寫在前面

本文是分布式數(shù)據(jù)庫的總綱文章的第一部分，主要探討分析性分布式數(shù)據(jù)庫的發(fā)展和技術(shù)差異;第二部分則是交易性數(shù)據(jù)庫的一些關(guān)鍵特性分析。Ivan開始計劃的分布式數(shù)據(jù)庫是不含分析場景的，所以嚴(yán)格來說本篇算是番外篇，后續(xù)待條件具備將以獨立主題的方式展開。

[[266456]]

正文

隨著大規(guī)?；ヂ?lián)網(wǎng)應(yīng)用的廣泛出現(xiàn)，分布式數(shù)據(jù)庫成為近兩年的一個熱門話題。同樣，在銀行業(yè)主推X86限制主機與小型機的背景下，傳統(tǒng)的單機數(shù)據(jù)庫逐漸出現(xiàn)了一些瓶頸，馬上會面臨是否引入分布式數(shù)據(jù)庫的問題。

近期，Ivan在個人公眾號就“銀行引入分布式數(shù)據(jù)庫的必要性”做過一些展望，并收到了一些朋友的反饋，除了對分布式數(shù)據(jù)庫具體技術(shù)探討外，還有一類很有趣的建議，“能不能也講講Teradata、Greenplum這類MPP，這些也是分布式數(shù)據(jù)庫，但老板總是認(rèn)為OLTP場景下的才算數(shù)”。

的確，為了解決OLAP場景需求，其實很早就出現(xiàn)了分布式架構(gòu)的產(chǎn)品和解決方案，其與目前的OLTP方案有很多共通的地方。而且Ivan相信，今后OLAP和OLTP兩個分支技術(shù)的發(fā)展也必然是交錯前行，可以相互借鑒的。

鑒于此，本文會將OLAP類場景的分布式數(shù)據(jù)也納入進(jìn)來，從兩個維度對“分布式數(shù)據(jù)庫”進(jìn)行拆解，第一部分會橫向談?wù)劜煌?ldquo;分布式數(shù)據(jù)庫”，把它們分為五類并對其中OLAP場景的三類做概要分析;第二部分結(jié)合NoSQL與NewSQL的差異，縱向來談?wù)凮LTP場景“分布式數(shù)據(jù)庫”實現(xiàn)方案的關(guān)鍵技術(shù)要點，是前文的延伸，也是分布式數(shù)據(jù)庫專題文章的一個總綱，其中的要點也都會單獨撰文闡述。

首先，Ivan們從橫向談?wù)劜煌?ldquo;分布式數(shù)據(jù)庫”：

一、萬法同宗RDBMS

1990年代開始，關(guān)系型數(shù)據(jù)庫(RDBMS)成為主流，典型的產(chǎn)品包括Sybase、Oracle、DB2等，同期大約也是國內(nèi)IT產(chǎn)業(yè)的起步階段。RDBMS的基本特征已有學(xué)術(shù)上的定義，這里不再贅述。

但從實際應(yīng)用的角度看，Ivan認(rèn)為有兩點最受關(guān)注：

• 內(nèi)部以關(guān)系模型存儲數(shù)據(jù)，對外支持ANSI SQL接口;
• 支持事務(wù)管理ACID特性，尤其是強一致性(指事務(wù)內(nèi)的修改要么全部失敗要么全部成功，不會出現(xiàn)中間狀態(tài))。

而后出現(xiàn)的各種“分布式數(shù)據(jù)庫”，大多都是在這兩點上做權(quán)衡以交換其他方面的能力。

“數(shù)據(jù)庫”雖然有經(jīng)典定義，但很多大數(shù)據(jù)產(chǎn)品或許是為了標(biāo)榜對傳統(tǒng)數(shù)據(jù)庫部分功能的替代作用，也借用了“數(shù)據(jù)庫”的名號，導(dǎo)致在實踐中這個概念被不斷放大，邊界越來越模糊。本文一個目標(biāo)是要厘清這些產(chǎn)品與經(jīng)典數(shù)據(jù)庫的差異與傳承，所以不妨先弱化“數(shù)據(jù)庫”，將其放大為“數(shù)據(jù)存儲”。

那么怎樣才算是“分布式數(shù)據(jù)存儲”系統(tǒng)?

