阿里数据库的极致弹性之路

阿里妹导读：数据库从IOE（IBM小机、Oracle商业DB、EMC存储）一路走来，你们都知道数据库是资源重依赖的软件，对服务器的三大件CPU、内存、磁盘几乎都有要求。数据库做为普遍使用的数据存储系统，其SQL请求背后涉及的物理读、逻辑读、排序过滤等消耗了IO和CPU资源，业务SQL不一样，执行计划不一样，资源消耗就不一样，于是不一样业务对资源规格的需求也不同。正因如此，咱们更须要抽象规格，更好地让不一样资源诉求的数据库实例混跑在相同的物理机上，提高总体利用率。今天，阿里资深技术专家天羽为咱们讲述阿里数据库的极致弹性之路。

除了平常业务需求，阿里的双11场景，让咱们持续思考如何低成本高效率地支持峰值流量，把这些思考变成现实，变成技术竞争力。在大促资源弹性上有这么几个思路：

• 使用公共云标准资源弹性，直接用阿里云的标准资源支撑大促后归还。这个是最直接的想法，但这里的难度是业务需求和云资源在性能、成本上的差距，不要定制化机器。
• 混部能力，存量业务的分类混部、分时混部。使用离线资源支撑大促，既是分类混部，双11零点离线降级，高峰后在线归还资源也是分时复用。
• 快上快下，在有能力使用云、离线资源后，尽可能缩短占用周期。
• 碎片化资源，数据库一直是块石头，是一个大块完整的规格。若是把数据库本身的大库变成小库，就可使用其余业务的碎片化资源，包括公共云上的资源。

大促的成本=持有资源X持有周期，更通用的资源（云）、更快的部署（容器化）是缩短持有周期的关键，如何更少地使用资源（使用离线或只扩计算资源），就依赖存储计算分离架构的实施。沿着极致弹性的目标，数据库经历了混合云弹性、容器化弹性、计算存储分离弹性三个阶段，基础架构从高性能ECS混合云、容器化混合云、存储计算分离的公共云和离线混部一步步升级。

基本上架构演进就是每一年验证一个单元，第二年全网铺开，每一年挖个坑而后和团队一块儿努力爬出来，每次演进须要跨团队背靠背紧密合做，快速拿下目标，这也是阿里最神奇的力量。借助于底层软硬件技术发展，一步步的架构升级使得弹性混部愈来愈灵活和快速。 

1、混合云弹性，高性能ECS应运而生

2015年以前，咱们的大促弹性叫人肉弹性，也就是大促要搬机器，好比集团用云的机型支撑大促，大促结束后搬机器归还给云。但就在2015年末的一次会议上，李津问可否把数据库跑到ECS上，若是能够，就真正帮助了云产品成熟，当时张瑞和我讨论了一下，在会议上就答复了：咱们决定试一下。这个合做很是契合会议主题“挑战不可能——集团技术云计算战区12月月会召集令”。

对于数据库跑在虚拟机上，咱们判断最大的消耗在IO和网络的虚拟化上，所以如何作到接近本机性能，怎么穿透虚拟化就是一个问题。网络的用户态技术DPDK已经比较成熟，但如何作到足够高的效率，是否offload到硬件来作计算是个问题。文件系统IO的用户态链路有个Intel的SPDK方案，Intel推出后各大厂商还在验证中，尚未规模的应用。咱们就在这个时候启动的这个项目，叫高性能ECS。经过和ECS团队紧密合做，最终咱们作到了最差场景高性能ECS相比本地盘性能损耗低于10%。

2016年在集团经过了平常验证，2017年大促开始大规模用云资源直接弹性。这个项目除了打造高性能ECS产品，更重要的是沉淀了网络和文件IO的纯用户态链路技术，这是一个技术拐点的产生，为阿里后续存储计算分离相关产品的高性能突破打下了基础。

2、容器化弹性，提高资源效率

随着单机服务器的能力提高，阿里数据库在2011年就开始使用单机多实例的方案，经过Cgroup和文件系统目录、端口的部署隔离，支持单机多实例，把单机资源利用起来。但依然存在以下问题：

• 内存的OOM时有发生
• 存在IO争抢问题
• 多租户混部存在主机帐号等安全问题
• 数据库主备机型一致性

随着单机部署密度愈来愈高，社区Docker也开始发展起来，尽管还不成熟，Docker自己依赖Cgroup作资源隔离，解决不了Cgroup的IO争抢或OOM问题，但它经过资源隔离和namespace隔离的结合，尝试对资源规格以及部署作新的定义，所以咱们看到了容器化更多的优点：

