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>"
}

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"  
});

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
}

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,
    "numIndexesAfte