摘要： 隨著阿里集團電商、物流、大文娛等業務的蓬勃發展，數據庫實例以及數據存儲規模不斷增長，在傳統基于單機的運維以及管理模式下，遇到諸多如成本，調度效率等問題，因此，2017年首次對數據庫實現計算存儲分離，計算存儲分離后，再將計算節點與離線資源混布，達到節省大促成本的目的。

作者：呂建樞（呂健）

背景
隨著阿里集團電商、物流、大文娛等業務的蓬勃發展，數據庫實例以及數據存儲規模不斷增長，在傳統基于單機的運維以及管理模式下，遇到非常多的困難與挑戰，主要歸結為：

機型采購與預算問題
在單機模式下計算資源（CPU和內存）與存儲資源（主要為磁盤或者SSD）存在著不可調和的沖突；計算與存儲資源綁定緊密，無法進行單獨預算。數據庫存儲時，要么計算資源達到瓶頸，要么是存儲單機存儲容量不足。這種綁定模式下，注定了有一種資源必須是浪費的。
調度效率問題
在計算與存儲綁定的情況下，計算資源無法做無狀態調度，導致無法實現大規模低成本調度，也就無法與在大促與離線資源進行混布。
大促成本問題
在計算資源無法做到調度后，離線混布就不再可能；為了大促需要采購更多的機器，大促成本上漲嚴重。
因此，為了解決諸多如成本，調度效率等問題，2017年首次對數據庫實現計算存儲分離；計算存儲分離后，再將計算節點與離線資源混布，達到節省大促成本的目的。

2017年數據庫計算存儲分離，

使得數據庫進行大規模無狀態化容器調度成為可能！

使得數據庫與離線業務混布成為可能!

使得低成本支持大促彈性成為可能！

在高吞吐下，總存儲集群整體RT表現平穩，與離線資源聯合首次發力，完成2017年“11.11”大促的交易支撐。

計算存儲分離
在所有業務中，數據庫的計算存儲分離最難，這是大家公認的。因為數據庫對于存儲的穩定性以及單路端到端的時延有著極致的要求：

存儲穩定性
在分布式存儲的穩定性方面，我們做了非常多的有意探索，并且逐一落地。這些新技術的落地，使得數據庫計算存儲分離成為可能：

單機failover
單機failover我們做到業界的極致，5s內完成fo，對整體集群的影響在4%以內（以集群規模24臺為例，集群機器越多，影響越小）。另外，我們對分布式存儲的狀態機進行加速優化，使得基于paxos的選舉在秒級內進行集群視圖更新推送。

長尾時延優化
計算存儲分離后，所有的IO都變成了網絡IO，因此對于單路IO時延影響的因素非常多，如網絡抖動，慢盤，負載等，而這些因素也是不可避免的。我們設計了“副本達成多數寫入即返回的策略（commit majority feature）”，能夠有效地使長尾時延抖動做到合理的控制，以滿足業務的需求。

以下是commit majority feature開起前后的效果對比。其中“藍色”為優化后的長尾時延，“紅色”為優化前長尾時延，效果非常顯著。

流控
我們實現了基于滑動窗口的流控功能，使得集群后臺活動（如backfill和recovery）能根據當前的業務流量進行自適配的調整，在業務與后臺數據恢復之間做到最佳平衡。

一般如果集群后端活動太低，會影響數據恢復，這會提高多盤故障的概率，降低了數據的可靠性。我們經過優化后，通過滑動窗口機制，做到了前后端數據寫入的速動，在不影響業務寫入的情況下，盡最大可能提高數據恢復速度，保證多副本數據的完整性。

提高數據重平衡的速度，也是為了保證整個集群的性能。因為一出現數據傾斜時，部分盤的負載將變大，從而會影響整個集群的時延和吞吐。
流控效果如下：

高可用部署
在高可用部署上，我們引入的故障域的概念。多個數據副本存儲在多個故障域，分布到至少4個RACK以上的機架上，用于保障底層機柜電源以及網絡交換設備引起的故障等。

為了能夠更好的理解數據副本存儲位置（data locality），需要知道數據散射度（scatter width）的概念。怎么來理解數據散射度？

舉個例子：我們定義三個copy set（存放的都是不同的數據）:{1，2，3}，{4，5，6}，{7，8，9}。任意一組copy set中存放的數據沒有重復，也就是說一份數據的三個副本分別放置在：{1，4，7}或者{2，5，8}或者{3，6，9}。那么這個時候，其數據散射度遠小于隨機組合的C(9,3)。

隨機組合時，任意3臺機器Down機都會存在數據丟失。而采用此方案后，只有當{1，4，7}或者{2，5，8}或者{3，6，9}其中的任意一個組合不可用時，才會影響高可用性，才會有數據丟失。

