分布式数据库 | 浅谈 OceanBase 演进的一点思考

引入 | 图解那些分布式数据库中的 DBMS

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？

0 H) A# s3 |+ X7 ~: q; {2 w

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。

5 l3 H+ O( f! [7 J$ v- M

思考：

% K2 i7 c k' `+ `5 `

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？

+ ~3 A9 x( M9 F: s6 A1 B

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？

# p' P3 {/ J( i

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？

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......

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......

) x, R+ ]& _8 M' i: a

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......

7 A5 M# B7 m2 z/ l' W) C- A

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）

MySQL：

( C7 G6 h( }( n+ j/ h r

备份数据库命令：

_# V' N" o% Y, ]7 Z) L4 r! W

mysqldump -u root -p 数据库名 > /home/user/2021.12.26.sql; $ W& Z* `* F$ `- O

只需导出表结构：

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

1 V; o) g; ~9 p

数据库迁移导入：

4 ?6 `( \$ y7 i& C* Q0 ]" ~ b( k

mysql -u root -p 数据库名 < /home/user/2021.12.26.sql; ) w1 C' g# W4 H% C. y

Oracle：

数据库迁移导入：

imp yd_dev_tmp/user@ip/orcl file=/home/oracle/xxx.dmp ignore=y full=y; ; G" r$ |4 n7 d6 X; l5 b0 g0 X w

' R4 F1 ^# i) C" a

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）

猜想：

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......

3 G4 [) [9 p8 h5 R

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

构思：

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）。

$ R7 _; W3 C- Q/ q* X7 E

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。

! l3 z6 f$ c5 L0 J+ J& t

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？

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？

# V& v. z, z! B. z: o

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。

3 n2 S8 h; T) r

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。

6 d& q0 u( }, q; m

再谈经典，

Google 三驾马车，在分布式系统工程实践领域：

《Google File System》、《Google MapReduce》、

* N, X( W. x. V& b ]. _

《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.

; M, a4 O( c, l' c) ?& w& _

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。

! c' V/ F8 H# ~

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。

4 D* A3 U' V7 i

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）。

+ F! ]5 ]0 ~, U1 j+ b( Y

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？

OceanBase-中国第一款自主研发的分布式数据库（简称OB）

企业级分布式关系数据库

4 r1 q' r, D6 c

a）数据强一致

b）高可靠

% j( @: G: S* U: t8 n9 n

分区-副本机制

1 X8 `) A' [# u

c）高性能

* s+ ?# J/ B; j" u( Z f

Paxos协议，在数据强一致的情况下，具有极高的可用性及性能

d）在线扩展

/ ~. v) t/ [4 {5 ^, u& M* ~

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

f）低成本

CPU、操作系统、数据库

6 R t% E; a7 E! I4 g) m

如何既兼顾处理 TP 场景的能力，又具备 AP 场景的分析能力？

6 L( `: G$ P# q5 @

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......

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？

! a( s# C+ d6 @ T2 g% N& h

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......

0 ^% o4 A- _; N4 A8 v - b2 n/ t: z* S) z' R( L, H0 Q