《大规模分布式存储系统》第9章 分布式存储引擎【9.5】

javazx

9.5　消除更新瓶颈
% Q* r; m+ i  d7 U7 z* r2 f8 hUpdateServer单点看起来像是OceanBase架构的软肋，然而，经过OceanBase团队
持续不断地性能优化以及旁路导入功能的开发，单点的架构在实践过程中经受住了
线上考验。每年淘宝网“双十一”光棍节，OceanBase系统都承载着核心的数据库业
2 |) g! C5 ^  }. |6 @" D务，系统访问量出现5到10倍的增长，而OceanBase只需简单地增加机器即可。
当然，UpdateServer单点架构并不是不可突破。虽然目前UpdateServer单点架构
. l$ }* E+ L$ q% |8 N0 ?还不是瓶颈，但是OceanBase系统设计时已经留好了“后门”，以后可以通过对系统打
补丁的方式支持UpdateServer线性扩展。当然，这里可能会做一些牺牲，比如短期内
暂不支持全局事务，只支持针对单个用户的事务操作。
本节首先回顾OceanBase已经实现的优化工作，包括读写性能优化以及旁路导入
5 N+ k6 R, A% j: n3 [; T功能，接着介绍一种数据分区实现UpdateServer线性扩展的方法。
9.5.1　读写优化回顾
OceanBase UpdateServer相当于一个内存数据库，其架构设计和“世界上最快的内
6 D' r( i) O1 t# P' r存数据库”MemSQL比较类似，能够支持每秒数百万次单行读写操作，这样的性能对
于目前关系数据库的应用场景都是足够的。为了达到这样的性能指标，我们已经完
成或正在进行的工作如下。
! [, T% b8 c5 Q( D! Z- k* `/ `1.网络框架优化
9.2.2　节中提到，如果不经过优化，单机每秒最多能够接收的数据包个数只有
5 {- z' c- `3 ], m10万个左右，而经过优化后的libeasy框架对于千兆网卡每秒最多收包个数超过50
- q, a2 i, Q! @万，对于万兆网卡则超过100万。另外，UpdateServer内部还会在软件层面实现多块
6 M" t' E" U. L: {' o: n网卡的负载均衡，从而更好地发挥多网卡的优势。通过网络框架优化，使得单机支
持百万次操作成为可能。
2.高性能内存数据结构
UpdateServer的底层是一颗高性能内存B树。为了最大程度地发挥多核的优势，B
树实现时大部分情况下都做到了无锁（lock-free）。测试数据表明，即使在普通的16
; Q2 l- [; B! w8 ]* u) v3 r, U2 d核机器上，OceanBase B树每秒支持的单行修改操作都超过150万次。
( C8 Q0 _  k0 t# b3.写操作日志优化
在软件层面，写操作日志涉及的工作主要有如下几点：
1）成组提交。将多个写操作聚合在一起，一次性刷入磁盘中。
2）降低日志缓冲区的锁冲突。多个线程同时往日志缓冲区中追加数据，实现时
7 V( t! s% n  R( x4 T) k需要尽可能地减少追加过程的锁冲突。追加过程包含两个阶段：第一个阶段是占
( ^: i# T5 c8 e2 n# r8 F" V0 o/ L位，第二个阶段是拷贝数据，相比较而言，拷贝数据比较耗时。实现的关键在于只
. q- z% D  O! l; W; j对占位操作互斥，而允许多线程并发拷贝数据。例如，有两个线程，线程1和线程
2，他们分别需要往缓冲区追加大小为100字节和大小为300字节的数据。假设缓冲区
初始为空，那么，线程1可以首先占住位置0～100，线程2接着占住100～300。最
: m) P; `# i+ y后，线程1和线程2并发将数据拷贝到刚才占住的位置。
3）日志文件并发写入。UpdateServer中每个日志缓冲区的大小一般为2MB，如
果写入太快，那么，很快会产生多个日志缓冲区需要刷入磁盘，可以并发地将这些
8 q5 s' z5 t9 K$ M0 k# _日志缓冲区刷入不同的磁盘。当然，UpdateServer目前并没有实现2和3这两个优化
点。在硬件层面，UpdateServer机器需要配置较好的RAID卡。这些RAID卡自带缓
存，而且容量比较大（例如1GB），从而进一步提升写磁盘性能。
4.内存容量优化
; e8 X" e2 Q! P. O. ]! h  i: }/ w随着数据不断写入，UpdateServer的内存容量将成为瓶颈。因此，有两种解决思
路。一种思路是精心设计UpdateServer的内存数据结构，尽可能地节省内存使用；另
) j- A, Z- C9 g! C- Y外一种思路就是将UpdateServer内存中的数据很快地分发出去。
( Q  f2 k1 }3 T* `+ Y3 x$ N4 UOceanBase实现了这两种思路。首先，UpdateServer会将内存中的数据编码为精
心设计的格式，从9.3.1节中可以看出，100以内的64位整数在内存中只需要占用两个
" Q% e0 Y  z) A* |7 R/ G' F+ f/ G' G字节。这种编码格式不仅能够有效地减少内存占用，而且往往使得CPU缓存能够容
& c5 Z& q. L) }# F, Q# W/ C# n9 W纳更多的数据，从而弥补编码和解码操作造成的性能损失。另外，当UpdateServer的
  Q8 w. [9 ?/ ]& E3 o内存使用量到达一定大小时，OceanBase会自动触发数据分发操作，将UpdateServer
的数据分发到集群中的ChunkServer中，从而避免UpdateServer的内存容量成为瓶颈。
当然，随着单机内存容量变得越来越大，普通的2U服务器已经具备1TB内存的扩展
能力，数据分发也可能只是一种过渡方案。
9.5.2　数据旁路导入
" m  J9 O5 y: n虽然OceanBase内部实现了大量优化技术，但是UpdateServer单点写入对于某些