• 标准化规格，数据库与机型解耦，主备不须要对称。这对规模化运维带来极大的效率。
• Namespace隔离带来混部能力，资源池统一。
• 不一样数据库类型，不一样数据库版本随便混。
• 让DB具有与其余应用类型混部的条件。

2015年数据库开始验证容器化技术，2016年在平常环境中大量使用。所以在集团统一调度的项目启动后，咱们就定下了2016年电商一个交易单元所有容器化支撑大促的目标，承载交易大盘约30%，并顺利完成。2017年数据库就是全网容器化的目标，目前数据库全网容器化比例已经接近100%。

容器化除了提高部署弹性效率，更重要的是透明底层资源差别，在没有启动智能调度（经过自动迁移提高利用率）前，仅仅从容器化带来的机器复用和多版本混部，就提高了10个点的利用率，资源池的统一和标准部署模板也加快了资源交付效率。容器化完成了底层各类资源的抽象，标准化了规格，而镜像部署带来了部署上的便利，基于数据库PaaS和统一调度层的通力合做，数据库的弹性变得更加快速灵活，哪里有资源，哪里就能跑起数据库。

 3、计算资源极致弹性，存储计算分离架构升级

实现了容器化混合云，是否是每一年大促使用高性能ECS，容器化部署就能够了呢？其实仍是有不足的：

1. 数据库弹性须要搬数据，把数据搬到ECS上是很是耗时的工做。 
2. 弹性规模太大，若是超过公有云售卖周期，会增长持有成本。

所以如何作到更快、更通用的弹性能力，是一个新的技术问题。随着2016年调度的发展，你们考虑机器是否是应该无盘化，是否是应该存储计算分离，从而加快调度效率，而数据库的存储计算分离更是争议很大。

数据库的Share Nothing分布式扩展已经深刻人心，存储计算分离会不会回到IOE状态？若是IDC是一个数据中心，应用就是计算，DB就是存储，DB本身再作存储计算分离有意义吗？数据是主备双副本的，存储计算分离后变成三副本，存储集群的容量池化能balance掉额外副本的成本吗？

为此我开始测算存储计算分离架构在大促场景下的投入产出，咱们来看下大促场景，弹性大促时，业务需求计算能力数倍甚至10倍以上扩容，承担大促峰值压力，而磁盘由于存储长期数据，峰值的数据量在总体占比不高，所以磁盘容量基本不须要扩容。

在之前本地磁盘跑主备的架构，没法计算、存储分开扩容，大促指标越高，添加标准机器越多，成本浪费越大，由于磁盘是标准数据库机器的主要成本。而存储计算分离的状况下，测算下来，咱们看到在较低平常压力下存储计算分离成本是比本地盘高的，但再往上，存储计算分离只须要增长计算，存储集群由于池化后，不仅容量池化了，性能也池化了，任何高负载实例的IO都是打散到整个集群分担的，磁盘吞吐和IOPS复用，不需扩性能，成本优点很是明显。

磁盘不扩容，只扩计算天然成本低不少。传统的思考是存储集群容量池化的优点，但在大促场景咱们更多用到的是性能的池化，突破单机瓶颈，所以咱们提出了电商异地多活全部单元存储计算分离，其他业务继续使用本地磁盘进行同城容灾的目标架构。

提出这个设想，而这个架构的可行性如何判断？基于一些数字就能够推断，你们知道SSD磁盘的读写响应时间在100-200微秒，而16k的网络传输在10微秒内，所以尽管存储计算分离增长两到三次的网络交互，加上存储软件自己的消耗，总体有机会作到读写延时在 500微秒的范围内。在数据库实例压测中咱们发现，随着并发增长，存储集群具有更大的QPS水位上线，这印证了性能池化突破单机瓶颈带来的吞吐提高。

数据库团队在2017年开始验证存储计算分离，基于25G的TCP网络实现存储计算分离部署，当年就承担了10%大促流量。咱们基于分布式存储作到了700微秒的响应时间，这里内核态和软件栈的消耗较大，为此X-DB也针对性地作了慢IO优化，特别是日志刷盘的优化，开启原子写去掉了double write buffer提高吞吐能力。

