本文根据华为数据库高级技术专家张金玉在DTCC大会华为云数据库专场的分享内容整理而成。

点击查看华为数据库高级技术专家张金玉受访视频https://mp.weixin.qq.com/s/kqZB_bV14ROA9vBT_mdFYw

常见的分布式架构

对于分布式架构，大家都比较熟悉。如下图左侧的分布式架构，采用的是分布式静态分区方式。该架构是对业务进行分片，因此对业务的设计和改造的要求非常高。原因是基于分片的架构计算和存储为一体，数据的访问与存储紧密结合，每个数据节点只能访问一个分片的数据，数据分片在哪里，计算就必须访问到哪里，因此无论是存储扩容，还是计算扩容都比较困难。

111.png

右侧的架构是分散式池化架构，采用的是基于请求的动态自适应的分区方式。对业务而言，该架构不需要进行分布式改造，只需要亲和性地接入计算节点，每个计算节点访问到的数据会从存储节点自动加载，每一层的资源可以动态弹性扩展，并且每个计算节点对等，都可以读写全量数据，计算节点访问哪些数据，对应的数据页面会自动缓存到该计算节点。

这是两种典型的分布式架构的对比。

GaussDB池化透明多写架构

GaussDB池化透明多写基于Share Everything架构，实现了计算节点对等读写，带来了性能、可用性、弹性的三重突破。

222.png01性能突破

分布式缓冲池基于PO和RA机制降低和避免节点间交互

为了优化分布式Buffer Pool的访问性能，GaussDB引入了页面属主（PO）、读授权（RA）以及页面目录（PD）机制。该机制通过优化页面访问路径，最大限度减少了节点间的交互，从而优化了分布式Buffer Pool的访问效率——当计算节点上的事务访问某页面时，若该节点是此页面的属主，或者该页面是读授权的，那么该事务完全可以直接进行本地访问；反之，若该节点是既不是页面的属主，页面也不是读授权，那么事务访问页面则需要从其他节点读取。

基于去中心化Lamport时间戳降低网络交互，解决单点性能瓶颈

数据库中有两个关键的时间序列：事务的提交顺序、事务修改页面的顺序，事务修改页面产生的日志也必须保持顺序性。在传统的单机数据库中，单节点修改页面产生的日志本身是有序的，但多节点修改同一个页面的顺序也要保证，GaussDB引入Lamport LSN解决了多个节点修改同一个页面WAL的顺序问题。

GaussDB还实现了去中心化Lamport时间戳。其核心逻辑是：运行在多个节点上的两个事务，若互相没有因果关系，则可以采用相同的提交时间戳，若互相存在因果关系，则必须保证两者提交时间戳的大小关系。这种方式有效避免了单点性能瓶颈。

基于自动分区的空闲空间亲和性分配算法降低节点间冲突

在单机数据库中，数据插入需要找到能够容纳元组的页面，相对而言比较简单，但在分布式情况下每个节点都可以增删改查，因此在多节点下的空闲空间管理必须考虑亲和性。GaussDB基于自动分区的空闲空间亲和性分配算法降低了节点间的冲突。

IUD本地亲和的表锁和事务锁

关于数据库的表锁、事务锁，在单机情况下加锁是比较简单的，且时延很低。而在分布式情况下，则需要考虑尽量降低跨节点的加锁，以避免额外的时延损耗。GaussDB重点优化了增删改查业务的时延——表锁采用本地加锁方式，无需跨节点协调。对于事务锁，每个事务启动都要有事务锁，这些锁在本地维护，当多个事务并发更新同一行数据时，若前一个事务没有提交，后一个事务则需要等待获取事务锁，只有事务冲突时才会需要等待事务锁。

02 可用性突破

基于磁盘内存双Checkpoint机制降低WAL恢复时间

在高可用上，传统的数据库磁盘检查点的问题在于其性能取决于磁盘的速率，检查点刷页的速度取决于磁盘的能力，如果业务的吞吐非常高，那么检查点的推进速度是有限的。GaussDB支持了磁盘内存双Checkpoint机制，内存检查点和磁盘检查点共同推进、混合运行。在计算节点故障下，可以从内存检查点开始恢复，这样恢复的量比较少，内存检查点推进比较快。在内存节点故障下，因为计算节点的脏页没有丢失，所以不需要从WAL恢复页面。在计算节点和内存节点同时故障的情况下，则从磁盘检查点开始恢复，通过磁盘内存双Checkpoint机制，计算节点故障恢复的日志量是非常少的。

基于邻居故障检测和按需恢复算法实现RTO<6s

邻居故障检测算法能够显著提升故障检测的鲁棒性，因为仅当所有的邻居都判定某节点故障时，系统才最终认定该节点故障。按需恢复算法除依托双检查点机制外，思路是尽可能减少日志恢复量，因为每个节点都可以读写，某一个节点故障之后，其他的存活节点业务可以不中断继续运行，只有发生故障的计算节点的脏页丢失，且后续需要访问这些脏页时才会触发日志恢复流程。在这种情况下，计算节点发生故障时，存活节点依然可以不中断继续提供业务。

基于PDB级WAL多流实现双集群非对称双活容灾

关于容灾，业界目前大多是灾备集群只读，传统数据库的设计基本上只有一个日志流，即使有多个Database，也是共享一个日志流，每个日志流有自己的LSN顺序，且只能单向复制。GaussDB透明读写支持每个PDB有独立的日志流，且每个PDB都是可插拔的，因为日志和数据都是独立的，因此能够实现基于PDB的两个集群的双向复制，资源利用率更高，而且两个集群可以非对称部署，能够独立弹性扩容和缩容。

03 弹性突破

基于分层解耦和细粒度PD Bucket迁移实现秒级在线弹性扩展

池化的架构计算层、内存层、存储层都可以分层独立弹性扩展——计算层下沉到存储节点的状态是解耦的，因此计算层能够秒级弹性扩展；内存层扩展只需要做内存状态的迁移，也能实现秒级弹性扩展；而存储层扩容添加存储节点会动态更新存储节点的元数据，文件本身会自动分配到新的节点上。

两级多租户，提高资源利用率

很多情况下，物理集群的资源利用率未必可以用满，因此需要多租户能力来提高资源利用率。GaussDB透明多写架构支持两级多租——基础设施级多租和Database级多租，这种方式提供了灵活的资源配置策略，多个租户可以共享物理资源，同时租户进程故障可以完全隔离，从而提高了资源利用率。

总结

GaussDB池化架构透明多写架构实现了性能、可用性、弹性的三重突破。

在高性能方面，分布式缓存池基于PO和RE机制降低和避免了节点间的交互；基于去中心化Lamport时间戳降低了网络交互，同时解决了单点性能瓶颈；基于自动分区的空闲空间亲和性分配算法降低了节点间的冲突；并设计了IUD本地亲和的表锁和事务锁。

在高可用方面，磁盘内存双Checkpoint机制减少了日志的恢复量，基于邻居故障检测算法和按需恢复算法实现了RTO小于6秒；同时基于PDB级WAL多流实现了双集群非对称的双活容灾，每个集群可以根据负载独立弹性扩展计算、内存、存储资源。

在高弹性方面，基于分层解耦和细粒度PD Bucket迁移，实现了秒级在线分层弹性扩展；基于两级多租——基础设施级多租（共享物理资源）、数据库多租（共享数据库服务）显著提高了资源利用率。