分库分表已成为过去式,使用分布式数据库才是未来
转载至我的博客 https://www.infrastack.cn ,公众号:架构成长指南
当我们使用 Mysql数据库到达一定量级以后,性能就会逐步下降,而解决此类问题,常用的手段就是引入数据库中间件进行分库分表处理,比如使用 Mycat
、ShadingShpere
、tddl
,但是这种都是过去式了,现在使用分布式数据库可以避免分库分表
为什么不建议分库分表呢?
分库分表以后,会面临以下问题
- 分页问题,例如:使用传统写法,随着页数过大性能会急剧下降
- 分布式事务问题
- 数据迁移问题,例如:需要把现有数据通过分配算法导入到所有的分库中
- 数据扩容问题,分库分表的数据总有一天也会到达极限,需要增大分片
- 开发模式变化,比如在请求数据时,需要带分片键,否则就会导致所有节点执行
- 跨库跨表查询问题
- 业务需要进行一定取舍,由于分库分表的局限性,有些场景下需要业务进行取舍
以上只是列举了一部分问题,为了避免这些问题,可以使用分布式数据库TiDB来处理
TiDB介绍
TiDB 是 PingCAP 公司研发的一款开源分布式关系型数据库,从 2015年 9 月开源,至今已经有9 年时间,可以说已经非常成熟,它是一款同时支持OLTP(在线事务处理)和OLAP(在线分析处理)的融合型分布式数据库产品,具备水平扩缩容,金融级高可用、实时 HTAP(Hybrid Transactional and Analytical Processing)、云原生的分布式数据库,兼容 MySQL 5.7 协议和 MySQL 生态等重要特性,它适合高可用、强一致要求较高、数据规模较大等各种应用场景。
核心特性
- 金融级高可用
- 在线水平扩容或者缩容,并且存算分离
- 云原生的分布式数据库,支持部署在公有云,私有云,混合云中
- 实时HTAP,提供TIKV行存储引擎和TiFlash列存储引擎
- 兼容MySQL协议和MySQL生态
- 分布式事务强一致性
- 从 MySQL 无缝切换到 TiDB,几乎无需修改代码,迁移成本极低
- PD在分布式理论CAP方面满足CP,是强一致性的
应用场景
- 对数据一致性及高可靠、系统高可用、可扩展性、容灾要求较高的金融行业属性的场景
- 对存储容量、可扩展性、并发要求较高的海量数据及高并发的OLTP场景
- 数据汇聚、二次加工处理的场景
案例
TiDB 有1500 多家不同行业的企业应用在了生产环境,以下是一些有代表性企业,要想查看更多案例,可以访问TiDB 官网查询
系统架构
TIDB Server
SQL 层,对外暴露 MySQL 协议的连接 endpoint,负责接收SQL请求,处理SQL相关的逻辑,并通过PD找到存储计算所需数据的TiKV地址,与TiKV交互获取数据,最终返回结果。TiDB Server 是无状态的,其本身并不存储数据,只负责计算,可以无限水平扩展,可以通过负载均衡组件(LVS、HAProxy或F5)对外提供统一的接入地址,客户端的连接可以均匀地分摊在多个 TiDB 实例上以达到负载均衡的效果。
PD Server
整个集群的管理模块,其主要工作有三个:
- 存储集群的元信息(某个Key存储在那个TiKV节点);
- 对TiKV集群进行调度和负载均衡、Leader选举;
- 分配全局唯一且递增的事务ID。
PD 是一个集群,需要部署奇数个节点,一般线上推荐至少部署3个节点。PD在选举的过程中无法对外提供服务,这个时间大约是3秒。
TIKV Server
TiDB 现在同时支持OLTP 和 OLAP,而TiKV负责存储OLTP数据,从外部看TiKV是一个分布式的提供事务的Key-Value存储引擎。存储数据的基本单位是Region,每个Region负责存储一个Key Range(从StartKey到EndKey的左闭右开区间)的数据,每个TiKV节点会负责多个Region。
TiKV如何做到数据不丢失的?
