说明
讲师：李智慧
架构师要有设计、并开发出分布式数据库。仅仅是会用的话，竞争力是不够的。像阿里巴巴、腾讯、京东都有自己的分布式数据库开发团队，要想进入这个团队当架构师，就要有这种视野。
在公司里面，你要是听别人的，那么基本上都是把重复的、没有技术含量的活分配给你。人生的机会，都是自己去争取的。
作为架构师，要传递一个信息，打动公司，让公司支持你不赚钱的项目。你要有技术影响力，争取说服领导支持去你做这个事情，并且能够说服团队跟你一起干。
分布式一致性 ZooKeeper
分布式系统脑裂
在一个分布式系统中，不同服务器获得了互相冲突的数据信息或者执行指令，导致整个集群陷入混乱，数据损坏，统一称作分布式系统脑裂。
数据库主主备份
分布式一致性算法 Paxos
三个角色
- Proposer
- Acceptor
- Learner
- 第一阶段：Prepare阶段。Proposer向Acceptors发出Prepare请求，Acceptors针对收到的Prepare请求进行Promise承诺。
- 第二阶段：Accept阶段。Proposer收到多数Acceptors承诺的Promise后，向Acceptors发出Propose请求，Acceptors针对收到的Propose请求进行Accept处理。
- 第三阶段：Learn阶段。Proposer在收到多数Acceptors的Accept之后，标志着本次Accept成功，决议形成，将形成的决议发送给所有Learners。
Proposer生成全局唯一且递增的Proposal ID（可使用时间戳Server ID），向所有Acceptors发送Prepare请求，这里无需携带提案内容，只携带Proposal ID即可。
Acceptors收到Prepare和Propose请求后
4. 不再接受Proposal ID小于等于当前请求的Prepare请求。
5. 不再接受Proposal ID小于等于当前请求的Propose请求。
ZooKeeper 架构
ZooKeeper 树状记录结构
ZooKeeper API
String create(path, data, acl, flags);
void delete(path, expectedVersion);
Stat setData(path, data, extectedVersion);
(data, Stat) getData(path, watch);
Stat exists(path, watch);
String[] getChildren(path, watch)
void sync(path)
List multi(ops)配置管理
- Administrator：
setData("/config/param1", "value", -1) - Consumer：
getData("/config/param1", true)
选 Master （Leader）
1. getdata("/servers/leader", true)
2. if successful follow the leader described in the data and exit
3. create("/servers/leader", hostname, EPHEMERAL)
4. if successful lead and exit
5. goto step 1
选 Master/ Leader (Python)
handle = zookeeper.init("localhost:2181", my_connection_watcher, 10000, 0)
(data, stat) = zookeeper.get(handle, "/app/leader", True);
if (stat == None)
path = zookeeper.create(handle, "/app/leader", hostname:info, [ZOO_OPEN_ACL_UNSAFE], zookeeper.EPHEMERAL)
if (path == None)
(data, stat) = zookeeper.get(handle, "/app/leader", True)
# someone else is the leader
# parse the string path that contains the leader address
else
# we are the leader continue leading
else
# someone else is the leader
# parse the string path that contains the leader address集群管理（负载均衡与失效转移）
Monitoring process:
- Watch
on/nodes - On watch trigger do
getChildren(/nodes, true) - Track which nodes have gone away
Each Node:
- Create
/nodes/node-${i}as ephemeral nodes - Keep updating
/nodes/node-${i}periodically for node status changes (status updates could beload/iostat/cpu/others)
ZooKeeper 性能
- 读的能力要远远高于写的能力。这是因为写的时候要最终选举一个结果，读的时候，随便读一个服务器就好。
- 服务器越多，写的时候投票数就越大，写速度就越慢。
- 服务器都是基数台服务器部署，投票容易产生最大数。
Zab 协议
商用都是简化版的ZooKeeper协议 - Zab协议。更简单，性能更高。
当Leader宕机以后，会有一段时间没有响应，Follower中会重新选举一位Leader，投票给服务器id最大的服务器。
当前现状
网站关键业务有许多海量KV数据存储和访问需求。
- **站 UDAS 使用。
- 存在问题：扩容困难、写性能较低、实时性低等
- 网站有多套KV方案，接口不统一，运维成本高。
- **站 USAS - BDB
- **站：TT
- 飞天 KV Engine （Aspara）问题。
- 使用复杂
- 性能较低
产品需求
产品定位：海量分布式透明化KV存储引擎。
解决问题：
- 替换 UDAS：解决扩容迁移复杂，维护困难的问题。
- **站海量 KV 数据存储
☞ Global SEO， 1亿 Product，2.4T 数据量
☞ 2011年底：3.1 T - **站
☞ WholeSale Global SEO
☞ Product 数：1600w，2.8T
☞ 2011年底：3400w，5.8T - **站
☞ 风控用户行为日志：每月2亿，40G，增长很快。
案例：有个微信用户30w在钱包里冻结了，就打电话给微信客服，微信客服回答：“你的钱是你的钱，但微信是微信的。不用慌，我们会帮你解决的。” 在分布式系统里面，数据最终是会一致的。
产品目标
- 产品目标：
- KV 存储 Engine
- 逻辑管理：Namespace
- 二级索引
- 非功能目标
- 海量存储：透明集群管理，存储可替换
- 伸缩性：线性伸缩，平滑扩容
- 高可用：自动容错和故障转移
- 高性能：低响应时间，高并发
- 扩展性：灵活扩展新功能
- 低运维成本
☞ 易管理
☞ 可监控 - 约束
- 一致性：最终一致性
技术指标
目标 | 指标 | 说明 |
集群规模 | 4 - 100 + Machine | - |
容量 | 100T+（取决于硬件规模） | B2B 所有KV存储场景 |
可用性 | 99.99 + 7% | - |
持久性 | 10个9 | - |
伸缩性、平滑扩容 | 不停机扩容完成时间 约= 单 Node 迁移时间 （10台扩1台场景）总数据=2.4T 单Node迁移量=240G/10 = 24G 迁移时间=24G/33M = 12分钟 | 10 + 1 场景 |
高性能 | Read： < 8ms (Aspara:10ms); Write: < 10 ms (Aspara: 10ms) (高于 Aspara， 国际站 SEO 需求，高并发场景) | - |
逻辑架构
- 二层架构 - Client、DataServer + Store
- 四个核心组件 - Client、DataServer、Store、Administration
KV Storage 概念模型
- Machine：物理机
- Node: 分区单元，一台 Machine 可运行多个 Node。
- Namespace：数据的逻辑划分 Tag，Client 可识别。数据管理无需识别。
关键技术点 - 数据分区
- 解决海量数据存储
- 客户端计算分区
- 分区算法（Partition Policy）
- Client 向 Config Server 抓取分区配置
基于虚拟节点的分区算法
- 均衡性：数据分布均衡
- 波动性：X/(M+X), 优于一致性 Hash 的 X/M.