“分布式”是一種架構(gòu)風(fēng)格，用其實現(xiàn)“數(shù)據(jù)存儲”，最現(xiàn)實的目的是為了打開數(shù)據(jù)庫產(chǎn)品的性能天花板，并保證系統(tǒng)的高可靠，進(jìn)一步展開，“分布式數(shù)據(jù)庫”的必要條件有兩點：

• 支持水平擴展，保證高性能

通過增加機器節(jié)點的方式提升系統(tǒng)整體處理能力，擺脫對專用設(shè)備的依賴，并且突破專用設(shè)備方案的性能上限。這里的機器節(jié)點，通常是要支持X86服務(wù)器。

• 廉價設(shè)備+軟件，保證高可靠

在單機可靠性較低的前提下，依靠軟件保證系統(tǒng)整體的高可靠，又可以細(xì)分為“數(shù)據(jù)存儲的高可靠”和“服務(wù)的高可靠”?？傊?，任何單點的故障，可能會帶來短時間、局部的服務(wù)水平下降，但不會影響系統(tǒng)整體的正常運轉(zhuǎn)。

將這兩點作為“分布式數(shù)據(jù)庫”的必要條件，Ivan大致歸納了一下，至少有五種不同的“分布式數(shù)據(jù)庫”：

• NoSQL
• NewSQL
• MPP
• Hadoop技術(shù)生態(tài)
• Like-Mesa

注：也許有些同學(xué)會提到Kafka、Zookeeper等，這些雖然也是分布式數(shù)據(jù)存儲，但因為具有鮮明的特點和適用場景，無需再納入“數(shù)據(jù)庫”概念進(jìn)行探討。

這五類中，前兩類以支持OLTP場景為主，后三類則以O(shè)LAP場景為主。Ivan將按照時間線，主要對OLAP場景下的三類進(jìn)行概要分析。

二、OLAP場景下的分布式數(shù)據(jù)庫

1990-2000年代，隨著應(yīng)用系統(tǒng)廣泛建設(shè)與深入使用，數(shù)據(jù)規(guī)模越來越大，國內(nèi)銀行業(yè)的“全國大集中”基本都是在這個階段完成。這期間，RDBMS得到了廣泛運用，Oracle也擊敗Sybase成為數(shù)據(jù)庫領(lǐng)域的王者。

在滿足了基本的交易場景后，數(shù)據(jù)得到了累積，進(jìn)一步的分析性需求自然就涌現(xiàn)了出來。單一數(shù)據(jù)庫內(nèi)同時支持聯(lián)機交易和分析需求存在很多問題，往往會造成對聯(lián)機交易的干擾，因此需要新的解決方案。這就為MPP崛起提供了機會。

1. MPP

MPP(Massively Parallel Processing)是指多個處理器(或獨立的計算機)并行處理一組協(xié)同計算[1]。

為了保證各節(jié)點的獨立計算能力，MPP數(shù)據(jù)庫通常采用ShareNothing架構(gòu)，最為典型的產(chǎn)品是Teradata(簡稱TD)，后來也出現(xiàn)Greenplum(簡稱GPDB)、Vertica、Netezza等競爭者。

架構(gòu)特點：

MPP是多機可水平擴展的架構(gòu)，符合“分布式”的基本要求，其中TD采用外置集中存儲而GPDB直接使用本地磁盤，從這點來說GPDB是更徹底的Share Nothing架構(gòu)。

