《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
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
4 ]8 t( R+ ~4 l6 a/ ]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
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
0 ^' O% L2 N/ Y& |1 b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。
7 s" q, P" e: B2 O$ t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
% t. |* I1 D1 }' M! s  s7 O功能，接着介绍一种数据分区实现UpdateServer线性扩展的方法。
9 o# {% C% C9 `+ g* [2 W9.5.1　读写优化回顾
1 l" q( S' y: o# b* p% U+ u! I. bOceanBase 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
5 x5 D* f/ U1 Y0 [  N5 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
成或正在进行的工作如下。
0 N1 ?% _' S- U+ B- S! }8 D1.网络框架优化
: ]+ O4 C) a- D( f9.2.2　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
1 e- M' C0 U' X% c; `: c( Q! U& v8 S10万个左右，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) b6 b6 K# T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
# W) e( A* B4 W9 i( A4 I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。
) o0 E1 T7 t" ^, O2.高性能内存数据结构
: s( m* S# L# D* Z/ d1 C7 OUpdateServer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
/ v( t) ^2 A; @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
- L6 f# ?# Z. v) F" J0 E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
* `9 o& [8 ?3 z) N! u3 A2 o, H& Q! y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
: r$ \% X( o! M6 C( g* r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
2 {- i0 R9 v8 k6 G' A( g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
) Q3 I9 A; K. J) D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
2 p; Z  l# e' d0 I5 N6 `- t0 p2 c1 q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。
5 P) O8 c0 p: X$ l% H* b3）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
  z8 b( \0 i; 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
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
5 r; C# \1 Q: ~" O5 W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
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 s9 I& J7 b1 G& O7 J0 S+ d. i外一种思路就是将UpdateServer内存中的数据很快地分发出去。
7 V0 d- X# Q4 g4 G1 v+ [' v; uOceanBase实现了这两种思路。首先，UpdateServer会将内存中的数据编码为精
& l+ F  D  m* E- q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
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
1 i$ |8 R6 F( ^* v) {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
* B( o6 m; d" \4 A4 U7 r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。
. u, x8 v$ q# w  b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。
6 K' ^# Z" z5 k; v, W& U9.5.2　数据旁路导入
' `" z9 c6 i+ o$ o5 [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
# |8 A/ Y8 y9 d" \9 v" W$ }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
) _. o9 N. S5 A/ f0 K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
# z: `* ^+ S) u7 Y: oMapReduce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
# T( v" q' B5 [8 t; iChunkServer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
( t1 t8 b+ h2 {* G  l文件后会向RootServer汇报，RootServer接着将汇报的子表信息更新到RootTable中。
; l  Y& _3 \3 `* m! ?' ]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
7 I( Q. w& Z7 G* w( h围：r1（0～100]、r2（100～200]、r3（200～300]、r4（300～400]、r5（400～
% _9 x0 }7 m  E. n4 K500]、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
4 A  n' g! v! K* \; @; Q9 \B:sst2，sst3，sst5
' r! e1 x4 t* ^. |: I. t; xC: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
. P* Q8 `! b# X1 e7 c4 s+ P报。RootServer最终会将这些信息记录到RootTable中，如下：
r1(0～100]:A、C
; b0 o6 o- S- `0 ^+ B: pr2(100～200]:B、D
r3(200～300]:A、B
5 t% g) @* r3 P! H3 O% Ur4(300～400]:A、C
r5(400～500]:B、D
, V! f5 P( O- o& d6 ^6 e( w. Nr6(500～600]:C、D
7 F- f9 g; Q: m% A: J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。
) [0 [+ w) E. @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。
( b% I8 p" V0 F& |1 p9.5.3　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
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
! }1 r, ?7 W4 P' U" i" Y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。
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
0 m: T+ T" N: m, A# l3 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
' Z2 z5 P: z& _$ ^- H2 P# A为4096个分区，这样，同一个集群中最多允许4096个写节点。
- m; A0 z. H( z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，
* m' R8 R6 R3 I9 \$ R: R/ F) b* d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
6 D; A% V: r8 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
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。
图　9-11　哈希分区SQL语法
, t  X9 r# G2 D% n: n9 C% Q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
" B6 C  H% r. D+ r# }3 c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 \% P- J. y% R  g' K  g* P) H( N署到一起，这样部署起来会更加方便。
' q3 V% o! @7 E6 n4 ~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
1 |" G" w4 [+ Q; o0 ?. j1 T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
& E- Y$ A/ z3 k& d' h  r+ \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
1 B7 D5 E/ G. U0 J" N/ e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
据库业务的性能是足够的。


; i$ _% D' L- ~$ I( S- `