全球部署的分布式數(shù)據(jù)庫 YugabyteDB，了解一下？

作者：Eric Fu
鏈接：https://ericfu.me/yugabyte-db-introduction/

Yugabyte DB 是一個全球部署的分布式數(shù)據(jù)庫，和國內(nèi)的 TiDB 和國外的 CockroachDB 類似，也是受到 Spanner 論文啟發(fā)，所以在很多地方這幾個數(shù)據(jù)庫存在不少相似之處。

與 Cockroach 類似，Yugabyte 也主打全球分布式的事務(wù)數(shù)據(jù)庫——不僅能把節(jié)點部署到全球各地，還能完整支持 ACID 事務(wù)，這是他最大的賣點。除此以外還有一些獨特的特性，比如支持文檔數(shù)據(jù)庫接口。如果我猜的沒錯，Yugabyte 早期被設(shè)計成一個文檔數(shù)據(jù)庫，后來才調(diào)整技術(shù)路線開始主打 SQL 接口。

本文信息主要來自于 Yugabyte 的官方文檔：

https://docs.yugabyte.com/

以及其 GitHub 主頁：

https://github.com/yugabyte/yugabyte-db

系統(tǒng)架構(gòu)

邏輯上，Yugabyte 采用兩層架構(gòu)：查詢層和存儲層。不過這個架構(gòu)僅僅是邏輯上的，部署結(jié)構(gòu)中，這兩層都位于 TServer 進(jìn)程中。這一點和 TiDB 不同。

Yugabyte 的查詢層支持同時 SQL 和 CQL 兩種 API，其中 CQL 是兼容 Cassandra 的一種方言語法，對應(yīng)于文檔數(shù)據(jù)庫的存儲模型；而 SQL API 是直接基于 PostgresQL 魔改的，能比較好地兼容 PG 語法，據(jù)官方說這樣可以更方便地跟隨 PG 新特性，有沒有官方說的這么美好我們就不得而知了。

Yugabyte 的存儲層才是重頭戲。其中 TServer 負(fù)責(zé)存儲 tablet，每個 tablet 對應(yīng)一個 Raft Group，分布在三個不同的節(jié)點上，以此保證高可用性。Master 負(fù)責(zé)元數(shù)據(jù)管理，除了 tablet 的位置信息，還包括表結(jié)構(gòu)等信息。Master 本身也依靠 Raft 實現(xiàn)高可用。

基于 Tablet 的分布式存儲

這一部分是 HBase/Spanner 精髓部分，Cockroach/TiDB 的做法幾乎也是一模一樣的。如下圖所示，每張表被分成很多個 tablet，tablet 是數(shù)據(jù)分布的最小單元，通過在節(jié)點間搬運 tablet 以及 tablet 的分裂與合并，就可以實現(xiàn)幾乎無上限的 scale out。

每個 tablet 有多個副本，形成一個 Raft Group，通過 Raft 協(xié)議保證數(shù)據(jù)的高可用和持久性，Group Leader 負(fù)責(zé)處理所有的寫入負(fù)載，其他 Follower 作為備份。

下圖是一個例子：一張表被分成 16 個 tablet，tablet 的副本和 Raft Group leader 均勻分布在各個節(jié)點上，分別保證了數(shù)據(jù)的均衡和負(fù)載的均衡。

和其他產(chǎn)品一樣，Master 節(jié)點會負(fù)責(zé)協(xié)調(diào) tablet 的搬運、分裂等操作，保證集群的負(fù)載均衡。這些操作是直接基于 Raft Group 實現(xiàn)的。這里就不再展開了。

有趣的是，Yugabyte 采用哈希和范圍結(jié)合的分區(qū)方式：可以只有哈希分區(qū)、也可以只有范圍分區(qū)、也可以先按哈希再按范圍分區(qū)。之所以這么設(shè)計，猜測也是因為 Cassandra 的影響。相比之下，TiDB 和 Cockroach 都只支持范圍分區(qū)。

哈希分區(qū)的方式是將 key 哈希映射到 2 字節(jié)的空間中（即 0x0000 到 0xFFFF），這個空間又被劃分成多個范圍，比如下圖的例子中被劃分為 16 個范圍，每個范圍的 key 落在一個 tablet 中。理論上說最多可能有 64K 個 tablet，這對實際使用足夠了。

哈希分區(qū)的好處是插入數(shù)據(jù)（尤其是從尾部 append 數(shù)據(jù)）時不會出現(xiàn)熱點；壞處是對于小范圍的范圍掃描（例如 pk BETWEEN 1 AND 10）性能會比較吃虧。

基于 RocksDB 的本地存儲

每個 TServer 節(jié)點上的本地存儲稱為 DocDB。和 TiDB/Cockroach 一樣，Yugabyte 也用 RocksDB 來做本地存儲。這一層需要將關(guān)系型 tuple 以及文檔編碼為 key-value 保存到 RocksDB 中，下圖是對文檔數(shù)據(jù)的編碼方式，其中有不少是為了兼容 Cassandra 設(shè)計的，我們忽略這些，主要關(guān)注以下幾個部分：