考慮到TD商業(yè)策略上采用一體機方案，不具有開放性，而GPDB具有較高的開源程度，下文中通過分析后者架構(gòu)特點來分析MPP工作機制。

GPDB屬于主從架構(gòu)[2]，Slave稱為Segment是主要的數(shù)據(jù)加工節(jié)點，是在PostgreSQL基礎(chǔ)上的封裝和修改，天然具備事務(wù)處理的能力，可進(jìn)行水平擴展;集群內(nèi)有唯一Active狀態(tài)的Master節(jié)點，除了元數(shù)據(jù)存儲和調(diào)度功能外，同時承擔(dān)一定的工作負(fù)載，即所有外部對集群的數(shù)據(jù)聯(lián)機訪問都要經(jīng)過Master節(jié)點。

在高可靠設(shè)計方面，首先設(shè)置了Standby Master節(jié)點，在Master節(jié)點宕機時接管其任務(wù)，其次將Segment節(jié)點則細(xì)分為兩類不同角色Primary和Mirror，后者是前者的備節(jié)點，數(shù)據(jù)提交時在兩者間進(jìn)行強同步，以此保證Primary宕機時，Mirror可以被調(diào)度起來接替前者的任務(wù)。

數(shù)據(jù)分析性需求對IT能力的要求包括：

• 復(fù)雜查詢能力;
• 批量數(shù)據(jù)處理;
• 一定的并發(fā)訪問能力。

MPP較好的實現(xiàn)了對上述能力的支撐，在前大數(shù)據(jù)時代得到了廣泛的應(yīng)用，但這個時期的數(shù)據(jù)總量相對仍然有限，普遍在TB級別，對應(yīng)的集群規(guī)模也通常在單集群百節(jié)點以下。

隨著數(shù)據(jù)價值關(guān)注度的不斷提升，越來越多的數(shù)據(jù)被納入企業(yè)分析范圍;同時實際應(yīng)用中考慮到數(shù)據(jù)存儲和傳輸成本，往往傾向于將數(shù)據(jù)集中在一個或少數(shù)幾個集群中，這樣推動了集群規(guī)模的快速增長。

在大規(guī)模集群(幾百至上千)的使用上，MPP從批處理和聯(lián)機訪問兩個方面都顯現(xiàn)了一些不足。以下內(nèi)容主要借鑒了Pivotal(GPDB原廠)的一篇官方博客[3]。

注：有位同學(xué)給出的譯文也具有較好的質(zhì)量，推薦閱讀[4]。

缺陷：

批處理

MPP架構(gòu)下，工作負(fù)載節(jié)點(對GPDB而言是Segment節(jié)點)是完全對稱的，數(shù)據(jù)均勻的存儲在這些節(jié)點，處理過程中每個節(jié)點(即該節(jié)點上的Executor)使用本地的CPU、內(nèi)存和磁盤等資源完成本地的數(shù)據(jù)加工。這個架構(gòu)雖然提供了較好的擴展性，但隱藏了極大的問題——Straggler，即當(dāng)某個節(jié)點出現(xiàn)問題導(dǎo)致速度比其他節(jié)點慢時，該節(jié)點會成為Straggler。

此時，無論集群規(guī)模多大，批處理的整體執(zhí)行速度都由Straggler決定，其他節(jié)點上的任務(wù)執(zhí)行完畢后則進(jìn)入空閑狀態(tài)等待Straggler，而無法分擔(dān)其工作。導(dǎo)致節(jié)點處理速度降低的原因多數(shù)是磁盤等硬件損壞，考慮到磁盤本身的一定故障率(根據(jù)Google統(tǒng)計前三個月內(nèi)2%損壞率，第二年時達(dá)到8%)當(dāng)集群規(guī)模達(dá)到一定程度時，故障會頻繁出現(xiàn)使straggler成為一個常規(guī)問題。

并發(fā)

