《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
/ c( }! G6 e1 i. s* TUpdateServer单点看起来像是OceanBase架构的软肋，然而，经过OceanBase团队
# r; Q* ?, g# ~; \# p1 i! l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
0 Q& W, `9 u# [8 G. ~9 A' c- ?6 Z" P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
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
& [6 e2 t. t/ D: i/ @' z暂不支持全局事务，只支持针对单个用户的事务操作。
6 m, e  N* [9 y7 {8 |5 n* c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
$ l9 L  ?! r4 j6 v1 D* F功能，接着介绍一种数据分区实现UpdateServer线性扩展的方法。
8 x' ~- c) x/ i) U9.5.1　读写优化回顾
$ {& y# Z, W- X" tOceanBase UpdateServer相当于一个内存数据库，其架构设计和“世界上最快的内
) ?4 P! ?0 U: B2 m# |7 `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
; j1 n$ D1 `4 a  B" u% `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
: u8 Y4 ?; D5 }# ^$ ^# c" }3 b成或正在进行的工作如下。
1.网络框架优化
7 G" X* z% ^4 r) |6 J) k9.2.2　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
! j6 v) P4 ?: e) }) @# q/ O( g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
# Y9 D  ]8 S8 A& D- j/ E5 |持百万次操作成为可能。
2.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
5 D$ \3 G3 s) Q4 m' K# X核机器上，OceanBase B树每秒支持的单行修改操作都超过150万次。
* g- f6 R3 q" ]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：
1）成组提交。将多个写操作聚合在一起，一次性刷入磁盘中。
* G0 Q. }: M( A6 ?/ _& w( c2）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, ?  Z. c. [* C4 X, 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
- D6 Y0 w+ g& G  f: A; [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
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
- W: V) S& [" e' ]4 F1 r" U+ p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
# D' P1 Q) k+ X3 Y2 b' u! W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
+ c: l/ d1 ^" H" A* {0 b$ n$ r存，而且容量比较大（例如1GB），从而进一步提升写磁盘性能。
& T% p* ?! j! X( }6 j% I$ G& o4.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
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
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
+ V$ P& w5 R: R/ K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
% |( V7 u) i  i8 m) w+ M* j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。
* h1 a' B  G4 l1 o  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。
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
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
% N% p% p5 b9 w1 m绍直接将数据导入到ChunkServer中的方法（即ChunkServer旁路导入）。
8 l) {, r9 e- {3 D6 W- n9 D& iOceanBase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
1 b: Q$ \3 u. C% n3 y" a( q- lMapReduce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
; V7 C& F5 q3 _6 G  mChunkServer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
. Z: T/ b. U1 \% v文件后会向RootServer汇报，RootServer接着将汇报的子表信息更新到RootTable中。
8 v; |" Y$ d5 X' Z/ }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
" m4 G$ {% `' u5 j/ Z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
3 o- d/ o7 F- X! P' G6 @, LB:sst2，sst3，sst5
C:sst1，sst4，sst6
/ G: [' w8 D& r& w: V% E- nD:sst2，sst5，sst6
, |  |; i" V" ~% a5 L- j) v- L' X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：
1 z6 N" {: M* f+ _! B. ?r1(0～100]:A、C
r2(100～200]:B、D
' }( G  ?  a& n- }- Br3(200～300]:A、B
5 w, `# i; f2 }1 `0 Ur4(300～400]:A、C
( `3 U! {( H2 ~" J/ h5 X/ Y4 Sr5(400～500]:B、D
4 R7 F+ ]% W+ B) ?5 c) E0 l, Cr6(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。
8 U. \" n1 A& c' O9 o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
, p/ o+ j# d* x- H. i到多个数据中心的主备OceanBase集群，这里不会涉及这些细节。
3 o* R3 r- u% s& Z6 Z9.5.3　数据分区
0 h+ d1 B) E+ V* m  ]2 F3 k1 `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
8 e0 w0 ]% g; L4 i/ M1 m; i. ?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。
4 C. F% M9 W: m( T- N$ K% m3 \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
+ W) Y; @" ?2 f; v5 w# f9 {4 D& k! g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。
! O' \& Z+ m9 ~8 y! s4 M8 ]: 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
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
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
" b% A, v5 O4 p+ U( I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
# r( L+ C% ]# U0 y同。如果OceanBase支持哈希分区，还能够将UpdateServer进程和ChunkServer进程部
. x0 L- M, O% t& g署到一起，这样部署起来会更加方便。
+ z0 r& ^. D7 T: v) V; j; x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
2 u0 t- L, M5 u3 d6 S! G: 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
3 P+ T: v/ v( `/ b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
0 U6 L% ?# Q% q  N+ a- W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。

* l; q; _/ y/ x3 X
6 o7 J. c9 Q4 e& V( m) X