《大规模分布式存储系统》第7章 分布式数据库【7.3】

javazx

7.3　Google Spanner
Google Spanner是Google的全球级分布式数据库（Globally-Distributed
Database）。Spanner的扩展性达到了全球级，可以扩展到数百个数据中心，数百万
台机器，上万亿行记录。更为重要的是，除了夸张的可扩展性之外，它还能通过同
步复制和多版本控制来满足外部一致性，支持跨数据中心事务。
" w' U- `6 Q, U& n无论从学术研究还是工程实践的角度看，Spanner都是一个划时代的分布式存储
系统。Spanner的成功说明了一点，分布式技术能够和数据库技术有机地结合起来，
通过分布式技术实现高可扩展性，并呈现给使用者类似关系数据库的数据模型。
7.3.1　数据模型
Spanner的数据模型与6.2节中介绍的Megastore系统比较类似。
! W" A$ P6 _; O' F$ u. L7 J0 p如图7-6所示，对于一个典型的相册应用，需要存储其用户和相册，可以用上面
的两个SQL语句来创建表。Spanner的表是层次化的，最底层的表是目录表
1 ~+ Y5 s# j% G, `0 |（Directorytable），其他表创建时，可以用INTERLEAVE IN PARENT来表示层次关
系。Spanner中的目录相当于Megastore中的实体组，一个用户的信息（user_id,email）
! o8 c$ A: X! S) A# w( I7 N以及这个用户下的所有相片信息构成一个目录。实际存储时，Spanner会将同一个目
3 v6 V8 \3 B+ _录的数据存放到一起，只要目录不太大，同一个目录的每个副本都会分配到同一台
: P5 K$ u8 a. k, C5 C' v0 f0 D机器。因此，针对同一个目录的读写事务大部分情况下都不会涉及跨机操作。
图　7-6　Spanner数据模型
7.3.2　架构
Spanner构建在Google下一代分布式文件系统Colossus之上。Colossus是GFS的延
; ]. \- }4 E$ I7 B" y, m: [8 I续，相比GFS,Colossus的主要改进点在于实时性，并且支持海量小文件。
# f4 w" G. Z3 h; ~/ p( i& H" j由于Spanner是全球性的，因此它有两个其他分布式存储系统没有的概念：
●Universe。一个Spanner部署实例称为一个Universe。目前全世界有3个，一个开
: Q  M1 V$ S2 e! ~发、一个测试、一个线上。Universe支持多数据中心部署，且多个业务可以共享同一
; K- L/ \. M* |$ |8 I: B# u个Universe。
8 U5 h* ^- T' R' b% ?8 B# i●Zones。每个Zone属于一个数据中心，而一个数据中心可能有多个Zone。一般
来说，Zone内部的网络通信代价较低，而Zone与Zone之间通信代价很高。
如图7-7所示，Spanner系统包含如下组件：
; \; h( ~2 _. c图　7-7　Spanner整体架构
0 X! N1 S! L( K; {●Universe Master：监控这个Universe里Zone级别的状态信息。
●Placement Driver：提供跨Zone数据迁移功能。
●Location Proxy：提供获取数据的位置信息服务。客户端需要通过它才能够知道
; s" A( X' X4 d数据由哪台Spanserver服务。
+ h, g1 o8 m+ _●Spanserver：提供存储服务，功能上相当于Bigtable系统中的Tablet Server。
每个Spanserver会服务多个子表，而每个子表又包含多个目录。客户端往Spanner
% B* n& M6 I; L( |" h% a% z# \发送读写请求时，首先查找目录所在的Spanserver，接着从Spanserver读写数据。
这里面有一个问题：如何存储目录与Spanserver之间的映射关系？假设每个用户
对应一个目录，全球总共有50亿用户，那么，映射关系的数据规模为几十亿到几百
亿，单台服务器无法存放。Spanner论文中没有明确说明，笔者猜测这里的做法和
Bigtable类似，即将映射关系这样的元数据信息当成元数据表格，和普通用户表格采
取相同的存储方式。
" ]: E0 m" J  v3 v9 b7.3.3　复制与一致性
; k+ c0 g# G" b$ d# g如图7-8所示，每个数据中心运行着一套Colossus，每个机器有100～1000个子
9 K6 v4 q- |' e; D$ U7 Q/ R& p. }4 {9 n表，每个子表会在多个数据中心部署多个副本。为了同步系统中的操作日志，每个
子表上会运行一个Paxos状态机。Paxos协议会选出一个副本作为主副本，这个主副本