由于MPP的“完全對稱性”，即當(dāng)查詢開始執(zhí)行時，每個節(jié)點都在并行的執(zhí)行完全相同的任務(wù)，這意味著MPP支持的并發(fā)數(shù)和集群的節(jié)點數(shù)完全無關(guān)。根據(jù)該文中的測試數(shù)據(jù)，4個節(jié)點的集群和400個節(jié)點的集群支持的并發(fā)查詢數(shù)是相同的，隨著并發(fā)數(shù)增加，這二者幾乎在相同的時點出現(xiàn)性能驟降。

傳統(tǒng)MPP的聯(lián)機查詢主要面向企業(yè)管理層的少數(shù)用戶，對并發(fā)能力的要求較低。而在大數(shù)據(jù)時代，數(shù)據(jù)的使用者從戰(zhàn)略管理層轉(zhuǎn)向戰(zhàn)術(shù)執(zhí)行層乃至一線人員，從孤立的分析場景轉(zhuǎn)向與業(yè)務(wù)交易場景的融合。對于聯(lián)機查詢的并發(fā)能力已經(jīng)遠(yuǎn)超MPP時代，成為OLAP場景分布式數(shù)據(jù)庫要考慮的一個重要問題。

除上述兩點以外，GPDB架構(gòu)中的Master節(jié)點承擔(dān)了一定的工作負(fù)載，所有聯(lián)機查詢的數(shù)據(jù)流都要經(jīng)過該節(jié)點，這樣Master也存在一定的性能瓶頸。同時，在實踐中GPDB對數(shù)據(jù)庫連接數(shù)量的管理也是非常謹(jǐn)慎的。在Ivan曾參與的項目中，Pivotal專家給出了一個建議的最大值且不會隨著集群規(guī)模擴大而增大。

綜上，大致可以得出結(jié)論，MPP(至少是GPDB)在集群規(guī)模上是存在一定限制的。

2000-2010年代，大多數(shù)股份制以上銀行和少部分城商行都建立了數(shù)據(jù)倉庫或ODS系統(tǒng)，主要采用了MPP產(chǎn)品?？梢哉f，這十余年是MPP產(chǎn)品最輝煌的時代。到目前為止，MPP仍然是銀行業(yè)建設(shè)數(shù)據(jù)倉庫和數(shù)據(jù)集市類系統(tǒng)的主要技術(shù)選擇。為了規(guī)避MPP并發(fā)訪問上的缺陷以及批量任務(wù)對聯(lián)機查詢的影響，通常會將數(shù)據(jù)按照應(yīng)用粒度拆分到不同的單體OLTP數(shù)據(jù)庫中以支持聯(lián)機查詢。

2. Hadoop生態(tài)體系

MPP在相當(dāng)長的一段時期內(nèi)等同于一體機方案(以TD為代表)，其價格高昂到普通企業(yè)無法承受，多數(shù)在銀行、電信等行業(yè)的頭部企業(yè)中使用。2010年代，隨著大數(shù)據(jù)時代的開啟，Hadoop生態(tài)體系以開源優(yōu)勢，獲得了蓬勃發(fā)展和快速普及。

Hadoop技術(shù)體系大大降低了數(shù)據(jù)分析類系統(tǒng)的建設(shè)成本，數(shù)據(jù)分析挖掘等工作由此步入“數(shù)據(jù)民主化”時代。在Hadoop生態(tài)體系中，分析需求所需要的能力被拆分為批量加工和聯(lián)機訪問，通過不同的組件搭配實現(xiàn)。批量加工以MapReduce、Tez、Spark等為執(zhí)行引擎，為了獲得友好的語義支持，又增加了Hive、SparkSQL等組件提供SQL訪問接口。

聯(lián)機訪問部分，則從早期Hive過渡到Impala、Hawk以及Kylin、Presto等方案逐漸降低了訪問延時。

架構(gòu)特點：

Hadoop生態(tài)體系下HDFS、Spark、Hive等組件已經(jīng)有很多文章介紹，本文不再贅述?？偟膩碚f，其架構(gòu)的著力點在于數(shù)據(jù)高吞吐處理能力，在事務(wù)方面相較MPP更簡化，僅提供粗粒度的事務(wù)管理。