简单理解,就是把数据复制到多台机器上,这样一个节点down 机,其他节点上的副本还能继续提供服务;复杂理解,需要这个数据可靠并且高效复制到其他节点,并且能处理副本失效的情况,那怎么做呢,就是使用 Raft
一致性算法
Region 与副本之间通过 Raft 协议来维持数据一致性,任何写请求都只能在 Leader 上写入,并且需要写入多数副本后(默认配置为 3 副本,即所有请求必须至少写入两个副本成功)才会返回客户端写入成功。
分布式事务支持
TiKV 支持分布式事务,我们可以一次性写入多个 key-value 而不必关心这些 key-value 是否处于同一个数据切片 (Region) 上,TiKV 的分布式事务参考了Google 在 BigTable 中使用的事务模型Percolator,具体可以访问论文了解
与MySQL的对比
支持的特性
- 支持分布式事务,原理是基于Google Percolator,Percolator是基于Bigtable的,所以数据结构直接使用了Bigtable的Tablet。详情可参考https://zhuanlan.zhihu.com/p/39896539
- 支持锁,TIDB是乐观锁 +MVCC ,MySQL是悲观锁+MVCC,要注意TIDB执行Update、Insert、Delete时不会检查冲突,只有在提交时才会检查写写冲突,所以在业务端执行SQL语句后,要注意检查返回值,即使执行没有出错,提交的时候也可能出错。
不支持的功能特性
- 不支持存储过程、函数、触发器
- 自增id只支持在单个TIDB Server的自增,不支持多个TIDB Server的自增。
- 外键约束
- 临时表
- Mysql追踪优化器
XA
语法(TiDB 内部使用两阶段提交,但并没有通过 SQL 接口公开)
资源使用情况
TiDB 具有很高的数据压缩比,MySQL 中的 10.8 TB 数据在 TiDB 中变成了 3.2 TB,还是三副本的总数据量。因此,MySQL 与 TiDB 的空间使用比例为 3.4:1。
同等量级,使用2 年以后,资源使用情况
- MySQL使用32 个节点,而 TiDB 只有 14 个
- MySql 用了 512 个 CPU 核心,而 TiDB 将仅使用 224 个,不到 MySQL 的一半。
- MySQL 使用 48 TB 存储空间,而 TiDB 将使用 16 TB,仅为 MySQL 的 1/3。
性能测试
测试报告 1
来源:https://www.percona.com/blog/a-quick-look-into-tidb-performance-on-a-single-server/
五个 ecs 实例,使用了不同配置,以此测试
- t2.medium:2 个 CPU 核心
- x1e.xlarge:4 个 CPU 核心
- r4.4xlarge:16 个 CPU 核心
- m4.16xlarge:64 个 CPU 核心
- m5.24xlarge:96 个 CPU 核心
MySQL 中的数据库大小为 70Gb,TiDB 中的数据库大小为 30Gb(压缩)。该表没有二级索引(主键除外)。
测试用例
-
简单计数(*):
select count(*) from ontime;
-
简单分组依据
select count(*), year from ontime group by year order by year;
-
用于全表扫描的复杂过滤器
select * from ontime where UniqueCarrier = 'DL' and TailNum = 'N317NB' and FlightNum = '2' and Origin = 'JFK' and Dest = 'FLL' limit 10;
-
复杂的分组依据和排序依据查询
select SQL_CALC_FOUND_ROWS FlightDate, UniqueCarrier as carrier, FlightNum, Origin, Dest FROM ontime WHERE DestState not in ('AK', 'HI', 'PR', 'VI') and OriginState not in ('AK', 'HI', 'PR', 'VI') and flightdate > '2015-01-01' and ArrDelay < 15 and cancelled = 0 and Diverted = 0 and DivAirportLandings = '0' ORDER by DepDelay DESC LIMIT 10;
下图表示结果(条形表示查询响应时间,越小越好):
系统基准测试
在 m4.16xlarge 实例上使用 Sysbench 进行点选择(意味着通过主键选择一行,线程范围从 1 到 128)(内存限制:无磁盘读取)。结果在这里。条形代表每秒的交易数量,越多越好:
系统测试报告 2
来源:https://www.dcits.com/show-269-4103-1.html
硬件配置
测试场景
测试分两阶段进行,第一阶段测试数据为100万单,第二阶段测试数据为1300万单。在此基础上,使用Jmeter压力测试10万单结果如下:
从测试结果来看,在小数据量mysql性能是好于TiDB,因为 TiDB 是分布式架构,如果小数据量,在网络通讯节点分发一致性等方面花的时间就很多,然后各个节点执行完还要汇总返回,所以开销是比较大的,但是数据量一上来TiDB 优势就体现出来了,所以如果数据量比较小,没必要使用 TiDB
总结
以上介绍了 TiDB架构,以及它的一些特性,同时也与 mysql 进行了对比,如果贵司的数据量比较大,正在考虑要分库分表,那么完全可以使用它,来避免分库分表,分库分表是一个过渡方案,使用分布式数据库才是终极方案。同时如果贵司的数据量比较小,那么就没必要引入了
扫描下面的二维码关注我们的微信公众帐号,在微信公众帐号中回复◉加群◉即可加入到我们的技术讨论群里面共同学习。