《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
, u# p* z# v1 O/ q8 }UpdateServer单点看起来像是OceanBase架构的软肋，然而，经过OceanBase团队
; x2 z$ M: G7 z* [8 h+ W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
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
( U9 q! L% w9 V4 t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
4 y; ~' E7 q- M6 Y/ t1 z+ P暂不支持全局事务，只支持针对单个用户的事务操作。
: \% \; j3 }- B8 F8 e7 Q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
# q- z: p) O& }9 _+ j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
; Z6 R. |5 N- q0 QOceanBase UpdateServer相当于一个内存数据库，其架构设计和“世界上最快的内
+ d* D" c, v* }7 f- C$ ^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
# ^% v, a$ N1 Z4 V( ]( E' i0 W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
1 X% G9 t" S2 n2 g, J: R$ P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
  L! A0 x9 }% v* b7 x4 e3 _6 Z; f10万个左右，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
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
" K- b* n. w3 c8 I- `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
7 z. ^% A, h; U' b) U6 N( E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
% S* ^- w* `7 e) v* b( 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。
  D1 o# B& r! ]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。
. n  _( b/ h7 ]$ P9 y& l2）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
) e7 l* z, ^+ h2 d! T: W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
/ Q* i8 l; z: s# k( e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 P) H* t) N+ o, [' C2，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
+ n2 j1 @, W# a! P6 b- k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
+ H" U/ r5 k8 ~. d2 @8 v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
: Z3 X# f" ~- g. e& ?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
; A( s  r+ S8 R) _* V) f" L存，而且容量比较大（例如1GB），从而进一步提升写磁盘性能。
& c6 k, }! W( s: Y; u! z" Z4 n4.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
% W9 T" S' O$ t. M+ n7 d- @5 p外一种思路就是将UpdateServer内存中的数据很快地分发出去。
/ u  h: a  ?; H6 T0 ?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
" ], Z( M- `& d8 V8 ]+ k, A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
, Z8 l" \9 m- W- _/ m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
能力，数据分发也可能只是一种过渡方案。
; G9 }0 o6 v4 L+ i' @/ j9.5.2　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
8 E* j* t: d' H% `% U+ q* Z8 kOLAP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
绍直接将数据导入到ChunkServer中的方法（即ChunkServer旁路导入）。
. ~& s  d4 b$ K/ \; a8 w, @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
( W  l! r  i& H$ W! x8 J: RMapReduce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
9 R1 n; R! q  Q; O& iChunkServer中。最后，通知RootServer要求每个ChunkServer并行加载这些SSTable文
0 r# \: o( P* b) o: o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
  B; J# ?" e8 p- c1 C+ U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
; _( n5 U! c" Q* `1 P. x1 D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：
; o! T$ H2 S3 K' ^A:sst1，sst3，sst4
B: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
报。RootServer最终会将这些信息记录到RootTable中，如下：
r1(0～100]:A、C
( F; |& P8 ^% A& o# B* Br2(100～200]:B、D
# }8 J: P  \3 Jr3(200～300]:A、B
r4(300～400]:A、C
/ z& k, y6 x8 q' o  M. ir5(400～500]:B、D
r6(500～600]:C、D
- o3 T$ {8 [4 h2 _& ]6 [2 p! ?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
, Z2 D6 w4 K. B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
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
5 D; b) f: \* U1 L) v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 B; ]7 k4 l5 l  h, C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
" O$ |4 _5 l( O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
- N0 W2 L0 @% U" k# U: h为4096个分区，这样，同一个集群中最多允许4096个写节点。
7 J) b) L) R. O7 _9 Q7 p, S$ o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，
. ?" y0 b/ [  F  U  K; ^8 {" Y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
' C# j+ X) L; g( S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
5 |3 f# g; G) R- Y& {/ W常简单，而且能够完全兼容SQL语法。
2 k6 |- X% L  J# A; ~2 t! W% y. [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
/ o1 G3 l; K- I, ]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
: |. Y" Y" R# ]4 m* C/ b$ B同。如果OceanBase支持哈希分区，还能够将UpdateServer进程和ChunkServer进程部
1 P5 O1 W* a, H' X+ ^3 s6 |署到一起，这样部署起来会更加方便。
( C" }8 G7 N: y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
, b, d9 Y% I* A6 v4 }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
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
* I* A# }; [' D1 n, r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。
# _- p( u- r* w; O* g6 S* W* f( c: A