本文根据中通快递数据智能部基础架构负责人朱友志在【PingCAP DevCon 2021】上的演讲整理而成。
- 视频回顾： https://www.bilibili.com/video/BV1f3411678v
- 讲义下载： 中通快递-朱友志-TiDB 在中通的落地.pdf (1.8 MB)
本文介绍了 TiDB 从 2017 年至今中通落地的情况。 从满足超大规模数据量的处理，到实时多维分析能力的增强，再到平台功能的完善 ……TiDB 通过愈发完备的 HTAP 能力打造一站式的数据生态，助力中通数字化转型升级。
中通快递成立于 2002 年，是一家以快递为主体，以国际、快运、云仓、商业、冷链、金融、智能、星联、传媒为辅的综合物流服务品牌。2020年，中通完成业务量 170 亿件，市场占有份额达到 20.4%。中通科技是中通快递旗下的互联网物流科技平台，拥有一支千余人规模的研发团队，秉承“互联网 + 物流”的理念，与公司的战略、业务紧密衔接， 为中通生态圈业务打造全场景、全链路的数字化工具，为用户提供卓越的科技产品和优质的服务体验 。
整个快递的生命周期、转运周期可以用五个字来概括—— 收、发、到、派、签 ：
而支撑整个快递生命周期的平台就是中通大数据平台。 中通从离线到实时的数据兼容再到数仓，有着一套比较完善的大数据平台体系。ETL 建模也会依托该大数据平台，最终通过大数据平台对外提供数据应用的支持以及基于离线 OLAP 分析的支持，整个数据建模的频率可以支持到半小时级别。在这个完善的大数据平台基础上，中通开始更多地思考 如何增强实时多维分析能力 。
中通与 TiDB 的结缘是在 2017 年调研分库分表场景时开始的。当时中通分库分表达到 16000 张表，业务上已经无法再继续扩展下去。2018 年底，中通开始测试 TiDB 2.0，主要关注的是大数据量的存储，以及分析性能。2019 年年初，中通上线了生产应用的支持。目前生产上稳定的版本是 TiDB 3.0.14 。2020 年底，中通开始测试 TiFlash，目标期望有两点 ：一是提高时效，二是降低硬件使用情况 。
1.0 时代——满足需求
1.0 是 满足需求 的时代，业务需求主要包含以下几点：
- 业务发展非常快，数据量非常大，每笔订单更新有 5-6 次，操作有峰值；
- 做过调研的技术方案，很难支撑多维分析的需求；
- 业务方对数据分析的周期要求比较长；
- 对分析时效要求也很高；
- 单机性能瓶颈，包括单点故障、风险高，这些也是在业务上不能忍受的；
- 除此之外，QPS 也很高，应用要求毫秒级响应。
技术需求方面，中通需要打通多个业务场景 + 多个业务指标；需要 强一致的分布式事务 ，在原有业务模式下切换的代价很小；还需要 对整个分析计算工程化 ，下线原来的存储过程；能够 支持高并发的读写、更新 ；能够支持 在线的维护 ，保证单点的故障对业务是没有影响；同时，还要 与现有的大数据技术生态紧密结合 在一起，做到分钟级的统计分析；最后是中通一直在探索的，即要建立 100 + 列以上的大宽表， 基于这张宽表，要做到多维度的查询分析 。
（目前 TiDB 在中通应用的一些落地场景）
01 时效系统应用场景
其中，时效系统是中通原有的一套系统，现在已经进行了重构。这套系统原来的存储和计算主要是依赖 Oracle 设计的，计算依赖存储过程。这套架构也比较简单，一边是消息的接入，一边是负载。
随着业务体量的增长，这一套架构的性能已经逐渐出现瓶颈。在对这套系统进行架构升级时，中通把整个存储迁移到 TiDB 上，整个计算迁移到 TiSpark。消息接入依赖于 Spark Link，通过消息队列最终到 TiDB。TiSpark 会提供分钟级的一些计算，轻度汇总会到 Hive，中度汇总会到 MySQL。基于 Hive，通过 Presto 对外提供应用的服务。 相较原来关系型数据库的分表，无论是 OLTP 还是 OLAP 都极大地降低了开发的工作量，并且和现有的大数据生态技术栈相融合。
（1.0 时代中通的数据库系统架构）
迁移带来的收益有很多：第一是 容量的增长 ，原来的数据中心有三倍的富余，已有系统数据存储周期增加到三倍以上；第二，在 可扩展性 方面，支持在线横向扩展，运维可以随时上下计算和存储节点，应用的感知很小；第三，满足了 高性能的 OLTP 业务需求，查询性能虽略有降低的，但是符合业务需求；第四，数据库单点压力没有了， OLTP 和 OLAP 实现“分离” ，互不干扰；第五， 支持了更多维度的分析需求 ；第六，整体架构看起来比原来更清晰， 可维护性增强 ，系统的可扩展性也增强了许多。
02 大宽表应用场景
另一个场景是中通一直在做的宽表的建设与摸索 。其实之前中通测过很多系统，包括 Hbase、Kudu。Kudu 的写入性能还是很不错的，但是其社区活跃度在国内一般。同时，中通使用 impala 作为 OLAP 查询引擎，但主流使用的是 Presto，兼容性有待考虑，也很难满足所有业务场景需求。此外，中通的业务特性要求系统能够快速地计算分析几十亿的数据，并能同步到离线的集群里与 T+1 数据做融合，还要能提供给数据产品和数据服务直连拉取明细数据。最后是海量数据的处理，中通有很多消息源的接入，需要针对每一票进行全链路路由和时效的预测，定位到每一票的转运环节，数据量很大，对时效的要求也很高。
