数据库内核月报－ 2017/09 - HybridDB · 最佳实践 · 阿里云数据库PetaData - 《数据库内核月报》

前言
阿里云HTAP数据库HybridDB for MySQL
- 1.建设初衷和设计思路
- 2.HTAP数据库云化服务
HTAP数据库在阿里云的最佳实践
后记

前言

随着互联网DT时代的高速发展，业界需要简单高效的数据处理方式在海量数据中挖掘价值，企业厂商和开源界目前较流行的的做法，是提供支持类SQL接口的数据库服务，或者是提供SDK接口的数据处理平台服务。

在SQL接口的数据库服务中，传统的关系数据库，如MySQL、PG等，处理海量数据显得越来越力不从心，既无法突破单机硬件资源限制，又无法并行利用多机硬件资源；大数据NewSQL数据库，必须依赖外部数据库保证数据的事务特性，并通过数据导入工具将完整提交的数据导入进来计算，系统复杂度和成本较高。

在SDK接口的数据处理平台服务中，用户需要进行再次开发，扩展性和自由度较好，但是上线周期较长，易用性较差，且需要长期维护代码，保证稳定性和性能。

那么问题来了，是否有一类产品，能够兼顾易用性、大容量、低成本，既支持高并发低延迟OLTP业务，又支持海量数据的OLAP业务，一站解决这些问题呢？本文将介绍阿里云HTAP数据库HybridDB for MySQL，为用户解决海量数据处理的问题。

阿里云HTAP数据库HybridDB for MySQL

HTAP数据库是数据库专业评级机构Gartner提出的新数据库象限，指能够同时支持OLTP和OLAP业务的分布式数据库，典型的产品如，国外的SAP Hana和Oracle RAC，阿里云自研的HybridDB for MySQL等。

1.建设初衷和设计思路

在过去的几年，阿里云出现了大量的全链路监控分析类需求，包括监测物理机的资源消耗、网络的流量延迟、业务实例的内部统计，多维聚合分析各类监控数据并找出全链路异常，找出具体问题进行自动化运维等。在选型数据库时考虑到了这些问题：

数据总量大，日新增数据量大：单个业务每日新增各类统计数据，从2T-20T不等，数据保存至少30天，总量百T甚至上P；
访问并发大：数据库总连接在数百到数万不等，并发活跃连接在数百到数千不等；
响应延迟低，支持update批量数据：写入延迟不得超过秒级，部分业务需要update批量数据，以支持多轮迭代分析；
支持多维度检索和复杂分析：支持从不同维度查询数据，且各维度查询均不得超过秒级，同时要支持各类复杂的分析类需求，分析类sql支持范围覆盖tpc-h、tpc-ds等，分析类查询时间范围在秒级到小时级；
数据自动过期：用户设定一个数据保留的时间范围，数据库可以自动帮助用户清理；
在线扩容：数据库可随数据总量规模扩大而扩容，以承载更大规模的业务；
使用简便：用户可以使用SQL接口，无需额外写计算代码；无需关心数据备份等运维问题，监控告警系统完善；数据操纵、数据导入等生态周边齐全，支持常用的网络链路类型；
成本：数据库有低成本方案，支持冷数据以更低成本存储；

在这些苛刻的需求下，使得我们无法选择kv类存储引擎，因为在非主键类查询场景下，必须扫描全库数据，这导致查询完全不可用；也无法选择mr类计算引擎，因为其单次查询延迟过高，无法用在高并发业务场景中。RDS团队决定自己动手，自研一个数据库，以解决同类问题。 HTAP数据库的技术思路，是将链路、存储、计算完全分离，且各个组件均允许水平扩容，存储分区间无共享，一份存储数据，扩容时无需搬动全局数据，精细地对每一类业务场景的SQL设计执行链路，以保证低延迟和高吞吐，各个组件的硬件容器可以替换，从而保证高性能和低成本可以兼得。用户只需要利用MySQL的各类连接器和客户端，如jdbc、navicat等，就可以直接使用和访问数据库，兼容用户的各类使用习惯。

2.HTAP数据库云化服务

经历数年的成长，HybridDB for MySQL先后服务了集团内外的多个用户，包括RDS、SLB、CDN、菜鸟、安全等团队，日新增数据数百T，存量数据数P。

在公有云上，HybridDB for MySQL已经积累了大量的云服务接口，与RDS和传统解决方案对比起来：

此外，HybridDB for MySQL也在努力补齐其他云服务功能，以对齐RDS for MySQL，支持常用的数据操纵平台，如DMS等，支持常用的数据迁移平台，如DTS、CDP等。

HTAP数据库在阿里云的最佳实践

1.典型应用和架构

HybridDB for MySQL的一个典型应用，是在阿里云全链路大盘业务中，该业务涉及了阿里云多个核心产品的数据汇总分析、多维处理，引用该案例，可以介绍HTAP数据库的最佳实践。

