《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
$ d/ N6 K% V! j0 `- G. E7 A  ?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。
3 [, Z+ ]; Z/ a& \% B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，
1 U  n+ h7 C+ M4 w* X+ z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
0 V0 v5 y7 T" n' e$ d# G* dSpanner的数据模型与6.2节中介绍的Megastore系统比较类似。
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
# g" D4 }* T6 [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
8 `4 |& W. l& ^3 W+ u- r# ]（Directorytable），其他表创建时，可以用INTERLEAVE IN PARENT来表示层次关
# E9 w" m% D6 \; N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）
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
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
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
/ D. l/ M' K) t! m# x% T! M7.3.2　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
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。
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：
1 k& g- E3 c3 C0 r+ h●Universe。一个Spanner部署实例称为一个Universe。目前全世界有3个，一个开
  Z7 n9 s* b. J7 b- |7 U; U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
! \; ]. m) [: a) s5 P6 E/ a  \个Universe。
●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
$ K8 n  M  E+ f( c4 H7 C/ J+ G$ T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：
0 }5 p$ y7 s6 m图　7-7　Spanner整体架构
1 O& S$ v" X8 M$ q' [2 c4 K●Universe Master：监控这个Universe里Zone级别的状态信息。
0 V) h1 O8 h5 |0 Q5 A2 u4 F" P●Placement Driver：提供跨Zone数据迁移功能。
, F- M$ C2 q7 z# v% _6 S$ X●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
) O% `0 k3 B$ f2 z+ d3 N, r- t数据由哪台Spanserver服务。
5 Q3 s+ \& @( V2 p9 d6 F  h●Spanserver：提供存储服务，功能上相当于Bigtable系统中的Tablet Server。
! z& j' i' f! I2 a  P! C1 M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
8 y# P1 k" J0 {; w( D9 Z& V5 }- C6 z6 ?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。
+ k4 u+ j. [. u( }* w+ {1 R+ i- W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
7 H# M! C& m$ t3 \: S+ ~, O3 ^. {# cBigtable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
) W5 p+ W! k: z; L, g5 z5 W取相同的存储方式。
7.3.3　复制与一致性
: d2 a7 {: [; U0 ?% \8 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
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
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
! _5 n/ p# z( L& }2 `2 v2 j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
6 \# h  Z" u; s过Paxos协议选举为新的主副本。
图　7-8　Spanner多集群复制
; _6 A2 |* e5 l9 I' p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
5 ?- g, l0 a8 u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。
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。
4 Y! t0 j9 Q1 o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
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
/ P0 z5 a* Y% F) K: ?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。
7.3.4　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
布式系统中，很难生成全局唯一id。一种方式是采用Google Percolator（Google
# }: g# g* u0 bCaffeine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
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。
Spanner选择了另外一种做法，即全球时钟同步机制TrueTime。
2 r$ ]: N" @! d6 ^3 v& A0 ?TrueTime是一个提供本地时间的接口，但与Linux上的gettimeofday接口不一样的
& V8 t) r: r2 w5 y8 M( g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。
( E* R* t- X+ a( P; cTrueTime 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
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。
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。
( H/ S" u) @; L( k- L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
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
- ]$ _+ \& \: X0 c4 \较大的结果。
: p/ I% c5 g9 p$ j/ X  j5 G7.3.5　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
* @- k  p7 ?' D' B●只读事务
●快照读，客户端提供时间戳
●快照读，客户端提供时间范围
7 U4 k" ], }) ~7 h8 d1.不考虑TrueTime
# u8 h/ K! V& Q# E* D# b; ^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
, O3 H4 Q0 i; \' d4 y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；
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：
1）获取系统的当前时间戳，作为读事务的版本；
2）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
% R" f+ ?* ~" R& S当前时间戳。
8 t3 p" K# s$ p/ V5 o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
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
+ V  [* T4 v) k  D  ]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）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
& u5 H4 k( K8 s' `2 J2 K9 g的提交版本，并发送给每个参与者主副本。
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
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
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
; T& [- q& P( E$ l3 P* s# ^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
# H. c3 U& f2 Z2 W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。
9 j' N1 U3 q) G, e. N9 O  D# J2.考虑TrueTime
, Z  k$ q5 x' C3 U& q8 X. D! h, J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
" Y0 W+ v# |- b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，
e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。
5 M# w- j! n& w2 u+ G1 \6 f2 \! T; pSpanner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
5 D! f6 T! t- l1 e/ a% u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
& `& H6 i6 _5 a2 |) ~# j( `& d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
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
9 j. U: d" b8 A% O% d目崇拜。
* D$ {! {  N; m7.3.6　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
/ K/ w( U$ `& k2 h8 c0 }7 o4 r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
2 b! k$ Z8 e8 Y0 l- n7 _/ {7 i录一般出于以下几种考虑：
7 w8 M7 Y  ~, e; \7 `5 O●某个Paxos组的负载太大，需要切分；
●将数据移动到离用户更近的地方，减少访问延时；
5 g! [+ u% h3 u( D●把经常一起访问的目录放进同一个Paxos组。
$ W/ N/ }0 U* v8 @1 d7 S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。
! t! {( k. g& q7.3.7　讨论
Google的分布式存储系统一步步地从Bigtable到Megastore，再到Spanner，这也印
* |% g: _+ I$ m5 H0 J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
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。
4 M$ B. v4 g# y5 E) a' Z  {  l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
2 {$ y, ?4 ~) F( }$ z4 D+ M- |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
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
介绍OceanBase的技术细节。
: e5 U: r  Z# Q' B- P