[[402974]]

本文轉(zhuǎn)載自微信公眾號「程序員jinjunzhu」，作者jinjunzhu。轉(zhuǎn)載本文請聯(lián)系程序員jinjunzhu公眾號。

螞蟻集團自研數(shù)據(jù)庫OceanBase已經(jīng)開源，這對國產(chǎn)分布式數(shù)據(jù)庫來說，是一個重磅消息。一直以來OceanBase作為商業(yè)數(shù)據(jù)庫，披露的技術(shù)細(xì)節(jié)并不多,以后又多了一個可以拿來研究的優(yōu)秀分布式數(shù)據(jù)庫。參考1[1]

根據(jù)官網(wǎng)描述，在5月20日國際事務(wù)處理性能委員會(TPC，Transaction Processing Performance Council)官網(wǎng)發(fā)布最新的數(shù)據(jù)分析型基準(zhǔn)測試(TPC-H)榜單中，OceanBase以 1526 萬 QphH 的性能總分排名 30,000 GB 第一。這意味著，OceanBase 成為唯一在事務(wù)處理和數(shù)據(jù)分析兩個領(lǐng)域測試中都獲得第一的中國自研數(shù)據(jù)庫。

1 架構(gòu)

主流的分布式數(shù)據(jù)庫有兩種架構(gòu)，PGXC和NewSql。

1.1 PGXC

PGXC是指PostgreSQL-XC，指以PostgreSQL為內(nèi)核的分布式數(shù)據(jù)庫，整體架構(gòu)如下:

PGXC架構(gòu)是對傳統(tǒng)單體數(shù)據(jù)庫做了集群，在集群的基礎(chǔ)上加了協(xié)調(diào)節(jié)點，協(xié)調(diào)節(jié)點具有如下作用：

• 客戶端接入
• 進(jìn)程管理
• 分布式事務(wù)管理
• 查詢處理

同時還增加了分片管理和全局時鐘。分片管理用來管理集群的分片信息，全局時鐘的介紹見下一節(jié)。

雖然PGXC名字的由來是PostgreSQL組成的分布式數(shù)據(jù)庫，但是使用其他單體數(shù)據(jù)庫組成的分布式數(shù)據(jù)庫，也可以理解為PGXC，比如Golden使用的就是mysql作為內(nèi)核。

1.2 NewSQL

跟PGXC采用傳統(tǒng)單體數(shù)據(jù)庫為內(nèi)核相比，NewSQL是在NoSQL基于分布式鍵值存儲系統(tǒng)的基礎(chǔ)上構(gòu)建了分布式事務(wù)處理能力。架構(gòu)如下圖：

此外，NewSQL還有兩個改進(jìn)：

• 對于HA，放棄傳統(tǒng)數(shù)據(jù)庫的主從復(fù)制，使用Paxos、Raft等共識算法來保證多副本的一致性。
• 對于存儲，使用LSM樹模型替換B+樹，寫入性能更高。

2 全局時鐘

2.1 線程一致性

線性一致性(Linearizability)是分布式系統(tǒng)中最強的一致性模型，總體思想是保證讀取多個不同副本的客戶端，跟讀取同一個副本讀到的結(jié)果一樣，即整個系統(tǒng)看起來像只有一個副本。

先看兩個不符合線性一致性的示例。

2.1.1 同一個客戶端

如下圖：

client1第一次讀取了x的值是0，第二次讀取時以為client3修改了x的值，所以讀到了新的值1，但是第三次讀取時因為讀到了別的副本，因為這個副本還沒有同步完成，所以讀到了舊的值0。

2.1.2 不同客戶端

如下圖：

client1第一次讀取了x的值是0，第二次讀取時因為client3修改了x的值，所以讀到了新的值1，但是在client1第二次讀取之后，client2來讀取x的值，因為讀到了別的副本，因為這個副本還沒有同步完成，所以讀到了舊的值0。

線性一致性要求，任何一個客戶端讀取返回新值后，后面所有客戶端(包括相同客戶端和不同客戶端)讀取也必須返回新值

下面這個圖就是線性一致性的：

2.2 全局時鐘

從上面的描述可以看到，線性一致性是建立在事件的先后順序之上的。所有操作必須記錄在一條時間線上，任意兩個事件都有先后順序。但是，集群中各個節(jié)點都有各自的時間線，怎么實現(xiàn)時間上的順序性呢。這時就需要一個全局的絕對時間，就是這里講的全局時鐘。

