分布式数据库新秀TiDB初探
作者：凌云Cloud
随着社会数字化程度的加深，网络逐渐成为了社会的基础设施。随着互联网渗透程度的不断深入和互联网的进一步下沉，人们会在互联网上面 花费更多的时间，产生更多的数据。作为数据存储基石的DB面临着新的挑战和发展空间，由于数量的增长，之前的单机DB将面临越来越多的挑战，此时就出现数据库扩展的多种方案以满足海量数据的存储。目前主流的应对方案主要是分库分表，但是也存在着分布式事务，跨节点 join，扩容复杂等局限。
分布式数据TiDB简介
TiDB是一款同时支持在线事务处理和在线分析处理数据（Hybrid Transactional and Analytical Processing, HTAP）的关系性分布式数据库。在线事务处理，一般日常的事务处理数据库类型。在线分析处理，指由于数据分析的数据库类型，侧重于数据分析与决策，大多是基于MR模型的分布式存储系统或者是列式存储，例如clickhouse。
- 一键水平扩容或者缩容
由于采用计算与存储分离，可针对不同场景对计算模块或者存储模块快速透明化扩容。
- 金融级高可用
多副本存储，基于raft协议的事务日志
- 实时 HTAP
通过基于两种不同的存储模型TIKV和列式存储TiFlash，同时支持OLTP和OLAP，通过raft协议保持两者数据的强一致性。
- 云原生的分布式数据库
可以基于TIDB生态的 TI oprator，在私有云、公有云或者混合云实现工具化部署。
- 兼容 MySQL 5.7 协议和 MySQL 生态
兼容大部分Mysql 5.7协议，用户可以在原有代码不做变更的基础上，在Mysql和TIDB之间实现透明化迁移。
架构
（图片来自Pingcap官网）
TIDB整个集群主要分为TIDB Server、PD Server、TIKV Server 、TIFlash（可选）
TIDB Server：这部分主要负责Sql 解析、优化，生成执行计划，此部分是无状态的。TIDB 还扮演着计算下推的角色，
同步对SQL的解析和分析，推断是适用TIKV还是TIFlash，将数据计算下推到数据存储层。例如要按照某一个字段的一段范围的内单位时间的度量，将会下推给TIflash引擎，利用列式存储提高查询性能。
PD Server:元信息模块。主要负责数据在TIKV的分布情况和集群的拓扑情况，协调数据数据迁移。
并负责生成分布式事务的唯一ID。
TIKV：TIKV是基于rocksdb二次开发的KV存储引擎。Region为最基本数据存储单元，在每一个region中按序存储一段数据，Region的迁移、合并、迁移受PDServer的调控。
TIFlash：列式存储引擎、记得之前是基于clickhouse开发的存储引擎。作为TIKV learner的角色提交数据。异步复制、一致性（读之前会校验与Leader的数据同步状态）。clickhouse特点，多线程并发查询，海量数据情况下并能比较优异，确定就是并发度不高。
分布式事务
TIDB的分布式事务是基于Google 的Percolator二阶段提交算法实现的。从3.0开始默认实现是悲观事务,参考TiDB 新特性漫谈：悲观事务。并且基于MVCC多版本控制实现了事务的并发控制，详细可以参考TiKV 的 MVCC（Multi-Version Concurrency Control）机制。
Region存储模型
大数据量的KV存储目前有两种存储方案。
- 基于Hash 的 Map存储方案，例如redis。
- 基于LSM Tree的有序分块存储的方案，例如mongodb，rocksdb。
TIDB的KV实现 是基于第二种的实现，Region是数据在TIKV中的存储基本数据模型，为了方便数据在rocksdb的存储和迁移，tidb将数据以region为单位组织存储。在每一个region中数据均顺序组织（startKey，endKey），方便PD的调度迁移与写入。并且数据的复制与分发也已region为单位组织。
详细可以参考TIDB存储-region
性能分析
下面是之前做的一份压测数据。
- 1 TIDBServer，3 TIKV，同城三机房部署。
- 并发10qps，同时查询数8SQL。
- 工具Jemter
- 数据量200-300G
- TIDB 4.x版本
机器性能暂时没有打满，可以看到响应时间基本在15ms左右
除了这份数据和pingcap公布的官方tpc数据，还有其他部分公司DBA在自己测试环境做了压测。得出结论，在数据量达到一定程度下，与mysql性能相比差距不大，并且在某些场景会超过mysql的性能。当然刚刚发布的5.0版本性能又有了一定提升其他以官方公布的数据为准 TiDB Sysbench 性能对比测试报告 - v5.1.0 对比 v5.0.2
使用现状
TIDB作为国内公司开发的分布式数据库新秀，受到国内许多互联网、金融、银行等行业公司的关注，并投入了一定的资源参与到了TIDB的生态建设。例如美团、伴鱼、bilibili等。
总结
随着数字化加深、数据量的暴增，分布式数据库是未来解决海量数据的唯一途径。同时随着云原生基础设施不断地完善，作为整条链路的最后一块单点土地-数据库，基于云设施的分布式方案前景看好。并且随着国内技术行业的升级，相信会有更多像TIDB这种自研的优秀的基础技术产品涌现。去探寻技术附加值更高的市场，打造数据我们自己的技术壁垒。支持国产！