上图中体现了HybridDB for MySQL的几个典型应用：

作为分布式数据库，承接第一手数据写入和更新事务，保证数据的完整性，并为各类外部查询业务，提供不同层面的查询支持，包括高并发多维在线查询、数据报表、复杂分析等；
作为数据仓库，将HybridDB for MySQL内的数据进行二次加工，以支持ETL类业务；
作为更大规模数据处理系统（如odps）的数据缓存，利用数据交换工具工具，将外部数据源的数据汇总到HybridDB for MySQL中，以支持活跃数据的存储和计算；
作为各个子系统的数据总线，利用数据交换工具工具，将数据过滤导出到各个子系统中，以帮助这些专项子系统对数据进一步处理；接下来将逐步介绍HybridDB for MySQL在这些应用场景的最佳实践。

2.实时写入、实时多维查询、实时分析

支持实时、高并发、低延迟类大数据业务，是HybridDB for MySQL的杀手锏，整套系统，仅有一份数据，既可保证在线业务的数据，具备事务特性，又可支持超越传统数据库的分析函数、计算语法等。

在阿里云全链路大盘中，包括RDS、SLB、CDN等产品的原始性能数据（如主机cpu、iops，业务实例qps、副本延迟，全局网络延迟等），需要实时汇总到中心HybridDB for MySQL数据库中，而这些数据在storm、flink、galaxy等流计算平台进行聚合分析（如每个时间窗口的统计量加和、join、开窗分组等），产生的分析结果，也将汇入相同的HybridDB for MySQL数据库中，单个业务产生的性能数据，常常达到每秒数百万条，并发活跃连接常常达到数百条甚至上千条。而这些原始数据和流式分析结果，也需要支持实时、多维度的呈现在用户面前，有的分析结果用于人工排查问题；有的分析结果则可以直接触发报警；有的分析结果可以指导自动化运维，如数据迁移等；有的分析结果可以用于指导产品运营状况、用户画像等。

RDS数据分析系统是这类业务的翘楚，并引领了一股实时写入、实时分析的风潮，帮助RDS大幅改善了运维体验，提升了整个RDS的稳定性，发现和解决问题的周期，由过去的月、周级，减少到了现在的天、小时级，且有进一步提升的趋势。

3.批处理ETL

有些计算场景下，单次流计算并不能解决所有问题，一些较复杂的业务场景，比如参照大量的历史数据、外部数据源数据，进行级联事件分析（如全链路大盘参考ECS、SLB等产品的性能数据，挖掘RDS在过去一个月内的链路延迟状况）、事件回放，这类计算业务，则依赖HybridDB for MySQL已经存储的历史数据和外部数据源的数据进行综合计算，此时需要批量数据的ETL，重新抽取各个数据源的历史数据，进行再次计算。

在HybridDB for MySQL中，ETL则简化为了一类SQL语句模式：Insert into … Select …，这类语句，从HybridDB for MySQL的各个数据表中抽取数据，进行复杂计算，并将计算结果持久化下来，以便用户的多次访问。ETL功能可以令HybridDB for MySQL形成数据闭环，进一步降低用户导数据的开销和复杂度。

HybridDB for MySQL的ETL功能预计6月初上线，阿里云部分云产品的数据分析系统正在试用该功能。

4.实时数据总线

在HybridDB for MySQL不能解决所有大数据问题时，用户还可以将HybridDB for MySQL当做数据总线，利用数据交换工具（如DTS、CDP等），将数据导出到其它数据存储和计算系统上，从而发挥数据更大的价值。

从HybridDB for MySQL导出数据，可以有不同的目的，包括：导入到大数据计算存储平台（如ODPS、OSS），用于存储更长期限的历史数据，在需要时，亦可导回HybridDB for MySQL计算；导入到队列（如loghub、kafka），以供用户自己的消息总线播散数据，并级联到其它系统上；导入到RDS，以供用户在RDS生态下，继续扩展数据业务。

用HybridDB for MySQL充当数据总线的业务，以公有云用户居多，这些用户同时使用了阿里云的多套产品，组合出复杂的业务网，为了降低系统间的耦合性和成本，通常选择HybridDB for MySQL，既充当一级数据存储和计算系统，又充当二级数据总线，串联起其他的服务端。

5.实时数据缓存

凭借强大的存储和计算带宽，HybridDB for MySQL还可作为外部数据源的实时分布式数据缓存，利用数据交换工具（如DTS、CDP等），从其它数据存储和计算系统上，将数据导入到HybridDB for MySQL，可以帮助这些系统具备海量数据的实时处理能力。

用HybridDB for MySQL充当数据总线的业务，以搜索类、日志类用户居多，这类用户期望在大数据存储和计算平台上的数据（如ODPS）也能有实时查询的能力，或者期望暂存数据系统（如loghub、kafka）能够支持多维数据检索，又或者期望小型数据库（如RDS）能够存储更多的历史数据，HybridDB for MySQL便很好的弥补了这些系统的缺憾，从而与这些系统共同提升和改进。

后记

HybridDB for MySQL依靠实时、高并发、低延迟的特性，已经应用在集团内外数十个企业级业务中，随着生态和功能越来越完善，HybridDB for MySQL将能承载更多的业务类型，帮助用户在DT时代快速发展。