& O4 V1 _9 c. g* ?5 U的寿命默认是10秒。正常情况下，这个主副本会在快要到期的时候将自己再次选为
; I4 T& E: f0 V) ^, W主副本；如果出现异常，例如主副本所在的spanserver宕机，其他副本会在10秒后通
过Paxos协议选举为新的主副本。
图　7-8　Spanner多集群复制
; L! C& K* a8 @5 x通过Paxos协议，实现了跨数据中心的多个副本之间的一致性。另外，每个主副
1 B0 V, `3 y8 t# e7 L. H# c本所在的Spanserver还会实现一个锁表用于并发控制，读写事务操作某个子表上的目
录时需要通过锁表避免多个事务之间互相干扰。
. _2 u/ [, ^- d- h8 Z0 A除了锁表，每个主副本上还有一个事务管理器。如果事务在一个Paxos组里面，
可以绕过事务管理器。但是一旦事务跨多个Paxos组，就需要事务管理器来协调。
+ D  Y* r, u& x8 [) W5 x锁表实现单个Paxos组内的单机事务，事务管理器实现跨多个Paxos组的分布式事
4 S" H- k: H4 H9 K( ?0 P) R4 s+ i7 j务。为了实现分布式事务，需要实现3.7.1节中提到的两阶段提交协议。有一个Paxos
组的主副本会成为两阶段提交协议中的协调者，其他Paxos组的主副本为参与者。
/ M- h5 l, `( u  m0 Q7.3.4　TrueTime
为了实现并发控制，数据库需要给每个事务分配全局唯一的事务id。然而，在分
8 G  N4 y& Z' Z6 M3 G2 [9 [布式系统中，很难生成全局唯一id。一种方式是采用Google Percolator（Google
% I9 y- k! [  d7 ~" {4 iCaffeine的底层存储系统）中的做法，即专门部署一套Oracle数据库用于生成全局唯
$ r7 _2 X5 a/ i  v一id。虽然Oracle逻辑上是一个单点，但是实现的功能单一，因而能够做得很高效。
  ?" s. P# k  vSpanner选择了另外一种做法，即全球时钟同步机制TrueTime。
/ e  K7 `6 v) R) k* H1 W7 MTrueTime是一个提供本地时间的接口，但与Linux上的gettimeofday接口不一样的
是，它除了可以返回一个时间戳t，还会给出一个误差e。例如，返回的时间戳是20点
23分30秒100毫秒，而误差是5毫秒，那么真实的时间在20点23分30秒95毫秒到105毫
秒之间。真实的系统e平均下来只有4毫秒。
/ b* \( z, ]/ R4 R8 HTrueTime API实现的基础是GPS和原子钟。之所以要用两种技术来处理，是因为
- v% l- o* P; i3 @% ?$ P+ o导致这两种技术失效的原因是不同的。GPS会有一个天线，电波干扰会导致其失灵。
3 h" E+ |4 E: ?原子钟很稳定。当GPS失灵的时候，原子钟仍然能保证在相当长的时间内，不会出现
偏差。
+ W, H) x6 F3 R- \$ A每个数据中心需要部署一些主时钟服务器（Master），其他机器上部署一个从时
: N2 B& m, H0 C' C7 W3 s8 c; F钟进程（Slave）来从主时钟服务器同步时钟信息。有的主时钟服务器用GPS，有的
主时钟服务器用原子钟。每个从时钟进程每隔30秒会从若干个主时钟服务器同步时
钟信息。主时钟服务器自己还会将最新的时间信息和本地时钟比对，排除掉偏差比
9 ?2 Q: _! ]- {! Z0 R; {* C/ E$ Y较大的结果。
& T' X2 k8 X6 T+ ~: L) F7.3.5　并发控制
Spanner使用TrueTime来控制并发，实现外部一致性，支持以下几种事务：
●读写事务
8 \& I4 H& u" ?" F●只读事务
1 o" M* I% R$ l3 w. F- V7 `●快照读，客户端提供时间戳
●快照读，客户端提供时间范围
0 _* Y: w, A2 n* Q4 y1.不考虑TrueTime
2 g* G1 C4 Y" @4 \3 L! X& D首先，不考虑TrueTime的影响，也就是说，假设TrueTime API获得的时间是精确
5 m; }4 V2 Z7 Q6 j的。如果事务读写的数据只属于同一个Paxos组，那么，每个读写事务的执行步骤如
下：
1）获取系统的当前时间戳；
& u5 h# g) C+ C5 f9 S3 V0 a& ?2）执行读写操作，并将第1步取得的时间戳作为事务的提交版本。
每个只读事务的执行步骤如下：
7 f. v4 P3 I4 _0 I+ [1）获取系统的当前时间戳，作为读事务的版本；
% v0 i' j3 f. r, f' |0 ]! i2）执行读取操作，返回客户端所有提交版本小于读事务版本的事务操作结果。
快照读和只读事务的区别在于：快照读将指定读事务的版本，而不是取系统的
