《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
. D9 Z6 Z( D% p; OUpdateServer单点看起来像是OceanBase架构的软肋，然而，经过OceanBase团队
9 X6 U: n1 v) A- m7 U7 @) N3 p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
, L8 x: p& H# v/ F" I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
) g0 B( r* t6 L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。
( t, \) B% ~$ F  u) k  y* A2 Y* U当然，UpdateServer单点架构并不是不可突破。虽然目前UpdateServer单点架构
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。
& X# ?, w  x$ I7 e' I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
功能，接着介绍一种数据分区实现UpdateServer线性扩展的方法。
/ l% c* X! z" y' {* D9.5.1　读写优化回顾
2 f% Y: w! Y. NOceanBase UpdateServer相当于一个内存数据库，其架构设计和“世界上最快的内
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
7 D1 e/ V# _3 ^0 v+ a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。
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
10万个左右，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
$ Q3 F+ f. U- n5 w: z7 M' p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
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
, j9 w  `# r4 b& a持百万次操作成为可能。
- u, A: N' i+ f2.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
核机器上，OceanBase B树每秒支持的单行修改操作都超过150万次。
3.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：
; I/ d) _. p" z/ h! w2 b  z1 L! `1）成组提交。将多个写操作聚合在一起，一次性刷入磁盘中。
" K. s) N4 _. H+ A8 w. o2）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
+ b- P* Y' \8 f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
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
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
) v1 z" S; ]6 E2 }  P2，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
9 g7 B  Q, I5 C# N* _- u+ Q  J1 p- K0 P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
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
6 V/ T0 ~) Y7 V! E3 \" W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 _+ M5 ~5 j) m4 b5 Z  R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
) j5 y/ \& q: |6 g# p; A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
7 c/ Y  ~( S* f$ x  f1 B0 z存，而且容量比较大（例如1GB），从而进一步提升写磁盘性能。
5 T% ~+ `5 ~0 n/ c1 A6 f4.内存容量优化
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
( Q2 x3 ], z  F0 Y外一种思路就是将UpdateServer内存中的数据很快地分发出去。
OceanBase实现了这两种思路。首先，UpdateServer会将内存中的数据编码为精
8 O* d" o" S- X( T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
& }# ]+ `! C9 |0 x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
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
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。
8 |* i9 O- [8 ^5 u+ \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。
( R' Y8 S- X; ?+ G! ^9.5.2　数据旁路导入
, _0 Y: K8 R7 s% s5 o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
OLAP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
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
8 S4 H7 j: y, f$ n$ A绍直接将数据导入到ChunkServer中的方法（即ChunkServer旁路导入）。
/ ]9 Y1 t3 t% WOceanBase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
. e% `7 b, x# bChunkServer中。最后，通知RootServer要求每个ChunkServer并行加载这些SSTable文
件。每个SSTable文件对应ChunkServer的一个子表，ChunkServer加载完本地的SSTable
. d) d" u+ m  {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
围：r1（0～100]、r2（100～200]、r3（200～300]、r4（300～400]、r5（400～
$ C* d* b3 z* C( ~+ }1 C) l500]、r6（500～600]，对应的SSTable文件分别记为sst1，sst2，……，sst6。假设每
- k5 F6 R3 U6 t* l: j+ z. P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：
, Z: X0 C) d9 zA:sst1，sst3，sst4
4 D! r# L$ y4 t( A3 F6 M8 qB:sst2，sst3，sst5
  ?2 C) m4 b1 V% P% C/ X# ?4 r) }( LC:sst1，sst4，sst6
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：
r1(0～100]:A、C
r2(100～200]:B、D
. F" ?4 Z7 d- C; N; Y0 Wr3(200～300]:A、B
r4(300～400]:A、C
& l% @' \; `5 i+ Z$ B0 ir5(400～500]:B、D
+ T, E! @8 R5 i) S2 Rr6(500～600]:C、D
& B; r, O, 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。
$ ?7 ?2 T( U  f/ x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
$ c# r' h8 R" Y6 I5 n1 z  M到多个数据中心的主备OceanBase集群，这里不会涉及这些细节。
9.5.3　数据分区
" j2 `5 W) s* N' J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
; t- ]) _. B2 W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
( C9 I) T4 H) G. `3 x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
; m5 b/ ?* D2 \3 T法。
  c9 Y. K+ I2 a# j: fOceanBase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
为4096个分区，这样，同一个集群中最多允许4096个写节点。
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，
! Q; h1 i. m+ ^" r: [0 Q9 H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
3 K4 N- _0 E* [9 f' M. ]1 q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
4 H) b% O7 G" v3 [* H% K常简单，而且能够完全兼容SQL语法。
# O% g$ `/ U0 G% K2 J) _, h图　9-11　哈希分区SQL语法
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
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
4 T- j, O6 _' L: w5 k同。如果OceanBase支持哈希分区，还能够将UpdateServer进程和ChunkServer进程部
署到一起，这样部署起来会更加方便。
6 T# ?0 O' h9 a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
5 w' X2 y+ c! {0 G# p) Q8 f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
* k( `# r; ]+ [1 J. _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
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
/ X" o- \2 O  F& H% v) e* R据库业务的性能是足够的。
! ~4 [, C6 e4 n6 w9 f0 t: T

$ N( d& g, z6 T