《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
UpdateServer单点看起来像是OceanBase架构的软肋，然而，经过OceanBase团队
) a2 ?5 d9 d# V# V$ P6 k$ a0 g3 d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
7 @! l2 D& A, ^. Y0 }5 X2 {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
$ f& O. l) |8 v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
5 a9 O! M8 Z& W+ x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
" M' _4 S7 h- S% \* }0 u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
1 a% g' [/ @7 x; w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
* F: R& y; s8 a3 V3 W) ~+ ~功能，接着介绍一种数据分区实现UpdateServer线性扩展的方法。
( s7 ~6 g* A% e8 N9 i  {/ [3 N9.5.1　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
2 @2 O0 L6 ~, K. F" a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
9 B8 S% z: x; f. X7 `& T7 i$ U% D5 B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
- w+ _$ Q  V/ e5 J! p" W8 }) _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
( d& T. D. w+ [& \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
持百万次操作成为可能。
2.高性能内存数据结构
# u, s" G" \% H/ v  m$ T; LUpdateServer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
7 r- r7 D9 Q) j在软件层面，写操作日志涉及的工作主要有如下几点：
0 R  s- V1 H' u: Q! M9 M: Q3 F1）成组提交。将多个写操作聚合在一起，一次性刷入磁盘中。
8 ]3 e4 k( n  b0 O4 p4 {5 |# m& I2）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 @3 a* o6 I% o. ^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
) n) N2 J; R) m8 e$ Y5 q2 }# h2，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
( K  O1 o8 D6 j3 x, m7 k5 x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
1 Y  R) B3 Q7 T; ]$ l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
% E" L4 u# F8 p" }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
3 t( \, w, [) i5 P0 L: g4 F5 s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
$ I* j6 [9 ~( ], q% ~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
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
- e1 b; m: o/ F, Z# P" t) ^3 b1 t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
; }5 q$ A: e4 J  e5 A  R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
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
; a5 S# h1 |4 t% Y1 G% s# J: `+ b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
' R! N" \( v' O5 T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。
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
" _0 W. B. l4 `2 N+ {% a- _2 O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
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
) X9 V, M% C, Q$ l4 T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）。
: c" n0 v2 `' D1 i. m1 t2 bOceanBase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
9 @9 C( u6 r! aMapReduce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
! H3 Q* q$ W8 j6 ]3 z1 n$ R) w+ nChunkServer中。最后，通知RootServer要求每个ChunkServer并行加载这些SSTable文
: N$ Y+ `& u3 V2 W2 e件。每个SSTable文件对应ChunkServer的一个子表，ChunkServer加载完本地的SSTable
6 |/ G& x$ T+ f4 r3 |; V0 A* }$ H文件后会向RootServer汇报，RootServer接着将汇报的子表信息更新到RootTable中。
: }2 S* I  H# R  I4 h6 l% j$ l: j6 L4 }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
) [. p, ?& ?. Y7 H! `围：r1（0～100]、r2（100～200]、r3（200～300]、r4（300～400]、r5（400～
500]、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
! B4 @5 c" |5 x! n3 ~/ uB:sst2，sst3，sst5
C:sst1，sst4，sst6
D:sst2，sst5，sst6
+ L8 [: C. M3 p( p5 M& W7 ?$ k- C接着，每个ChunkServer分别加载本地的SSTable文件，完成后向RootServer汇
7 N# D/ j, D7 |- v报。RootServer最终会将这些信息记录到RootTable中，如下：
5 M! _( p1 G! W9 Z& }$ U5 b8 ^r1(0～100]:A、C
r2(100～200]:B、D
: U5 i: \: Z% w5 u1 D$ ur3(200～300]:A、B
r4(300～400]:A、C
r5(400～500]:B、D
r6(500～600]:C、D
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。
- J2 _$ N0 O# M' I. t. K. a- j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
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
1 F" z8 |8 {8 t  k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
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
6 O! |- u! F/ P$ g+ Y法。
* `( O' K8 S, }4 D% ^$ }# {OceanBase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
3 f  W% g! ]+ b4 J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
* n  ~2 }4 ^' ^- Z2 \为4096个分区，这样，同一个集群中最多允许4096个写节点。
3 H* s+ Z- j7 e9 U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
; {4 o! _) q& G- n! t1 rUpdateServer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
6 Y4 n" k: w; ~" _1 ]( G6 `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
7 |- z, B  L% j  a0 R5 h常简单，而且能够完全兼容SQL语法。
; f5 F2 e1 T+ ]  N图　9-11　哈希分区SQL语法
3 v" Q8 s3 k( t5 Y4 R: l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
/ \: X5 k. F# c* V: w同。如果OceanBase支持哈希分区，还能够将UpdateServer进程和ChunkServer进程部
3 O9 c6 }1 p( ?+ E署到一起，这样部署起来会更加方便。
3 M$ W9 _7 x7 c: _! Q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
( K6 D6 t. n0 T/ @$ c2 x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
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
  x. k0 X1 g2 j) c- C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
% }9 T0 \9 |/ O8 i/ G: o% J$ i据库业务的性能是足够的。
  k  A# S9 I. L+ W4 L