• key 中包含
• 16-bit hash：依靠這個值才能做到哈希分區(qū)
• 主鍵數(shù)據(jù)（對應(yīng)圖中 hash/range columns）
• column ID：因為每個 tuple 有多個列，每個列在這里需要用一個 key-value 來表示
• hybrid timestamp：用于 MVCC 的時間戳
• value 中包含
• column 的值

如果撇開文檔模型，key-value 的設(shè)計很像 Cockroach：每個 cell （一行中的一列數(shù)據(jù)）對應(yīng)一個 key-value。而 TiDB 是每個 tuple 打包成一個 key-value。個人比較偏好 TiDB 的做法。

分布式事務(wù)：2PC & MVCC

和 TiDB/Cockroach 一樣，Yugabyte 也采用了 MVCC 結(jié)合 2PC 的事務(wù)實現(xiàn)。

時間戳

時間戳是分布式事務(wù)的關(guān)鍵選型之一。Yugabyte 和 Cockroach 一樣選擇的是 Hybrid Logical Clock (HLC)。

HLC 將時間戳分成物理（高位）和邏輯（低位）兩部分，物理部分對應(yīng) UNIX 時間戳，邏輯部分對應(yīng) Lamport 時鐘。在同一毫秒以內(nèi)，物理時鐘不變，而邏輯時鐘就和 Lamport 時鐘一樣處理——每當(dāng)發(fā)生信息交換（RPC）就需要更新時間戳，從而確保操作與操作之間能夠形成一個偏序關(guān)系；當(dāng)下一個毫秒到來時，邏輯時鐘部分歸零。

不難看出，HLC 的正確性其實是由 Logical Clock 來保證的：它相比 Logical Clock 只是在每個毫秒引入了一個額外的增量，顯然這不會破壞 Logical Clock 的正確性。但是，物理部分的存在將原本無意義的時間戳賦予了物理意義，提高了實用性。

個人認(rèn)為，HLC 是除了 TrueTime 以外最好的時間戳實現(xiàn)了，唯一的缺點是不能提供真正意義上的外部一致性，僅僅能保證相關(guān)事務(wù)之間的“外部一致性”。另一種方案是引入中心授時節(jié)點（TSO），也就是 TiDB 使用的方案。TSO 方案要求所有事務(wù)必須從 TSO 獲取時間戳，實現(xiàn)相對簡單，但引入了更多的網(wǎng)絡(luò) RPC，而且 TSO 過于關(guān)鍵——短時間的不可用也是極為危險的。

HLC 的實現(xiàn)中有一些很 tricky 的地方，比如文檔中提到的 Safe timestamp assignment for a read request。對于同一事務(wù)中的多次 read，問題還要更復(fù)雜，有興趣的讀者可以看 Cockroach 團(tuán)隊的這篇博客 Living Without Atomic Clocks：

https://www.cockroachlabs.com/blog/living-without-atomic-clocks/)。

事務(wù)提交

毫不驚奇，Yugabyte 的分布式事務(wù)同樣是基于 2PC 的。他的做法接近 Cockroach。事務(wù)提交過程中，他會在 DocDB 存儲里面寫入一些臨時的記錄（provisional records），包括以下三種類型：

• Primary provisional records：還未提交完成的數(shù)據(jù)，多了一個事務(wù)ID，也扮演鎖的角色
• Transaction metadata：事務(wù)狀態(tài)所在的 tablet ID。因為事務(wù)狀態(tài)表很特殊，不是按照 hash key 分片的，所以需要在這里記錄一下它的位置。
• Reverse Index：所有本事務(wù)中的 primary provisional records，便于恢復(fù)使用

事務(wù)的狀態(tài)信息保存在另一個 tablet 上，包括三種可能的狀態(tài)：Pending、Committed 或 Aborted。事務(wù)從 Pending 狀態(tài)開始，終結(jié)于 Committed 或 Aborted。

事務(wù)狀態(tài)就是 Commit Point 的那個“開關(guān)”，當(dāng)事務(wù)狀態(tài)切換到 Commited 的一瞬間，就意味著事務(wù)的成功提交。這是保證整個事務(wù)原子性的關(guān)鍵。

完整的提交流程如下圖所示：

另外，Yugabyte 文檔中提到它除了 Snapshot Isolation 還支持 Serializable 隔離級別，但是似乎沒有看到他是如何規(guī)避 Write Skew 問題的。從 Release Notes 看來這應(yīng)該是 2.0 GA 中新增加的功能，等更多信息放出后再研究吧！

競品對比

以下表格摘自 Compare YugabyteDB to other databases：

https://docs.yugabyte.com/latest/comparisons/

1. https://www.yugabyte.com/
2. https://docs.yugabyte.com/
3. https://www.cockroachlabs.com/blog/living-without-atomic-clocks/