缺陷：

Hadoop也有其明顯的缺陷，主要是三點：

批量加工效率較低

MPP的擁護(hù)者往往會詬病Hadoop計算引擎執(zhí)行效率低。的確，在同等規(guī)模的集群執(zhí)行相同的數(shù)據(jù)加工邏輯，即使與Spark對比，MPP所耗費的時間也會明顯更少些[3]，其主要的原因在于兩者對于數(shù)據(jù)在磁盤和內(nèi)存中的組織形式不同。

MPP從RDBMS而來(例如Vertica和GPDB都是基于PostgreSQL開發(fā))，對數(shù)據(jù)的組織形式更貼近傳統(tǒng)方式，按區(qū)、段、塊等單位組織，對數(shù)據(jù)進(jìn)行了預(yù)處理工作以提升使用時的效率;Hadoop生態(tài)體系以HDFS文件存儲為基礎(chǔ)，HDFS并不像傳統(tǒng)數(shù)據(jù)庫那樣獨立管理一塊連續(xù)的磁盤空間，而是將數(shù)據(jù)表直接映射成不同的數(shù)據(jù)文件，甚至表分區(qū)也以目錄、文件等方式體現(xiàn)。

HDFS最簡單的txt格式干脆就是平鋪的數(shù)據(jù)文件，處理過程難免要簡單粗暴一些，但隨著Avro、ORCFile、Parquet等很多新的存儲格式相繼被引入，基于HDFS的批處理也更加精細(xì)。從整體架構(gòu)來看，Hadoop更加看重大數(shù)據(jù)量批量處理的吞吐能力。

同時，Hadoop具備MPP所缺失的批量任務(wù)調(diào)整能力，數(shù)據(jù)的多副本存儲使其具有更多“本地化”數(shù)據(jù)加工的備選節(jié)點，而且數(shù)據(jù)加工處理與數(shù)據(jù)存儲并不綁定，可以根據(jù)節(jié)點的運行效率動態(tài)調(diào)整任務(wù)分布，從而在大規(guī)模部署的情況下具有整體上更穩(wěn)定的效率。相比之下，MPP在相對較小的數(shù)據(jù)量下具有更好的執(zhí)行效率。

不能無縫銜接EDW實施方法論

在長期的實踐中，企業(yè)級市場的主流集成商針對EDW項目沉淀了一套固定的實施方法，與MPP特性相匹配，但Hadoop并不能與之無縫對接。一個最典型的例子是歷史數(shù)據(jù)的存儲，傳統(tǒng)方法是采用“拉鏈表”的形式，即對于當(dāng)前有效的數(shù)據(jù)會記錄其生效的起始時間，在數(shù)據(jù)被更改或刪除后，在該行記錄的另外一列記錄失效時間。這樣，當(dāng)前數(shù)據(jù)即變更為歷史數(shù)據(jù)，通過這種增量的表述方式，節(jié)省了大量的存儲空間和磁盤IO。

可以看出，拉鏈表的設(shè)計思想其實與基于時間戳的MVCC機制是相同的。

HDFS作為Hadoop的存儲基礎(chǔ)，其本身不提供Update操作，這樣所有在數(shù)據(jù)操作層面的Update最終會被轉(zhuǎn)換為文件層面的Delete和Insert操作，效率上顯著降低。據(jù)Ivan所知，在很多企業(yè)實踐中會將這種增量存儲轉(zhuǎn)換為全量存儲，帶來大量數(shù)據(jù)冗余的同時，也造成實施方法上的變更。

