《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
0 f9 L: v  M' D; V  f7 W, f( q- N/ lUpdateServer单点看起来像是OceanBase架构的软肋，然而，经过OceanBase团队
$ e  b1 ?2 Z( w4 a5 \0 v) H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
) o3 [/ i; @! ]" l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。
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
" ^( q, u) |+ j4 vOceanBase UpdateServer相当于一个内存数据库，其架构设计和“世界上最快的内
# n( t0 k% K" P/ `) a& w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
$ z% h9 j, d% v* q  o+ Z0 O成或正在进行的工作如下。
- W2 U6 W8 T3 J1.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
3 V' W" [% Y6 C. Z( {- D% ~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
4 y0 b3 G4 i- }7 v- d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
' s# {& h  j" j' `4 A* m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
0 O: J" N+ A5 [( _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
" L  l) ~% Y& d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。
8 B  {; q4 y7 Y! c" C3.写操作日志优化
' U( N: f' [( g0 k3 t在软件层面，写操作日志涉及的工作主要有如下几点：
0 l* r. U' v6 \3 Q4 p1）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
5 p" a3 O/ S& 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
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
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
3 Z, ^( C2 R1 t% j6 V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
存，而且容量比较大（例如1GB），从而进一步提升写磁盘性能。
# I3 q: A8 n9 i3 q9 j, L4.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。
, ?0 t9 I1 Z3 k1 T6 b( o3 @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
+ \6 v- `* a$ V4 c3 L" P# s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
9 C& `% ]* P! g$ Y/ ^# U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
' v/ @# F  F  R4 `. s4 l# B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。
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
8 n+ Q9 [# w! [% D9 u7 zOLAP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
/ Q1 R9 i5 y" `& w5 L; `: _绍直接将数据导入到ChunkServer中的方法（即ChunkServer旁路导入）。
$ f5 d) B0 f9 y; ?) [0 z9 w, t5 vOceanBase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 ?+ i2 A; I' NMapReduce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
ChunkServer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
) m/ ^4 w+ U# G  n8 w- j文件后会向RootServer汇报，RootServer接着将汇报的子表信息更新到RootTable中。
4 J4 ?8 V2 V. }: G; n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
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
$ Q# Z3 ?/ {9 C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：
$ @9 p" n% D: }: D2 |A:sst1，sst3，sst4
. n* k, D, w2 o1 M+ x" ?B:sst2，sst3，sst5
C:sst1，sst4，sst6
D:sst2，sst5，sst6
5 X8 ^1 l8 ^  P- H( B) ?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：
$ [* {. U3 V( }* }& Gr1(0～100]:A、C
r2(100～200]:B、D
9 {0 \4 N, i) ur3(200～300]:A、B
r4(300～400]:A、C
r5(400～500]:B、D
+ w* o" c) Q1 l7 K2 gr6(500～600]:C、D
; b" l/ w, F) I- O8 M( d8 l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
7 Y# `/ C" S* `/ j! r9 a% E3 L路导入模块会自动选择另外一台机器拷贝数据。
' k1 g( u0 g/ k/ W3 d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
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
  B, u/ _3 W3 R& o' K% x1 m, I3 U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
  w& X7 ?# \& _1 |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
# z4 H* C8 e* t0 \7 i. E3 ]& U法。
+ P6 G+ `# B7 v4 X+ vOceanBase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
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。
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，
% f5 q5 f6 ~* c4 C% r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
' H  b! N/ e3 }1 |0 JUpdateServer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
! R  _2 }) ?( D& f9 W% w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
+ P* c& J' s& C! j常简单，而且能够完全兼容SQL语法。
% p# M; C4 S. h% O( r" c& U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
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
! \/ r& b. Q: v0 u% k% g) j署到一起，这样部署起来会更加方便。
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
3 z6 M" K  Q  z2 b% }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 U- Y3 b7 Z( b$ J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
2 d0 ~! E1 u) H6 I" e% F; V+ E& l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。

3 Y9 H' X( S4 ~" h8 @: p