9 {4 F. a) }( r5 oOLAP应用仍然可能成为问题。这些应用往往需要定期（例如每天，每个月）导入大
6 q! ]$ W! A5 u9 y* D2 r" j批数据，对导入性能要求很高。为此，OceanBase专门开发了旁路导入功能，本节介
绍直接将数据导入到ChunkServer中的方法（即ChunkServer旁路导入）。
OceanBase的数据按照全局有序排列，因此，旁路导入的第一步就是使用Hadoop
MapReduce这样的工具将所有的数据排好序，并且划分为一个个有序的范围，每个范
围对应一个SSTable文件。接着，再将SSTable文件并行拷贝到集群中所有的
  F; c  s3 F3 dChunkServer中。最后，通知RootServer要求每个ChunkServer并行加载这些SSTable文
- b- h* G7 B9 j4 W件。每个SSTable文件对应ChunkServer的一个子表，ChunkServer加载完本地的SSTable
文件后会向RootServer汇报，RootServer接着将汇报的子表信息更新到RootTable中。
例9-7　有4台ChunkServer：A、B、C和D。所有的数据排好序后划分为6个范
' A- l2 `% U( ]5 D  ^' N2 X6 |5 n: I围：r1（0～100]、r2（100～200]、r3（200～300]、r4（300～400]、r5（400～
. U3 M1 \$ [1 t4 b/ `1 L500]、r6（500～600]，对应的SSTable文件分别记为sst1，sst2，……，sst6。假设每
个子表存储两个副本，那么，拷贝完SSTable文件后，可能的分布情况为：
A:sst1，sst3，sst4
- a$ @9 v0 p9 [5 B1 o4 DB:sst2，sst3，sst5
1 i" \  U* d9 W  HC:sst1，sst4，sst6
, x' m$ g8 r! m% s7 X# |D:sst2，sst5，sst6
接着，每个ChunkServer分别加载本地的SSTable文件，完成后向RootServer汇
报。RootServer最终会将这些信息记录到RootTable中，如下：
# U" a/ ?' X4 e9 ~' i9 A2 Jr1(0～100]:A、C
+ L% U# u! q- {; g1 Wr2(100～200]:B、D
r3(200～300]:A、B
r4(300～400]:A、C
# l! I1 f) p- a* Q1 Q6 xr5(400～500]:B、D
r6(500～600]:C、D
% O# Q# h3 l0 H$ I3 a; W如果导入的过程中ChunkServer发生故障，例如拷贝sst1到机器C失败，那么，旁
路导入模块会自动选择另外一台机器拷贝数据。
" k# _/ M7 N) `7 Q% h4 Z当然，实现旁路导入功能时还需要考虑很多问题。例如，如何支持将数据导入
9 J. R( C% G& M0 t) T3 Z! U到多个数据中心的主备OceanBase集群，这里不会涉及这些细节。
9 {% d8 i) R* Z9.5.3　数据分区
虽然我们坚持认为通过单机性能优化以及硬件性能的提升，UpdateServer单点对
( A) c! v& L) L+ h; i于互联网数据库业务不会成为瓶颈。但是，随着OceanBase的应用场景越来越广，例
如，存储原始日志，我们也可能需要实现更新节点可扩展。本节探讨一种可能的做
法。
8 s7 f/ d' [) n; C  ~6 U5 a! rOceanBase可以借鉴关系数据库中的分区表的概念，将数据划分为多个分区，允
许不同的分区被不同的UpdateServer服务。例如，将所有的数据按照哈希的方式划分
# W2 c) H* w! G$ z* m# f: U为4096个分区，这样，同一个集群中最多允许4096个写节点。
# ]2 t- r: d! _0 {. l; T( {2 ~4 Y* N如图9-11所示，可以将Users表格和Albums的user_id列按照相同的规则做哈希，
这样，同一个用户的所有数据属于相同的分区。由于同一个分区只会被同一个
UpdateServer服务，因此，保证了同一个用户下读写操作的事务性，另外，不同用户
之间的事务可以通过两阶段提交或者最终一致性的方式实现。这种方式实现起来非
常简单，而且能够完全兼容SQL语法。
. P! D1 C1 P3 F' z$ a# e: I图　9-11　哈希分区SQL语法
: D/ }- W  M, h7 V从图8-1中的整体架构图可以看出，在目前的单更新节点架构中，UpdateServer进
* ?3 `! F0 k- J6 o$ k0 u3 I程总是与ChunkServer进程部署到不同的服务器，而且两种服务器对硬件的要求不
: C; }5 X' t# Y5 f. J- ~7 E同。如果OceanBase支持哈希分区，还能够将UpdateServer进程和ChunkServer进程部
8 ^: q+ u5 i0 ]2 l署到一起，这样部署起来会更加方便。
% X& w; p/ ~" w2 p* s$ s除了哈希分区，OceanBase还能够通过范围分区实现更新节点可扩展，即不同的
用户按照user_id有序分布到多台UpdateServer。虽然支持UpdateServer线性可扩展的
: C) ^8 h$ J" A3 p2 o架构看似“比较优雅”，但是，这件事情并不紧急。这是因为，OLTP类应用对性能的
* H+ M) ^! q6 {9 t# o" ~5 k1 Z* s需求是有天花板的（例如全世界人口共50亿，即使其中五分之一的人都在某一天产
/ d1 m( C% E. O! O9 a0 u% q生了一笔交易，这一天的总交易笔数也只有10亿笔），单UpdateServer对于OLTP类数
, N6 k9 X6 l6 z3 ~( ?据库业务的性能是足够的。


2 T$ v: x! {5 B; A: d