基于空间数据库MongoDB实现全国电影票预定系统

前言

受到中文社区《电商参考架构第二部分：库存优化方法》启发，想到了去年做过类似的电影票预定系统，如果用MongoDB去做存储支撑，那应该是怎样架构的呢？本文的目的是为了更好的学习掌握MongoDB，所以某些设计上更偏向于功能的展示，在实际使用上要因地制宜的改变，合适才是最好的。

需求

电影票预定系统与电商系统非常类似，都可以抽象理解为商品的售卖。进一步的讲电影票系统是电商系统的一个库存特例场景：

• 每个场次，每个座位，都只有一个库存
• 每个订单所预定的座位有锁定状态，在支付前对应的作为不能被再次购买
• 订单涉及到的座位要不全成功，要不全失败
• “全国”级的，数据容量不是太大问题，但性能上要支持水平扩展

PS：实际上的理论TPS并不高，目前全国5000家影院，假设平均8个影厅，每个厅200个位置，每个影厅6个场次，早中晚各3个高峰，每个高峰1个小时。计算得出TPS大概是：5000 8 6 * 200/ 3 / 3600 ＝ 4400 TPS；但是设计上我们还是要保证性能的可水平扩展，否则怎么体现MongoDB的特色呢？^-^

描述信息文档结构

影院描述信息

保存最基本的影院信息，包括地理信息，名称，_id为MongoDB由MongoDB自动分配

CinemaManager.cinema_detail

{
  _id: <ObjectID>,
  name: "<cinema name>",
  city: "<city name>"
  location: [<longitude>, <latitude>],
  comments: "<detail message>"
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

例如：

rs0:PRIMARY> db.cinema_detail.insert({ 
    "name" : "大时代电影院", 
    "city" : "杭州",
    "location" : [ 120.13, 30.16 ],  
    "comments" : "IMAX 4K，有停车位"  
});

        

          
        
        
        

          

          AI 代码解读
        
      
      

因为影院信息的查询一般都是按照城市和名称，或者地理坐标检索，所以这里建立两个索引

Index1：城市+名称的复合索引，因为查询电影院时一般都会指定城市名

rs0:PRIMARY> db.cinema_detail.ensureIndex({city:1, name:1})
{
    "createdCollectionAutomatically" : false,
    "numIndexesBefore" : 2,
    "numIndexesAfter" : 2,
    "ok" : 1
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

注意，这里使用的是复合索引，所以针对 city + name的查询，或者city的查询是有效的，只查找name字段是无法通过索引优化的。

Index2：地理坐标索引，用来应付"最近的电影院"类查询

rs0:PRIMARY> db.cinema_detail.ensureIndex({location: "2d"})
{
    "createdCollectionAutomatically" : false,
    "numIndexesBefore" : 3,
    "numIndexesAfter" : 4,
    "ok" : 1
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

例如，查询在杭州最近的某个电影院

rs0:PRIMARY> db.cinema_detail.find({city:"杭州", location: { $near: [1.0, 2.0] }}).pretty()
{
    "_id" : ObjectId("559a3ef8c6058dae1ac49ce8"),
    "name" : "大时代电影院",
    "city" : "杭州",
    "location" : [
        120.13,
        30.16
    ],
    "comments" : "IMAX 4K，有停车位"
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

影厅描述信息

theater_detail.cinema_id与cinema_detail._id集合形成references关系，通过cinema_detail._id可以快速找到所属影厅的信息。另一个关键字段theater_detail.seat用来描述座位信息，每排所有的座位是一个数组，不同排可以有不同数量的座位。

CinemaManager.theater_detail

{
  _id: <ObjectID>,
  cinema_id: <ObjectID(cinema_detail._id)>, 
  name: <theater name>,
  seat: 
  {
      row1: [<seat valid>],
      row2: [<seat valid>],
      row3: [<seat valid>],
      <seat row>: [<seat valid>]
  }
  comments: "<detail message>"
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

rs0:PRIMARY> db.theater_detail.insert({ 
  cinema_id:ObjectId("559a3ef8c6058dae1ac49ce8"), 
  name:"IMAX厅", 
  seat:
  {
    row1: [1, 1, 1, 1], 
    row2: [1, 1, 1], 
    row3: [1, 1, 1, 1], 
    row4: [1, 1, 1, 1, 1], 
  },
  comments: "可容纳哦xxx人，弧形荧幕"
})

rs0:PRIMARY> db.theater_detail.insert({ 
  cinema_id:ObjectId("559a3ef8c6058dae1ac49ce8"), 
  name:"中国巨幕厅", 
  seat:
  {
    row1: [1, 1, 1, 1], 
    row2: [1, 1, 1], 
    row3: [1, 1, 1, 1]
  },
  comments: "可容纳哦xxx人，弧形荧幕"
})

