《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
; ~6 t0 E1 V. _* [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
7 ?+ S. P; x1 _1 P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。
  s7 {7 S  A: k. F7 ^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。
& B& P$ a" D7 M6 M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。
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
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。
1.网络框架优化
9 |- R1 _! O( l; w" j0 u4 m" d9.2.2　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
! L0 n+ I1 o5 s+ K10万个左右，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
% Y, r0 x+ h! F& t+ I; K: 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
2 F+ t* j' d' K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 t6 T+ O) ]/ A: E. d, M+ x2.高性能内存数据结构
2 `* \! v3 `8 a, nUpdateServer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
7 E9 M! l) Z" |/ x" ]( k7 I% \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：
. x% B" p+ A5 U1）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
; S& U- X, @  Z! u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
/ t: R1 D5 n: O1 Q/ q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
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
3 C9 B9 H/ U: F. o, d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
8 j, W& ^( d. |; D8 v后，线程1和线程2并发将数据拷贝到刚才占住的位置。
* ]) J9 t. U) n6 ^5 N3）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
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
- ~: j1 j1 U5 w. S; X- R" j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
9 n& Z& F8 X- T" {4 u* ?) r3 C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
0 h2 m. B/ n1 L" @, D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
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
5 I$ }" d6 q! _  H6 p" x" j! r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
" q- P6 Q4 |' [. A/ k" x. ?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
8 O! t! s8 N! `! h) ^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。
3 A+ i  C: K5 _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。
; E$ X) R) a: E* f3 N) L' T9.5.2　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
/ X# y( F7 r5 ~7 J% J$ POLAP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
0 L. n1 z8 ^  W* X% e- N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
' k' N+ D) k1 O% Y绍直接将数据导入到ChunkServer中的方法（即ChunkServer旁路导入）。
( b* L7 o% b/ |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
7 f' e5 c3 t, i1 z- I+ S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
ChunkServer中。最后，通知RootServer要求每个ChunkServer并行加载这些SSTable文
- H0 O# }% S9 y# i5 X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
9 y, d) l! P. U- b7 m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
! [* s9 J" v% x! t4 J9 h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：
1 C' r. ?, H0 P, l9 M* `" h" FA:sst1，sst3，sst4
4 Y! U6 `& K! r" \$ YB:sst2，sst3，sst5
C: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
& E; @- C( n  `: q+ L" y! b1 \; J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
r3(200～300]:A、B
r4(300～400]:A、C
2 K' H* x0 Y# vr5(400～500]:B、D
1 G2 b5 c$ ~* F/ Q* ]/ B$ M5 Hr6(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。
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。
( z/ S6 U; v0 e) P* M, j6 }9.5.3　数据分区
: j; ]: i3 M+ J' i8 e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
! L  Y1 [/ ~4 v- q. }- S5 N9 u7 N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
2 k" X! }8 o4 H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
5 K# Y+ K8 F( _. q9 [法。
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
  W5 d" W4 N8 g5 t- t* y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
' i2 ~7 n7 y6 E$ Z  O- I( _/ d为4096个分区，这样，同一个集群中最多允许4096个写节点。
) X6 s4 m2 T' }& o, ~# P' L( L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
0 l$ B& A1 y# \) I! e  fUpdateServer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
& T5 ?! d' F) i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
& z" T9 f# C9 a7 B常简单，而且能够完全兼容SQL语法。
3 j3 X+ R. q. M+ G# V( y0 C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
; @* h/ {9 P# M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
同。如果OceanBase支持哈希分区，还能够将UpdateServer进程和ChunkServer进程部
0 E" Y  G' h& ~0 S署到一起，这样部署起来会更加方便。
" g: S6 v. {  S& h& h& g+ t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
4 v+ F2 a/ u* o- g; p* _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
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
. ~% M$ a9 c# R$ }2 J! G9 Y! g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
9 X; L3 d# B- ~& i2 m2 r$ }1 ~据库业务的性能是足够的。


# h# f. v2 I6 U* D% g  u