分布式数据库 | 浅谈 OceanBase 演进的一点思考

& ?( E6 z7 |! i) i/ D; v8 y& a

引入 | 图解那些分布式数据库中的 DBMS

4 W; g& c# f% z8 x2 c: ~

- U+ F+ v6 |2 B! @6 A

开篇：想必大家都有一个疑问？何为分布式数据库？OLTP，OLAP，HTAP？它又能够给我们带来什么？

背景：在数据库技术 DBMS 领域，尤其是针对其中很多核心技术组成部分攻关的突破，国产化数据库一直都起着模范带头作用。许多国内互联网公司，包括现在很多成熟的技术框架，数据库都来自于国外。早期，依赖于核心技术的引进，在引进的基础上做上层应用，进而不断迭代。而现在核心技术自研，数据库自研等成了技术攻关的新浪潮。阿里曾一直提出“去 IOE ”的概念-其中 IBM 是服务器提供商，Oracle 是数据库软件提供商，EMC 则是存储设备提供商。

思考：

1、当使用 K8、Docker 容器化编排技术受到限制，假若 Oracle、MySql 数据存储等数据库软件不再向我们提供正常的服务？

2、在我们的项目工程中，若是没有了这些数据库技术去提供正常的服务，如何能够去及时地采取补救的措施，使得业务能够平滑过渡，做到让用户无感知体验？

" b& ^2 w; p; B/ C. k

3、从传统关系型数据库到非关系型数据库，NOSQL ，NewSQL 再到数据湖，以及兼顾 OLAP 跟 OLTP 的各种分布式数据库-HTAP（混合事务/分析处理），在拥有自己的数据存储解决方案基础之上，现有技术框架体系是否能够较好适配，能否做到更好地兼容？

5 w, `) W/ W) u- y

场景：在现有渠道产品上的适配，推进国产化数据库进程，包括信创自主可控等领域，都值得作为技术人的我们去深思......

1 t* o2 k0 ]; f! W& O+ ~

诚然，技术多元化是一个趋势，多语言并存，多数据库适配，多环境兼容......

; u0 A4 y5 m- E' A/ X

现状：Oracle，ElasticSearch，MySQL 架构

目前，在 Oracle 中多个业务库中，数据规模已经非常庞大，MySQL 中多个业务库，其单表数据量都已超过千万级别，数据每天在不断的增长......

% i9 w% b, I! l% _. }

% S+ h5 _3 J3 S& N& ^$ X

尤其，在许多老旧的项目中，Oracle 视图数据量非常大，DMP 文件数百G，数据存储成本极其昂贵，这里也提供下大数据量的一些数据库导入导出方式（相比较工具导入导出或许速度更快一个数量级）

$ A, w+ z3 z9 }

MySQL：

. ^" K( l; c8 n8 h/ V

备份数据库命令：

5 n& ?: y' f. [. ]; v# y4 e

mysqldump -u root -p 数据库名 > /home/user/2021.12.26.sql;

只需导出表结构：

$ z; G* n1 D l* D8 w; @

mysqldump -u applyun -p -d bi > /home/applyun/bi.sql;

数据库迁移导入：

0 ^* z! l4 c* O. D% y3 Y

mysql -u root -p 数据库名 < /home/user/2021.12.26.sql;

& C) P" V% [: ]

Oracle：

数据库迁移导入：

# R, @/ h/ ~1 Y' ]7 C& b( j* p8 O0 s

imp yd_dev_tmp/user@ip/orcl file=/home/oracle/xxx.dmp ignore=y full=y;

7 r9 C0 V: ]. O8 R

: C& I; p A* A% [- d( e7 y

成功导入数据泵. dmp 文件。（其中，可通过su - oracle进入oracle目录，dmp文件可上传到/home/oracle路径）

3 z$ a/ y4 I4 |

猜想：

Q2 H5 J, Z$ `/ ?

当下的数据库技术体系，正如春秋时期百家争鸣的局面，已然无法像传统关系型数据库那样三足鼎立，各个大厂，尤其是互联网，根据其自身业务需求体系定制化了很多产品，像 OceanBase ，TiDB ，Vertica，ClickHouse，Greenplum......