聯(lián)機查詢并發(fā)能力不足

對于聯(lián)機查詢場景，最常見的是SQL on Hadoop方案，將Impala、HAWQ等MPP引擎架設(shè)在HDFS基礎(chǔ)上，批量數(shù)據(jù)與聯(lián)機查詢共用一份數(shù)據(jù)。MPP引擎借鑒了MPP數(shù)據(jù)庫的設(shè)計經(jīng)驗，相對Hive等組件提供了更低的延遲。但存在一個與MPP相同的問題，即并發(fā)能力不足。

通過一些項目測試中，Ivan發(fā)現(xiàn)在大體相同的數(shù)據(jù)量和查詢邏輯情況下， Impala并發(fā)會低于GPDB。其原因可能是多方面的，不排除存在一些調(diào)優(yōu)空間，但在系統(tǒng)架構(gòu)層面也有值得探討的內(nèi)容。例如在元數(shù)據(jù)讀取上，Impala復(fù)用了Hive MetaStore，但后者提供的訪問服務(wù)延時相對較長，這也限制了Impala的并發(fā)能力[7]。

3. Like-Mesa

Mesa是Google開發(fā)的近實時分析型數(shù)據(jù)倉庫，2014年發(fā)布了論文披露其設(shè)計思想[5]，其通過預(yù)聚合合并Delta文件等方式減少查詢的計算量，提升了并發(fā)能力。

Mesa充分利用了現(xiàn)有的Google技術(shù)組件，使用BigTable來存儲所有持久化的元數(shù)據(jù)，使用了Colossus (Google的分布式文件系統(tǒng))來存儲數(shù)據(jù)文件，使用MapReduce來處理連續(xù)的數(shù)據(jù)。

Mesa相關(guān)的開源產(chǎn)品為Clickhouse[6](2016年Yandex開源)和Palo[7](2017年百度開源)。

架構(gòu)特點：

目前ClickHouse的資料仍以俄語社區(qū)為主，為便于大家理解和進(jìn)一步研究，下面主要以Palo為例進(jìn)行說明。

Palo沒有完全照搬Mesa的架構(gòu)設(shè)計的思路，其借助了Hadoop的批量處理能力，但將加工結(jié)果導(dǎo)入到了Palo自身存儲，專注于聯(lián)機查詢場景，在聯(lián)機查詢部分主要借鑒了Impala技術(shù)。同時Palo沒有復(fù)用已有的分布式文件系統(tǒng)和類BigTable系統(tǒng)，而是設(shè)計了獨立的分布式存儲引擎。雖然數(shù)據(jù)存儲上付出了一定的冗余，但在聯(lián)機查詢的低延遲、高并發(fā)兩方面都得到了很大的改善。

Palo在事務(wù)管理上與Hadoop體系類似，數(shù)據(jù)更新的原子粒度最小為一個數(shù)據(jù)加載批次，可以保證多表數(shù)據(jù)更新的一致性。

整體架構(gòu)由Frontend和Backend兩部分組成，查詢編譯、查詢執(zhí)行協(xié)調(diào)器和存儲引擎目錄管理被集成到Frontend;查詢執(zhí)行器和數(shù)據(jù)存儲被集成到Backend。Frontend負(fù)載較輕，通常配置下，幾個節(jié)點即可滿足要求;而Backend作為工作負(fù)載節(jié)點會大幅擴展到幾十至上百節(jié)點。數(shù)據(jù)處理部分與Mesa相同采用了物化Rollup(上卷表)的方式實現(xiàn)預(yù)計算。

Palo和ClickHouse都宣稱實現(xiàn)了MPP Data Warehouse，但從架構(gòu)上看已經(jīng)與傳統(tǒng)的MPP發(fā)生很大的變化，幾乎完全舍棄了批量處理，專注于聯(lián)機部分。

ClickHouse和Palo作為較晚出現(xiàn)的開源項目，還在進(jìn)一步發(fā)展過程中，設(shè)定的使用場景以廣告業(yè)務(wù)時序數(shù)據(jù)分析為主，存在一定局限性，但值得持續(xù)關(guān)注。