做销售的 都有什么网站,如何推广app,怎么用 做网站,wordpress文章meta一、2017年我们做了什么#xff1f;
记得早在2017年的时候#xff0c;王坚博士就曾召大家就关于“IDC As a Computer”是否能做到#xff0c;进行过激烈的讨论。而要做到此#xff0c;必须要实现存储计算分离#xff0c;分离后由调度对计算和存储资源进行独立自由调度。而…一、2017年我们做了什么
记得早在2017年的时候王坚博士就曾召大家就关于“IDC As a Computer”是否能做到进行过激烈的讨论。而要做到此必须要实现存储计算分离分离后由调度对计算和存储资源进行独立自由调度。而在实现存储计算分离的所有业务中数据库是最难的。因为数据库对I/O的时延和稳定性有着极高的要求。但是从业界来看存储计算分离又是一个未来的技术趋势因为像Google spanner以及Aurora都已经实现了。
所以2017年我们抱着坚定的信念去实现数据库的存储计算分离。事实上2017年我们做到了基于盘古和AliDFS(ceph分支) 在张北单元存储计算分离承担10%的交易量。2017年是数据库实现存储计算分离的元年为2018年大规模实现存储计算分离打下了坚实的基础。
二、2018技术突破
如果说2017年是数据库实现存储计算分离的突破之年的话那么2018年就是追求极致性能的一年也是由试验走向大规模部署的一年其技术的挑战可想而知。在2017年的基础上2018年的挑战更为巨大需要让存储计算分离更加的高性能、普适、通用以及简单。 2018年为了使得在存储计算分离下数据库的I/O达到最高性能和吞吐我们自研了用户态集群文件系统DADI DBFS。我们通过将技术沉淀到DADI DBFS用户态集群文件上赋能集团数据库交易全单元规模化存储计算分离。那么成为存储中台级产品DBFS又做了那些技术上的创新呢
2.1 用户态技术
2.1.1 “ZERO” copy
我们直接通过用户态旁路kernel实现I/O路径的“Zero”copy。避免了核内核外的copy使得吞吐和性能都有了非常大的提高。
过去使用kernel态时会有两次数据copy一次由业务的用户态进程copy数据到核内一次由核内copy到用户态网络转发进程。这两次copy会影响整体吞吐和时延。
切到纯用户态之后我们使用polling模型进行I/O request请求的发送。另外对于polling mode下CPU的消耗我们使用了adaptive sleep技术使得空闲时不会浪费core资源。 2.1.2 RDMA
另外DBFS结合RDMA技术与盘古存储直接进行数据交换达到接近于本地SSD的时延和更高的吞吐从而使得今年跨网络的极低时延I/O成为可能为大规模存储计算分离打下了坚强的基础。今年集团参加大促的RDMA集群可以说是在规模上为业界最大的一个集群。
2.2 Page cache
为了实现buffer I/O的能力我们单独实现了page cache。Page cahce采用touch count based LRU算法实现。引入touch count的意义是为了更好的与数据库的I/O特性结合。因为数据库中时常会有大表扫描等行为我们不希望这种使用频率低的数据页冲刷掉LRU的效率。我们会基于touch count将page在hot端和cool端进行移动。
Page cache的页大小可配置与数据库的页大小进行结合时会发挥更好的cache效率。总体上DBFS的page cache具备以下的能力 ● 基于touch count进行page的冷热端迁移 ● 冷热端比例可配置目前为热冷比例为2:8 ● page size可配置结合数据库页进行最优化配置 ● 多shard提高并发总体容量可配置 2.3 异步I/O
为了提高数据库的I/O吞吐能力大部分数据库都使用了异步I/O。我们为了兼容上层数据库的I/O特性实现了异步I/O。异步I/O特性 ● 无锁队列实现 ● 可配置的I/O depth能够使得针对数据库不同的I/O类型进行精确时延控制 ● polling adaptive减少CPU消耗 2.4 原子写
为了保证数据库页写出的时候不出现partial writeDBFS实现了原子写功能。基于DBFS的Innodb可以安全的将double write buffer关掉从而使得在存计分离下数据库带宽节省100%。
另外如PostgreSQL使用的是buffer I/O也避免了PG在dirty page flush时偶发性遇到的缺页问题。
2.5 Online Resize
为了避免扩容而带来的数据迁移DBFS结合底层盘古实现volume的在线resize。DBFS有自己的bitmap allocator用于实现底层存储空间的管理。我们对bitmap allocator进行了优化在文件系统层级做到了lock free的resize使得上层业务可以在任何时候进行对业务无损的高效扩容完全优于传统的ext4文件系统。
Online Resize的支持避免了存储空间的浪费因为不用reserve如20%的存储空间了可以做到随扩随写。
以下为扩容时的bitmap变化过程 2.6 TCP与RDMA互切
RDMA在集团数据库大规模的引入使用也是一个非常大的风险点DBFS与盘古一起实现了RDMA与TCP互切的功能并在全链路过程中进行了互换演练使得RDMA的风险在可控的范围内稳定性保障更加完善。
另外DBFS盘古以及网络团队针对RDMA进行了非常多的容量水位压测故障演练等工作为业界最大规模RDMA上线做了非常充足的准备。
2.7 2018年大促部署
在做到了技术上的突破和攻关后DBFS最终完成艰巨的任务通过大促全链路的考验以及双“十一”大考再次验证了存储计算分离的可行性和整体技术趋势。
三、存储中台利器DBFS
除了以上做为文件系统必须实现的功能以外DBFS还实现了诸多的特性使得业务使用DBFS更加的通用化更加易用性更加稳定以及安全。
3.1 技术沉淀与赋能
我们将所有的技术创新和功能以产品的形式沉淀在DBFS中使得DBFS能够赋能更多的业务实现以用户态的形式访问不同的底层存储介质赋能更多数据库实现存储计算分离。
3.1.1 POSIX兼容