6 m }) n$ ?' m6 ^/ p+ n% w

那么，拥有这么多的选择权，是不是意味着学习的成本会不断抬高，我们需要了解扩充的知识面更多？上述仅列举了正在项目中移植预研的几款 DBMS，更多详情请回顾->数仓进阶 | 记一次OLAP分析引擎演进思考过程

/ |6 `: ?( l: Z* Y

构思：

% q8 J+ I: Q9 f1 b7 N3 V, _

当我们的业务系统发展到一定规模，不论是累计数据量，亦或用户并发量。早期，通过单体架构进行设计，应付自如，再大就是分库分表，解决数据库单点瓶颈（I/O）。

/ e) }1 u9 B& m

随着业务持续发展，单机有着明显的单点效应，并且单机的容量跟性能都是极其局限的。

进一步，对某些应用进行水平扩容，渐渐的，虽然各个应用服务器CPU都正常，但是你会发现还是有很多慢请求依然存在，究其缘由-单点数据库性能瓶颈？

* v4 X1 }4 t7 T, `5 U

更进一步，数据库集群-主从架构，大部分读操作可直接访问从库，减轻主库的负担，但依旧还是无法解决主库写的瓶颈？

接下来，就是上述提到的分库分表，分库分表可作水平拆分-对表进行进一步拆分，垂直拆分-不同功能表放置不同的库，按业务功能进行拆分。

然而，当相同的应用扩展越多，每个数据库的链接数，长久以往必会让数据库本身的资源再度成为瓶颈，简言之，资源隔离性依然不彻底->未形成单元化的雏形。

( t# P9 L) h [, n% ?5 T3 Y

再谈经典，

9 P0 ]% p8 Z6 Q ?; Y# c! W U

Google 三驾马车，在分布式系统工程实践领域：

《Google File System》、《Google MapReduce》、

- d* Q& Z) K- K- U

《Google BigTable》在很大程度上奠定了业界大规模分布式存储系统的理论基础.

! e q2 `3 j; V+ C+ J1 P4 G& a

回到 CAP 理论，想必在分布式领域中这个著名的定理都有所耳闻，即 C 为数据一致性，A 为服务可用性，P 为服务对网络分区故障的容错性。

谈及 CAP，这里暂不详赘，各有各自不同深度层次的见解，但这里需要说明下的就是选择 CP 的分布式系统，并不代表可用性就完全没有了，比如像我们常用的中间件，为了增加可用性保障，往往提供了分片集群-复制的一些方案。

包括常说的 BASE 理论-对 CAP 理论的延伸，核心思想-即使无法做到强一致性（Strong Consistency），但我们的应用可以采用适合的方式达能够到最终一致性（Eventual Consitency）。

从上述提到由单点现状->分布式架构演进构思的过程中，出现诸多不同阶段性痛点，想必这也是为什么那么多分布式数据库产品如雨后春笋般不断涌出？

1 I4 j- v/ k5 v& X# C O8 o# n& {' t H

OceanBase-中国第一款自主研发的分布式数据库（简称OB）

1 w2 {2 r L0 n

企业级分布式关系数据库

a）数据强一致

- n, }$ u" k7 a. k ?- [

b）高可靠

分区-副本机制

* @2 R- i# f- b3 Q$ n+ W o; @. ]

c）高性能

Paxos协议，在数据强一致的情况下，具有极高的可用性及性能

$ a( g0 t3 \. x9 T

d）在线扩展

当集群存储容量或是处理能力不足时，可以加入新的 OBServer

e）高度兼容 SQL 标准和主流关系数据库

" O) A, F( x0 X2 k, b3 A7 J' l, S

f）低成本

' Y3 r3 u/ P8 _" ?

CPU、操作系统、数据库

如何既兼顾处理 TP 场景的能力，又具备 AP 场景的分析能力？

8 M$ h: Q/ _- w

想必 HTAP 架构希望打破 TP 和 AP 的边界，虽然存在很多技术难关需要攻克，一直在路上，期待 OceanBase（OB）一直会有新的突破......

/ K+ E: F- [+ Z5 `0 s7 ]

延伸思考：HTAP（混合事务/分析处理），相比 OLTP、OLAP 能够给我们带来？OceanBase 又是如何支持 HTAP？

在高并发海量数据场景下，是否能让系统中诸多计算节点同时运行 OLTP 类型的应用和复杂的 OLAP 类型的应用......