        

          
        
        
        

          

          AI 代码解读
        
      
      

建立索引

rs0:PRIMARY> db.theater_detail.ensureIndex({cinema_id:1})
{
    "createdCollectionAutomatically" : false,
    "numIndexesBefore" : 1,
    "numIndexesAfter" : 2,
    "ok" : 1
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

影片描述信息

影片说明

{
  _id: <ObjectID>,
  name: "<movie name>", 
  director: "director name"
  actor: [<actor name>]
  comments: "<detail message>"
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

rs0:PRIMARY> db.movie_detail.insert({
  name: "一路向西",
  director: "胡耀辉",
  actor:["张建声", "王宗尧", "胡耀辉", "何佩瑜", "张暖雅", "郭颖儿"],
  comments: "该影片描写的是当代香港社会中普通年轻人对“爱”与“性”的追求而逐渐改变的心路历程的故事"
})

        

          
        
        
        

          

          AI 代码解读
        
      
      

索引

rs0:PRIMARY> db.movie_detail.ensureIndex({name:1})
{
    "createdCollectionAutomatically" : false,
    "numIndexesBefore" : 1,
    "numIndexesAfter" : 2,
    "ok" : 1
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

影片放映文档结构

放映信息包含放映时间段，放映影厅，票价。虽然Document结构可以做复杂的嵌套，但原则上期望Document尽量小，利用数据Shard，性能优化。所以在movie_schedule的设计上每个影片的每场放映独立一个Document表达。

{
  _id: <ObjectID>,
  cinema_id: <ObjectID(cinema_detail._id)>
  movie_id: <ObjectID(movie_detail._id)>, 
  theater_id: <ObjectID(theater_detail._id)>,
  start_time: <ISODate>,
  end_time: <ISODate>,
  comments: "<detail message>"
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

movie_schedule的References关系较多，需要与电影院，影厅，电影三者分别建立关系。

db.movie_schedule.insert({
  cinema_id:ObjectId("559a3ef8c6058dae1ac49ce8"),
  movie_id:ObjectId("559b68f372b34f216246cb1d"),
  theater_id:ObjectId("559b625072b34f216246cb1b"),
  start_time: ISODate("2015-07-07T10:00:00.00Z"),
  end_time: ISODate("2015-07-07T12:00:00.000Z"),
  comments: "首映"
)}

db.movie_schedule.insert({
  cinema_id:ObjectId("559a3ef8c6058dae1ac49ce8"),
  movie_id:ObjectId("559b68f372b34f216246cb1d"),
  theater_id:ObjectId("559b625072b34f216246cb1b"),
  start_time: ISODate("2015-07-07T12:30:00.00Z"),
  end_time: ISODate("2015-07-07T14:30:00.000Z"),
  comments: ""
)}

        

          
        
        
        

          

          AI 代码解读
        
      
      

还是建立一个复合索引，优化查询某一电影院的某部影片（的某一影厅）上映信息

rs0:PRIMARY> db.movie_schedule.ensureIndex({cinema_id:1, movie_id:1, theater_id:1})
{
    "createdCollectionAutomatically" : false,
    "numIndexesBefore" : 1,
    "numIndexesAfter" : 2,
    "ok" : 1
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

PS：也可以建立相应的索引，用来优化某一时间段内的影片信息查询，读者自行思考

交易系统

至此，基本的信息文档集合均已建立完成，一般的查询需求都可以满足了。接下来是重点：库存售卖系统。抽象的来看，售卖系统就是对上诉所有集合的一个整合，外加一套库存字段。我们认为一场放映就是一个主商品，每个座位可以认为是这个商品的SKU，每个SKU都是1份。

通过Reference关系结合movie_schedule与theater_detail，注意这里引用了

{
  _id: <ObjectID>,
  movie_schedule_id: <ObjectID(movie_schedule._id)>
  theater_id: <ObjectID(theater_detail._id)>,
  seat:
  {
    row1: [2, 2, 2, 2], 
    row2: [2, 2, 2], 
    row3: [2, 2, 2, 2], 
    row4: [2, 2, 2, 2, 2], 
  }
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