綜上可知，我們引入copy set的目標就是盡量的降低數據散射度“S”。下圖中兩組replica set，其中每一組的三個副本分別放置到不同的RACK中。

我們的優化還有很多，這里不再一一列舉。

數據庫吞吐優化
當所有的IO都變成網絡IO后，我們要做的就是如何減少單路IO的延遲，當然這個是分布式存儲以及網絡要解的問題。

分布式存儲需要優化自身的軟件stack以及底層SPDK的結合等。

而網絡層則需要更高帶寬以及低時延技術，如25G TCP或者25G RDMA，或者100G等更高帶寬的網絡等。

但是我們可以從另外一個角度來考慮問題，如何在時延一定的情況下，提高并發量，從而來提高吞吐。或者說在關鍵路徑上減少IO調用的次數，從而從某種程度上提高系統的吞吐。

大家知道，影響數據庫事務數的最關鍵因素就是事務commit的速度，commit的速度依賴于寫REDO時的IO吞吐。所謂的REDO也就是大家熟知的WAL(Write Ahead Log)日志。

在臟數據flush回存儲時，日志必須先落地，這是因為數據庫的Crash Recovery是重度以來于此的。在recovery階段，數據庫先利用redo進行roll forward，再利用undo進行roll backward，最后再撤銷用戶未提交的事務。

因此，存儲計算分離下，要想在單路IO時延一定時提高吞吐，就必須要優化commit提交時的效率。我們通過優化redo的寫入方式，讓整個提高吞吐100%左右。另外，也可以優化redo group commit的大小，結合底層存儲stripe能力，做并發與吞吐優化。

數據庫原子寫
在數據庫內存模型中，數據頁通常是以16K做為一個bufferpage來管理的。當內核修改完數據之后，會有專門的“checkpoint”線程按一定的頻率將Dirty Page flush到磁盤上。我們知道，通常os的page cache是4K，而一般的文件系統block size也是4K。所以一個16k和page會被分成4個4k的os filesystem block size來存儲，物理上不能保證連續性。

那么會帶來一個嚴重的問題，就是當fsync語義發出時，一個16k的pageflush，只完成其中的8k，而這個時候client端crash，不再會有重試；那么整個fsync就只寫了一半，fsync語義被破壞，數據不完整。上面的這個場景，我們稱之為“partial write”。

對于MySQL而言，在本地存儲時，使用Double Write Buffer問題不大。但是如果底層變成網絡IO，IO時延變高時，會使MySQL的整體吞吐下降，而Double Write Buffer會加重這個影響。

我們實現了原子寫，關閉掉Double Write Buffer，從而在高并發壓力及高網絡IO時延下，讓吞吐至少提高50%以上。

網絡架構升級
分布式存儲，對于網絡的帶寬要求極高，我們引入了25G網絡。高帶寬能更好的支持阿里集團的大促業務。另外，對于存儲集群后臺的活動，如數據重平衡以及恢復都提供了有力的保障。

離在線混布
計算存儲分離后，離在線混布成為可能；今年完成數據庫離在線混布，為2017年大促節省了計算資源成本。

在與離線混布的方案中，我們對數據庫與離線任務混跑的場景進行了大量的測試。

實踐證明，數據庫對時延極度敏感，所以為了達到數據庫混布的目的，我們采用了以下的隔離方案：

CPU與內存隔離技術
CPU的L3是被各個核共享的，如果在一個socket內部進行調度，會對數據庫業務有抖動。因此，在大促場景下，我們會對CPU進行獨立socket 綁定，避免L3 cache干擾；另外，內存不超賣。當然，大促結束后，在業務平峰時，可以擇機進行調度和超賣。

網絡QOS
我們對數據庫在線業務進行網絡打標，NetQoS中將數據庫計算節點的所有通信組件加入到高優先級group中。

基于分布式存儲的彈性效率
基于分布式存儲，底層分布式存儲支持多點mount，用于將計算節點快速彈性到離線機器。

另外，數據庫Buffer Pool可以進行動態擴容。大促ODPS任務撤離，DB實例Buffer Pool擴容；大促結束后，Buffer Pool回縮到平峰業務時的大小。

雙11大促求證
大促期間，其中一個庫吞吐達到將近3w tps，RT在1ms以內，基本上與本地相當，很好的支撐了2017年大促。這就是我們今年所做的諸多技術創新的結果。

展望
目前我們正在進行軟硬件結合（RDMA，SPDK）以及上層數據庫引擎與分布式存儲融合優化，性能將會超出傳統SATA SSD本地盤的性能。

RDMA和SPDK的特點就是kernel pass-by。未來，我們數據庫將引入全用戶態IO Stack，從計算節點到存儲節點使用用戶態技術，更能充分滿足集團電商業務對高吞吐低時延的極致要求。

這些網絡和硬件技術的發展，將會給“云計算”帶來更多的可能性，也會給真正的“云計算”新的商業模式帶來更多憧憬，而我們已經在這條陽光的大道上。

歡迎有更多的存儲及數據庫內核專家一起參與進來，一起攜手邁進未來。

【引用】

[1] Copysets:Reducing the Frequency of Data Loss in Cloud Storage

[2] CRUSH: Controlled,Scalable, Decentralized Placement of Replicated Data

總結

以上是生活随笔為你收集整理的2017双11技术揭秘—阿里数据库计算存储分离与离在线混布的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。