这个过程当中，咱们沉淀了存储的资源调度系统，目前已经做为统一调度的组件服务集团业务。咱们对当前架构性能不太满意，有了X-DB的慢IO优化、存储计算分离跨网络的IO路径、存储资源调度等技术沉淀，加上阿里巴巴RDMA网络架构的发展，2017下半年数据库开始和盘古团队一块儿，作端到端全用户态的存储计算分离方案。

4、全用户态IO链路的存储计算分离架构落地 

从数据库软件X-DB的IO调用开始，就走咱们本身研发的用户态文件系统DBFS，DBFS使用盘古的用户态客户端，直接经过RDMA网络访问后端盘古分布式文件系统，整个IO链路彻底绕过了内核栈。这里DBFS绕过了内核文件系统，天然也绕过了pagecache，为此DBFS针对数据库场景，实现了更简洁高效的BufferIO机制。

由于IO都是跨网络远程访问，所以RDMA起到了重要做用，如下是RDMA与TCP网络在不一样包大小下的延时对比，除了延时优点外，RDMA对长尾IO的tail latency可以有效控制，对一个数据库请求涉及屡次IO来讲，对用户请求的响应时间可以更有效保证。RDMA技术的应用是DB大规模存储计算分离的前提条件，经过咱们的数据实测，DBFS+RDMA链路的延时已经和Ext4+本地盘达到相同水平。

今年咱们首次大规模部署RDMA，如履薄冰。通过屡次压测、演练， RDMA配套监控和运维体系建设已经完善起来，咱们可以在1分钟内识别服务器网卡或交换机的网络端口故障触发告警，可以故障快速隔离，支持业务流量快速切走，支持集群或单机的网络RDMA向TCP降级切换等等。在咱们的切流演练中，从DBFS看到RDMA链路的写延时比TCP下降了一倍。咱们在全链路压测中，基于RDMA技术保障了在单个数据库实例接近2GB吞吐下磁盘响应时间稳定在500微秒左右，没有毛刺。

盘古分布式存储为了同时支持RDMA、EC压缩、快照等功能，作了大量的设计优化，尤为对写IO作了大量优化，固然也包括RDMA/TCP切流，故障隔离等稳定性方面的工做。做为阿里的存储底盘，其在线服务规模已经很是庞大。

整个技术链路讲清楚以后，说一下咱们在规模应用中遇到的难题，首先，容器的网络虚拟化Bridge和RDMA自然不兼容，因为容器走Bridge网络模式分配IP，而这个是走内核的。为了应用RDMA，咱们必须使用Host网络模式进行容器化，走Host + X-DB + DBFS + RDMA +盘古存储这样的全用户态链路。

其次，对于公有云环境，咱们经过VPC打通造成混合云环境，所以应用经过VPC访问数据库，而数据库使用物理IP用于RDMA访问盘古以及X-DB内部X-Paxos。这个方案复杂而有效，得益于DBPaaS管控的快速迭代和容器化资源调度的灵活性，这些新技术可以快速落地，在变化中稳步推动。

今年年初，咱们定下了2018大促的支撑形态，即异地多活的中心机房将计算弹性到大数据的离线资源，单元机房将计算弹性到公共云资源，不搬数据直接弹性扩容，快上快下的大促目标。今年DB全局一盘棋，完成了资源调整，实现了电商各站点的存储计算分离架构升级，并经过X-DB异地多副本架构灵活部署，实现了弹性大促目标。

基于底层盘古分布式的共享存储，弹性不须要迁移数据，只须要挂载磁盘，数据库能够像应用同样快速弹性，作到一个集群10分钟完成弹性扩容。同时在全链路压测过程当中，对出现性能瓶颈的业务，咱们能够边压边弹，快速弹到更大的规格上。基于快速弹性的能力，今年DB全部站点的大促扩容都在三天内完成，这在之前是不可能实现的，这就是存计分离的架构带来的效率。

最后，感谢阿里内部通力合做的盘古、网络、调度、IDC等团队，正是你们的支持让阿里数据库的基础架构才能不断升级，不断提高效率和成本的竞争力。

数据库存储计算分离的架构升级，大大节约了大促资源成本。目前咱们的弹性能力正在平常化，经过数据预测，自动触发弹性扩容，咱们的目标是让单机容量问题致使故障成为历史。 

接下来咱们平台将向智能化发展，对于数据库来讲，只有基础架构足够强大，足够快速，灵活，弹性，智能化才能有效发挥。

---

本文做者：天羽

阅读原文

本文来自云栖社区合做伙伴“阿里技术”，如需转载请联系原做者。