movieid text,
appid int,
accessstring text,
access time timestamp,
PRIMARY KEY (movieid, appid)
) - 使用缓存。缓存可以提高读操作的响应性，需要使用额外的内存来存储数据，从而尽可能减少必须完成的磁盘读。随着缓存大小的增加，可以从内存提供服务的“命中”数也会增加。GaussDB(for Cassandra)内置的缓存包括键缓存和行缓存等类型。键缓存存储了分区键与行索引之间的一个映射，以便于更快地访问存储在磁盘上的SSTable；行缓存可以为每个分区缓存一定的行，提高频繁访问的行的读取速度。在上述场景中，可以使用缓存来缓解流量冲击。业务应用先从缓存中读取热点信息，没有查询到则从数据库中查询，减少数据库查询次数。整体逻辑流程如下所示。
数据热点检测工具：
数据热点会给业务带来压力，影响业务正常运行。出现数据热点后再去解决为时已晚，因此需要预知数据热点问题，提前设计解决方法，保证业务正常运行。为此，GaussDB(for Cassandra)为业务提供了大key和热key的检测和预警工具。
- 大key检测。通过大规模业务观察学习，GaussDB(for Cassandra)定义超过以下任意阈值的key即为大key：1. 单个分区键的行数不能超过10万行；2. 单个分区的大小不超过100MB。
- 热key检测。通过大规模业务观察学习，GaussDB(for Cassandra)定义访问频率大于100000次/min的key即为热key。
GaussDB(for Cassandra)支持大key和热key的检测和告警工具，客户可根据实际业务需求，在产品界面配置实例的大key和热key告警。同时，在发生大key和热key事件时，系统会第一时间发送预警通知，客户可在产品界面查看监控事件数据，及时处理相关告警，避免业务波动。
总结：
针对数据热点问题，GaussDB(for Cassandra) 提供了大key和热key的实时检测，以帮助业务进行合理的方案设计，规避业务稳定性风险；提供了大key和热key的实时监控，确保第一时间感知业务风险；提供了大key和热key的解决方案，在面对大数据量洪峰场景时，增强了集群的稳定性与可用性，为客户业务持续稳定运行保驾护航。
综上所述，在线业务在使用GaussDB(for Cassandra)时，必须执行相关的开发规则和使用规范，在开发设计阶段就降低使用风险。一般按照“制定规范”→“接入评审”→“定期巡检”→“优化规则”的治理流程进行。合理的设计一般会降低大部分风险发生的概率，对于业务来说，任何表的设计都要考虑是否会导致大key和热key的产生、是否会造成负载倾斜的问题。另外需要建立数据老化机制，表中的数据不能无限制的增长而不删除或者老化。针对读多写少的场景，要增加缓存机制，来应对读热点问题，提升查询性能；针对每个分区键以及每行数据，要控制其大小，超出限制后要及时优化，否则将影响性能和稳定性。
结论
AOM和GaussDB(for Cassandra)的组合成功打造了一套高效、可扩展、高性能、灵活和可定制的海量数据监控运维平台，可以帮助企业更好地管理和利用监控数据，提高运维效率，助力企业在不断变化的市场环境中保持竞争优势。