- 作为架构师，当有人质疑你的时候，说明有人关注你，说明是好事。那么你就要用设计方案，用数据去证明你的架构更优。就像网红一样，不管是好消息、还是坏消息都是好事情，说明有人关注你。当你能得到马云的质疑，那么说明你的人生就走上巅峰了。
物理节点由2个扩充到3个，映射关系变化
每个虚拟节点对应两个对等物理节点。（最终公式的效果不好，换为别的公式解决。）
基本访问架构
- 对等 Node 访问
- 双写保证可用性（W=2, R=1）
- 基于分区算法查找两个 Node
- Copy 1 Node
- Copy 2 Node
- 数据恢复和数据同步
- Redo Log
- Update Log
集群管理 - 健康检查和配置抓取
- 检查1：ConfigServer 对DataServer心跳检查
- 检查2：Client 访问时 Fail 报告
- 其它Client定时配置抓取
关键技术点 - 可用性关键场景
- 瞬时失效
- 临时失效
- 服务器升级或者网络暂时不可用
- 失效机器在短时内可恢复（例如：2小时内）
- 恢复后数据和失效前一致
- 永久失效
- 机器下线
关键技术点 - 临时失效的 fail over
- 物理节点2临时失效，并在可接受时间内恢复。
- 物理节点X：备用节点，临时存放失效的物理节点2的数据，物理节点2恢复后迁移回物理节点2.
- 物理节点2临时失效及恢复期间物理节点1承担所有read操作。
关键技术点 - 永久失效 failover
每份 Data 写两份保证高可用：Copy1，Copy2
一致性处理：version（timestamp）
- Conflict Check & Merge
关键技术点 - 扩容实施数据迁移：基本原理
- 集群扩容，新增 Node X.
- 旧路由算法：
Route1(key1)={pn1, pn2} - 新路由算法：
Route1(key1)={pn1, pnx} - 新旧算法有一个Node相同，因此只需要迁移一个Node.
Pn2 数据迁移到pnx, client不再对pn2数据操作
- R操作只在pn1 上
- W/R 操作指向
{pn1, pnx}
Client 对等节点中的一个pn1不变（路由算法保证）
关键技术点 - 扩容实施数据迁移：迁移过程
基本原理：基于遍历的路由对比迁移（描述见备注）
- 迁移时，计算两个 Route 算法，不相同则迁移。
- 采用改进的分区路由算法，减少迁移量：
X(M+X)
数据可识别功能 - 逻辑数据结构
- Namespace：一个业务实体数据的集合
- Data Definition
☞ Namespace的MetaData数据结构定义，满足“数据定义可描述”的需求。
Doris 和平台产品关系
产品规划（功能和版本）
目标 | 功能/特性 | 一期（Q2） | 二期 | 三期 |
功能 | 数据模型 | Key-Value 模型， Namespace，数据结构可描述 | 二级索引 | Column |
- | 数据访问和 KVClient | KV API Client调用框架数据通信 | - | - |
非功能性 | 分区和线性伸缩 | 分区路由算法 | - | - |
- | 可用性 | W2， Failover | - | - |
- | 透明集群管理 | 状态报告，配置抓取 | 集成Normandy配置推送 | - |
- | 扩容 | 实时平滑扩容 | - | - |
- | 存储方案 | StoreDriver、BDB实现 | MySql/TT | - |
管理和运维 | 监控 | 集群管理、基本集群监控（接入Dragoon） | 硬件监控（接入Dragoon） | - |
- | 备份与恢复 | Store原生方案 | - | - |
Doris Q2 研发计划 - 功能需求
数据模型
- Key-Value 结构
- Namespace 支持
数据访问
- 基本KV API规范
- KV Client：抽象API，调用框架
- 高性能通信
Doris Q2 研发计划
非功能需求
- 分区和线性伸缩：改进的分区路由算法
- 可用性：对等Node，写2，Failover
- 透明集群管理和配置抓取
- 实时平滑扩容
- 存储可替换和 BDB 实现
管理和运维
- 集群管理
- 基本集群监控（接入 Dragoon）
实施计划 Q3 - Q4
** 站 **** （Product多语言）
- 业务范围：Product，产品摘要，产品描述，产品属性，Company
- 当前UDAS 支持情况
☞ 数据量：2.4T，Product数1亿，机器：10台
☞ 商业PV：800w，KV PV：1.08亿，14ms-100ms，TPS：250 - 2011年底：产品数和存储量 +30%，3.1T
站**
- Product数：1600w
- 存储量：2.8T
- 2011年底：Product 3400w，5.8T