一般來說，從一臺時間服務(wù)器獲取時間，就可以實現(xiàn)全局時鐘，但是必須保證高可用。下面介紹幾種全局時鐘的實現(xiàn)方式：

2.2.1 TrueTime

Google Spanner采用GPS加原子鐘來分配時間，支持多點授時機制。有兩個明顯的優(yōu)勢：

• 多點授時去中心化，實現(xiàn)了高可靠。
• 支持全球化部署，這樣可以減少客戶端和時間服務(wù)器的通信時長。

但是也存在一些問題：

• 采用物理時鐘可以出現(xiàn)時鐘偏移和時鐘回?fù)堋?/li>
• 多點授時可能出現(xiàn)系統(tǒng)整體的時間誤差。

從Spanner的介紹看，時間誤差在7毫秒以內(nèi)。

2.2.2 混合邏輯時鐘(HLC)

HLC(Hybrid Logical Clock)，因為Truetime依賴于硬件設(shè)備來實現(xiàn)，實現(xiàn)難度大，所以有的數(shù)據(jù)庫采用了混合邏輯時鐘，即物理時鐘和邏輯時鐘配合使用，同樣采多時間源、多點授時，所以也會有系統(tǒng)整體的時間誤差問題。

2.2.3 Timestamp Oracle

簡稱TSO，中心化授時方案，采用單時間源、單點授時實現(xiàn)全局時鐘，用一個全局唯一的時間戳作為xid(全局事務(wù)id)。

優(yōu)點：

• 實現(xiàn)簡單
• 單時間源單調(diào)遞增，可以減少事務(wù)沖突

缺點也很明顯

• 單點授時，性能會有瓶頸
• 不適合大規(guī)模集群部署

目前，TiDB、OceanBase都使用了這個方案。

2.2.4 總結(jié)

Spanner需要借助物理設(shè)備來實現(xiàn)，對其他開源數(shù)據(jù)庫的參考價值并不大。

其他無論采用HLC還是TSO，都有各自的優(yōu)缺點。

還有一種介于兩者之間的授時方案，單時間源，多點授時，使用比較少。

3 HTAP

HTAP英文全稱是 Hybrid Transaction and Analytical Processing，即混合事務(wù)和分析處理，能夠?qū)⑹聞?wù)處理(OLTP)和數(shù)據(jù)分析(OLAP)請求在同一個數(shù)據(jù)庫系統(tǒng)中完成。

HTAP需要在計算和存儲兩個層面支持OLTP和OLAP，存儲是基礎(chǔ)。OLTP通常使用行式存儲，OLAP則一般使用列式存儲，差異很大。HTAP解決這個差異的方式有兩種：

• Google Spanner的PAX，一種新的融合性存儲，即在行存儲的基礎(chǔ)上融合列存儲的特點。
• TiDB的思路，借助Raft協(xié)議在OLTP與OLAP之間異步復(fù)制數(shù)據(jù)，通過OLAP的特殊設(shè)計來彌補異步帶來的數(shù)據(jù)不一致。

OceanBase采用獨創(chuàng)的分布式計算引擎，能讓系統(tǒng)中多個計算節(jié)點同時運行OLTP類型的應(yīng)用和OLAP類型的應(yīng)用，實現(xiàn)了用一套計算引擎同時支持混合負(fù)載的能力。

4 RANGE動態(tài)分區(qū)

下圖有4條數(shù)據(jù)，

如果按照HASH進(jìn)行分片，一般會選擇id作為key進(jìn)行HASH計算，之后根據(jù)計算結(jié)果把數(shù)據(jù)分配到不同的分片中。這樣做的好處是實現(xiàn)簡單，但也存在兩個問題：

• 分片不具備業(yè)務(wù)屬性，可能會存在業(yè)務(wù)熱點訪問的問題。
• 分片規(guī)模變化時，遷移數(shù)據(jù)問題。

Range分片技術(shù)跟HASH相比，很大的不同是數(shù)據(jù)并沒有被打散。比如上表中，我們可以把數(shù)據(jù)按照城市進(jìn)行分片，這樣數(shù)據(jù)讀取效率會更高。

Range動態(tài)分區(qū)用在NewSQL架構(gòu)的分布式數(shù)據(jù)庫中，一般具有下面的特性：

4.1 自動合并和拆分

可以給分配的數(shù)據(jù)量設(shè)置閾值，當(dāng)某個分片的數(shù)據(jù)量超過最大閾值時，可以自動拆分成2個分片，當(dāng)分片數(shù)據(jù)量小于最小閾值時，進(jìn)行分片合并。

4.2 自動負(fù)載

當(dāng)某個分片上的熱點數(shù)據(jù)較多時，節(jié)點訪問壓力會很大，系統(tǒng)可以自動地將這些熱點數(shù)據(jù)訪問調(diào)度到不同節(jié)點，以均衡訪問壓力。

4.3 減少分布式事務(wù)