+ Y, G8 f' j: n; |, ]. S1 D4 a当前时间戳。
6 }2 W, p3 F# \# x4 |( n) {如果事务读写的数据涉及多个Paxos组，那么，对于读写事务，需要执行一次两
! y; Q9 n9 C! {* b: Z- O" i阶段提交协议，执行步骤如下：
1）Prepare：客户端将数据发往多个Paxos组的主副本，同时，协调者主副本发
4 R+ c$ i" g7 s" _5 }起prepare协议，请求其他的参与者主副本锁住需要操作的数据。
2 C# u: X' y) v4 y- T6 J/ U7 ~% C+ S. T2）Commit：协调者主副本发起Commit协议，要求每个参与者主副本执行提交操
作并解除Prepare阶段锁定的数据。协调者主副本可以将它的当前时间戳作为该事务
% _) n( m, }( O, Y. m  Q2 e" G的提交版本，并发送给每个参与者主副本。
' l) B/ X' k. [6 d$ F7 k只读事务读取每个Paxos组中提交版本小于读事务版本的事务操作结果。需要注
: D: {  N7 P; I意的是，只读事务需要保证不会读到不完整的事务。假设有一个读写事务修改了两
; W" @0 c9 W# j5 D个Paxos组：Paxos组A和Paxos组B,Paxos组A上的修改已提交，Paxos组B上的修改还未
8 l$ o' g+ L2 _7 W7 ~, o( N9 o提交。那么，只读事务会发现Paxos组B处于两阶段提交协议中的Prepare阶段，需要
# ?5 Q1 ~$ q" d" `; G; U3 Y7 n等待一会，直到Paxos组B上的修改生效后才能读到正确的数据。
2.考虑TrueTime
" u  \7 F- q0 @( B& i: z1 v如果考虑TrueTime，并发控制变得复杂。这里的核心思想在于，只要事务T1的
提交操作早于事务T2的开始操作，即使考虑TrueTime API的误差因素（-e到+e之间，
0 b  _4 N! c8 `: O( V1 P2 b2 Ze值平均为4ms），Spanner也能保证事务T1的提交版本小于事务T2的提交版本。
Spanner使用了一种称为延迟提交（Commit Wait）的手段，即如果事务T1的提交版本
. Y0 J+ v/ y; C3 V5 s为时间戳t commit ，那么，事务T1会在t commit +e之后才能提交。另外，如果事务T2开始
, {0 z" m' b% G) {5 V的绝对时间为t abs ，那么事务T2的提交版本至少为t abs +e。这样，就保证了事务T1和T2
之间严格的顺序，当然，这也意味着每个写事务的延时至少为2e。从这一点也可以
) e* J  j5 |; }* {2 F3 k看出，Spanner实现功能完备的全球数据库是付出了一定代价的，设计架构时不能盲
3 z& K" V+ s/ F% Y( j目崇拜。
7.3.6　数据迁移
目录是Spanner中对数据分区、复制和迁移的基本单位，用户可以指定一个目录
有多少个副本，分别存放在哪些机房中，例如将用户的目录存放在这个用户所在地
区附近的几个机房中。
一个Paxos组包含多个目录，目录可以在Paxos组之间移动。Spanner移动一个目
录一般出于以下几种考虑：
●某个Paxos组的负载太大，需要切分；
3 x1 Y9 k! ?  z: A: Q4 @* o- S●将数据移动到离用户更近的地方，减少访问延时；
●把经常一起访问的目录放进同一个Paxos组。
" R: d0 Y" G8 r. {1 v移动目录的操作在后台进行，不影响前台的客户端读写操作。一般来说，移动
一个50MB的目录大约只需要几秒钟时间。实现时，首先将目录的实际数据移动到指
定位置，然后再用一个原子操作更新元数据，从而完成整个移动过程。
7.3.7　讨论
6 l$ W4 D3 F8 RGoogle的分布式存储系统一步步地从Bigtable到Megastore，再到Spanner，这也印
证了分布式技术和传统关系数据库技术融合的必然性，即底层通过分布式技术实现
( p  n( R# A; @; A( S3 N& b) n可扩展性，上层通过关系数据库的模型和接口将系统的功能暴露给用户。
阿里巴巴的OceanBase系统在设计之初就考虑到这两种技术融合的必然性，因
. n" {: q5 u; C8 G此，一开始就将系统的最终目标定为：可扩展的关系数据库。目前，OceanBase已经
0 g1 a/ P) {1 l  ^( i" o! r/ B& w8 K开发完成了部分功能并在阿里巴巴各个子公司获得广泛的应用。本书第三篇将详细
! R2 P6 C# F( N: L2 N介绍OceanBase的技术细节。
- ?4 t7 H! Y) |* B2 U, _

: n8 K/ H, c. A" `3 ?! i+ b& q/ F