目前为了支撑数据库业务我们兼容了大多数常用的POSIX文件接口以方便上层数据库业务的对接。另外也实现了page cache异步I/O以及原子写等为数据库业务提供丰富的I/O能力。另外我们也实现了glibc的接口用于支持文件流的操作和处理。这两种接口的支持大大简化了数据库接入的复杂度增加了DBFS易用性使得DBFS可以支撑更多的数据库业务。
posix部分大家比较熟悉就不再列出以下仅为部分glibc接口供参考 // glibc interface FILE *fopen(constchar*path,constchar*mode); FILE *fdopen(int fildes,constchar*mode); size_t fread(void*ptr, size_t size, size_t nmemb, FILE *stream); size_t fwrite(constvoid*ptr, size_t size, size_t nmemb, FILE *stream); intfflush(FILE *stream); intfclose(FILE *stream); intfileno(FILE *stream); intfeof(FILE *stream); intferror(FILE *stream); voidclearerr(FILE *stream); intfseeko(FILE *stream, off_t offset,int whence); intfseek(FILE *stream,long offset,int whence); off_t ftello(FILE *stream); longftell(FILE *stream); voidrewind(FILE *stream); 3.1.2 Fuse实现
另外为了兼容Linux生态我们实现了fuse打通VFS的交互。Fuse的引入使得用户在不考虑极致性能的情况下可以不需要任何代码改动而接入DBFS大大提高产品的易用性。另外也大大方便了传统的运维操作。 3.1.3 服务化能力
DBFS自研了shmQ组件基于内享内存的IPC通信从而拉通了对于PostgreSQL基于进程架构和MySQL基于线程架构的支持使得DBFS更加的通用化和安全为以后在线升级提供坚实的基础。
shmQ基于无锁实现性能和吞吐表现优异从目前测试来看在16K等数据库大页下能控制在几个us以内的访问时延。服务化以及多进程架构的支持目前性能与稳定性符合预期。 3.1.4 集群文件系统
集群功能是DBFS的又一大明显特性赋能数据库基于shared-disk模式实现计算资源的线性扩展为业务节省存储成本。另外shared-disk的模式也为数据库提供了快速的弹性能力也大大提高了主备快速切换的SLA。集群文件系统提供一写多读以及多点写入的能力为数据库shared-disk和shared nothing架构打下坚实的基础。与传统的OCFS相比我们在用户态实现性能更好更加自主可控。OCFS严重依赖于Linux的VFS如没有独立的page cache等。
DBFS 支持一写多读模式时提供多种角色可选(M/S)可以存在一个M节点多个S节点使用共享数据M 节点和S节点共同访问盘古数据。上层数据库对MS节点进行了限制M节点的数据访问是可读可写的S节点的数据访问是只读的。如果主库发生故障就会进行切换。主从切换步骤 ● 业务监控指标探测发现M 节点出现无法访问或者异常的时候进行决策是否要进行切换。 ● 如果发生切换由管控平台发起切换命令切换命令完成代表DBFS和上层数据库都已经完成角色切换。 ● 在DBFS 切换的过程中最主要的动作就是IO fence禁止掉原本的M节点IO能力防止双写情况。
DBFS在多点写入时对所有节点进行全局的metalock控制blockgroup allocation优化等。另外也会涉及到基于disk的quorum算法等内容比较复杂暂不做详细陈述。
3.2 软硬件结合
随着新存储介质的出现数据库势必需要借其发挥更好的性能或者更低成本优化并且做到对底层存储介质的自主可控。
从Intel对存储介质的规划来看从性能到容量会形成AEP,Optane和SSD这三种产品而在向大容量方向上又会有QLC的出现。所以综合性能和成本来看我们觉得Optane是一个比较不错的cache产品。我们选择它作为DBFS 机头持久化filecache的实现。 3.2.1 持久化file cache
DBFS实现了基于Optane的local持久化cache功能使得在存计分离下更近一步提升数据库的读写性能。File cache为了达到生产可用性做了非常多的工作如 ● 稳定可靠的故障处理 ● 支持动态enable和disable ● 支持负载均衡 ● 支持性能指标采集和展示 ● 支持数据正确性scrub
这些功能的支撑为线上稳定性打下坚实的基础。其中针对Optane的I/O为SPDK的纯用户态技术DBFS结合Fusion Engine的vhost实现。File Cache的页大小可以根据上层数据库的block大小进行最佳配置以达到最好的效果。
以下为file cache的架构图 以下是测试所得读写性能收益数据 其中带有“cache”的为基于filecache所得。整体表现随着命中率提高读时延开始下降。另外我们针对file cache进行了诸多性能指标的监控。
3.2.2 Open Channel SSD
X-Engine和DBFS以及Fusion Engine团队展开合作基于object SSD进一步打造存储自主可控的系统。在降低SSD磨损提高SSD吞吐降低读写相互干扰等领域进行了深度探索与实践都取得了非常不错的效果。目前已经结合X-Engine的分层存储策略打通了读写路径我们期待下一步更加深入的智能化存储研发。
四、总结与展望
2018年DBFS已经大规模支持了X-DB以存储计算分离形态支持“11.11”大促与此同时也赋能ADS实现一写多读能力以及Tair等。
在支持业务的同时DBFS本身已经拉通了PG进程与MySQL线程架构的支持打通了VFS接口做到了与Linux生态的兼容成为真正意义上的存储中台级产品——集群用户态文件系统。未来结合更多的软硬件结合、分层存储、NVMeoF等技术赋能更多的数据库实现其更大的价值。 原文链接 本文为云栖社区原创内容未经允许不得转载。