（中通的大宽表建设）
目前，宽表已经建设有 150 多个字段。数据来源于 10 多个 Topic 。主要的项目接入是通过 Flink 和 Spark ，打通了各个业务产生的数据，汇总到 TiDB 形成业务宽表。额外一部分，依赖于 TiSpark，从业务宽表输出分析结果，同步 3 亿条数据到 Hive。此外，还提供了十分钟级别的实时数据建设和离线 T+1 的整合。
（中通目前的集群规模）
在使用过程中，中通也遇到了一些问题，总结起来就是 量变引起质变 。第一，热点问题。索引热点在目前情况下表现较为突出，因为中通的业务量规模十分大，操作存在高峰，在大时候该热点问题表现特别明显。第二，内存碎片化问题。在之前的低版本里，在稳定运行了一段时间后，因为有业务特性和大量的更新和删除，导致内存碎片化比较严重，这个在反馈给了 TiDB 后，已经修复了这个问题。第三，着重介绍一个参数——TiFlash 读取 index 的参数。通过测试，当读取的数据量/总数据量大于 1/10 的时候，建议该参数关闭。为什么这么说？因为 Test 数可能会变少，但是单位 Test 过渡的时间会变长。
03 运维监控
使用 TiDB 后会发现它的监控指标特别丰富，使用了流行的 Prometheus + Grafana ，多而全 。之前，中通因为在支持线上业务的同时，还会有开发人员来查数据，遇到了 SQL 把 TiKV Server 拉挂的情况。针对这个问题以及监控的问题，中通进行了一些开发定制。第一，兼容线上特殊帐号的慢 SQL，会自动杀掉，并通知到相应的应用负责人。第二，中通开发了支持 Spark SQL 去查询 TiDB 的工具，并发和安全性在开发的过程中得到一些保障。此外，中通还会把一些额外的核心指标，接入到自研的监控体系。核心的告警会电话通知到相关的值班人员。
去年双十一期间，中通订单量突破 8.2 亿，整个业务规模突破 7.6 亿，双十一当天的 QPS 峰值达到 35 万 +。整个双十一期间，数据的更新体量达到了数千亿级别，整个集群上运行的 TiSpark 任务是 100 多个，支持的在线应用 7 个。 整个分析的时效在 10 分钟以下达到了 98% ，整个分析的数据周期达到 7-15 天。
2.0 时代——HTAP 提升
2.0 时代的主要特点是 HTAP 的提升 。中通应用 HTAP 主要来自于业务方需求的升级：
基于业务方的需求，中通在 2.0 时代进行了一次架构再升级。首先， 引入了 TiFlash 和 TiCDC 。这带来的收益其实是增强了时效，部分分析进入了分钟级级别，降低了 Spark 集群资源的使用情况。
（2.0 时代中通的数据系统架构）
下图是 TiSpark 和 TiFlash 的对比，中通线上有两套集群，一个基于 3.0，一个基于 5.0。简单地对比一下 3.0 和 5.0 的情况：3.0 主要的分析是基于 TiSpark，5.0 是基于 TiFlash 。目前 3.0 集群有 137 个物理节点， 5.0 有 97 个节点。整个运行的周期中，3.0 是 5 - 15 分钟，基于 5.0 的 TiFlash 已经做到 1-2 分钟，整个 TiKV 的负载降低是比较明显的。另外， 在 3.0 上 Spark 的资源大概有 60 台，而在 5.0 上，线上的加上在测试的，大概有 10 台就足够了。
在整个测试周期中，生产的集群是 3.0 ，4.0 的测试周期其实是非常短的。在测试时，业务的场景有一些维表 Join 的情况，当时 4.0 对 MPP 没有支持，对一些函数的支持可能也不是那么完善，测试结果不是很理想。对 HTAP 的测试主要是在 5.0 阶段，5.0 已经支持 MPP ，对函数的支持也越来越丰富。目前中通生产上应用的版本是 TiDB 5.1 。
上图右侧是整个 5.0 集群在 618 期间的负载情况。在刚刚结束的 618 中， 5.0 上线的一些任务已经在支持 618 移动端的大促看板。中通有 6 个核心的指标是基于 TiFlash 计算的。 集群响应整体平稳，报表达到了分钟级以内的时效。 整体的数据体量在 40 亿 - 50 亿 +，报表分析数据达到 10 亿 +。
3.0 时代——展望未来
3.0 时代主要是对未来的一些展望：
第一是监控 。提到监控，由于中通的集群比较大，所以面临的问题和遇到的问题可能会多一点。大集群的实例多，指标加载慢，排查问题的效率得不到保障。监控虽然很全，但是出了问题的时候无法快速定位到问题；
第二是解决 执行计划 偶发不准的问题。这种偶发不准有时候会影响到一些线上的负载相互影响，拉高集群的指标，导致业务相互影响。
第三是实现 自动清理 。目前中通数据的清理是通过自己写成 SQL 清理的，但是过期数据清理比较麻烦。希望之后可以支持旧数据自动 TTL。
第四，随着 5.0 列式存储 的引入，中通计划把 TiSpark 的任务逐渐全部切到 TiFlash 上面，期望达成提高时效和降低硬件成本的目标。