注意，这里不仅仅是Reference的引用关系，还复制了theater_detail.seat字段，每个seat都有一个库存数字，因为在MongoDB中一个Document的操作是可以保证原子的，不需要对Collection加任何锁。数字2并不是表示可以卖2次：

• 数字2表示，可销售
• 数字1表示，已锁定
• 数字0表示，已售完

交易逻辑上可通过FindAndModify + $inc，原子性的修改库存信息。其他的描述信息是否需要再次冗余取决于具体的业务状况了，具体问题具体分析。我本人更倾向于目前的数据结构方案，不做过多的冗余，原因：

1. 数据订正复杂，多一个冗余，多一份复杂
2. 其他信息基本都是静态数据，数据量又小，完全可以通过Cache技术解决读取问题

先插入一个我们的商品

db.movie_item.insert({
  movie_schedule_id : ObjectId("559b6ee472b34f216246cb1e"),
  theater_id : ObjectId("559b625072b34f216246cb1b"),
  seat : 
  {
    row1: [2, 2, 2, 2], 
    row2: [2, 2, 2], 
    row3: [2, 2, 2, 2], 
    row4: [2, 2, 2, 2, 2], 
  }
})

        

          
        
        
        

          

          AI 代码解读
        
      
      

索引

rs0:PRIMARY> db.movie_item.ensureIndex({movie_schedule_id:1})
{
    "createdCollectionAutomatically" : false,
    "numIndexesBefore" : 1,
    "numIndexesAfter" : 2,
    "ok" : 1
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

锁定座位的动作，锁定第4排的3号位置（从1开始计数）和锁定第4排的2号位置：

db.movie_item.findAndModify({
  query: { "_id":ObjectId("559b790f72b34f216246cb22"), "seat.row4.2":2 },  
  update: { $inc: {"seat.row4.2":-1}},
  upsert: false
})

db.movie_item.findAndModify({
  query: { "_id":ObjectId("559b790f72b34f216246cb22"), "seat.row4.1":2 },  
  update: { $inc: {"seat.row4.1":-1}},
  upsert: false
})

        

          
        
        
        

          

          AI 代码解读
        
      
      

分别锁定了第4排3号（row4[2]），第4排2号（row4[1])，
注意，这里是分两次锁定的，锁定操作并不需要原子完成，否则会造成用户锁定失败概率的上升。

rs0:PRIMARY> db.movie_item.find({_id:ObjectId("559b790f72b34f216246cb22")}).pretty()
{
    "_id" : ObjectId("559b790f72b34f216246cb22"),
    "movie_schedule_id" : ObjectId("559b6ee472b34f216246cb1e"),
    "theater_id" : ObjectId("559b625072b34f216246cb1b"),
    "seat" : {
        "row1" : [
            2,
            2,
            2,
            2
        ],
        "row2" : [
            2,
            2,
            2
        ],
        "row3" : [
            2,
            2,
            2,
            2
        ],
        "row4" : [
            2,
            1,
            1,
            2,
            2
        ]
    }
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

OK，交易成功以此类推，同时修改两个库存到0，这里利用了findAndModify的原子特性

db.movie_item.findAndModify({
  query: { 
    _id:ObjectId("559b790f72b34f216246cb22"), 
    $and:[ {"seat.row4.2":1}, {"seat.row4.1":1}] 
  },  
  update: { 
    $inc: {"seat.row4.2":-1, "seat.row4.1":-1} 
  },  
  upsert: false
})

        

          
        
        
        

          

          AI 代码解读
        
      
      

再查下集合看看：

rs0:PRIMARY> db.movie_item.find({_id:ObjectId("559b790f72b34f216246cb22")}).pretty()
{
    "_id" : ObjectId("559b790f72b34f216246cb22"),
    "movie_schedule_id" : ObjectId("559b6ee472b34f216246cb1e"),
    "theater_id" : ObjectId("559b625072b34f216246cb1b"),
    "seat" : {
        "row1" : [
            2,
            2,
            2,
            2
        ],
        "row2" : [
            2,
            2,
            2
        ],
        "row3" : [
            2,
            2,
            2,
            2
        ],
        "row4" : [
            2,
            0,
            0,
            2,
            2
        ]
    }
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

总结

一套全国级的电影票系统会比这复杂的多，本文的目的还是以教程为主，主要是说明MongoDB如何构建一个电影票系统，但距离生长系统还是有一定的距离，仍有很多其他的技术点需要讨论，可以延伸开的还有，下单失败，过期未付款，数据唯一性等问题。