分布式事務(wù)的開銷會遠(yuǎn)遠(yuǎn)大于本地事務(wù)，分布式數(shù)據(jù)庫可以把頻繁參與同一個分布式事務(wù)的數(shù)據(jù)調(diào)度到同一個分片上，這樣就避開了分布式事務(wù)。

Spanner支持

4.4 就近訪問

在全球部署的場景下，給用戶分配最近節(jié)點的分片，可以減少訪問延時。

Spanner支持

4.5 高可靠

分布式數(shù)據(jù)庫的高可靠是分區(qū)級別的高可靠，下圖是OceanBase中一個Zone的架構(gòu)圖：

OceanBase基于Paxos算法來實現(xiàn)系統(tǒng)的高可用，最小的粒度可以做到分區(qū)級別。集群中數(shù)據(jù)的每一個分區(qū)會被保存到所有的Zone上，分區(qū)的多個副本采用Paxos協(xié)議進(jìn)行日志同步。每個分區(qū)和它的副本構(gòu)成一個獨立的Paxos復(fù)制組，其中一個分區(qū)為Leader，其它分區(qū)為Follower。所有針對這個副本的寫請求，都會自動路由到對應(yīng)的主分區(qū)上進(jìn)行。主分區(qū)可以分布在不同的OBServer上，這樣對于不同副本的寫操作也會分布到不同的數(shù)據(jù)節(jié)點上，從而實現(xiàn)數(shù)據(jù)多點寫入，提高系統(tǒng)性能。

5 percalator模型

分布式數(shù)據(jù)庫是在BigTable基礎(chǔ)上增加了分布式事務(wù)解決方案。而Percolator模型就是Google提出的構(gòu)建在BigTable之上的分布式事務(wù)解決方案。參考2[2]

percalator模型采用了2階段提交的思想，這里以銀行匯款為例，賬戶1給賬戶2匯款100元，這2個賬戶位于不同的分區(qū)上。

5.1 初始狀態(tài)

初始階段，假如初始時賬戶1上有300元，賬戶2上有500元，如下圖：

上面表格中，":"前面是用時間戳表示的數(shù)據(jù)版本，后面是數(shù)據(jù)值。第一列是表名，第二列的低版本保存了數(shù)據(jù)，第三列列保存了數(shù)據(jù)上加的鎖。第四列的高版本保存了指向保存數(shù)據(jù)版本的指針，比如6這個版本保存了指向了5這個版本數(shù)據(jù)的指針 6:data@5。

5.2 Prewrite

事務(wù)管理器向兩個分片發(fā)送了Prepare請求，分片收到請求后，為每個要修改的數(shù)據(jù)行寫日志，并且根據(jù)時間戳記錄事務(wù)的私有版本，這里的私有版本就是7，這樣就獲得了鎖，其他事務(wù)就不能操作這兩條數(shù)據(jù)了。

如下圖：

從第二列的數(shù)據(jù)可以看到，賬戶1上減少了200元，賬戶2上增加600元。從第三列可以看到賬戶1獲得了primary lock，賬戶2上是指向primary lock的鎖指針。

注意:primary lock的選擇是隨機的，賬戶1和賬戶2都可以選擇。

5.3 commit

commit階段，協(xié)調(diào)節(jié)點只需要跟擁有primary lock的分片進(jìn)行通信，這里只需要跟賬戶1進(jìn)行通信，從而保證了commit指令的原子性。這時數(shù)據(jù)如下表：

可以看到賬戶1的primary lock已經(jīng)清除了，同時增加了8這個版本，8這個版本的數(shù)據(jù)指向版本7。這樣7、8兩個版本都不是私有版本了，其他事務(wù)就可以操作這條記錄了。

私有版本還有一個作用，就是賬戶1提交失敗后，賬戶2可以根據(jù)私有版本進(jìn)行回滾。

5.4 事務(wù)結(jié)束

commit成功后并沒有同步清除賬戶2上的私有版本和鎖指針，而是會啟動異步線程來清除，異步線程清除完成后，最終數(shù)據(jù)如下圖：

可以看到，最終賬戶2清除了鎖指針和私有版本。

賬戶2上的lock沒有同步清除，其他線程讀取賬戶2時會根據(jù)primary@order.bal查找primary lock，如果發(fā)現(xiàn)primary lock已經(jīng)清除，就可以繼續(xù)讀取。讀取的同時做一下secondary lock清理工作。

6 總結(jié)

本文主要從5個方面入手講了分布式數(shù)據(jù)庫的關(guān)鍵知識，歡迎大家批評指正。

參考資料

[1]參考1: https://open.oceanbase.com/

[2]參考2: https://www.cs.princeton.edu/courses/archive/fall10/cos597B/papers/percolator-osdi10.pdf