大數據時代如何構建高性能數據庫平臺

在數據爆炸的時代，給眾多IT從業人員帶來了相當大的困擾—伴隨著大數據分析，商業智能的發展，數據量呈現指數增長，傳統數據處理系統已不堪重負。在這樣的背景下，“數據庫平臺的構建”逐漸成為一個備受關注的話題。

影響數據庫性能的三要素

對于數據庫系統而言，絕大多數情況下影響數據庫性能的三個要素是：數據運算能力、數據讀寫時延和數據吞吐帶寬，簡稱計算、時延、吞吐。計算指的是CPU的運算能力，時延是數據從存儲介質跑到CPU所需的時間長短，吞吐則是數據從存儲介質到CPU的道路寬度。一般情況下，關注計算和時延是比較多的，但是在數據量越來越多的情況下，吞吐也成為影響數據庫性能的重要因素。如果吞吐帶寬不夠，會造成計算等待隊列的增加，CPU占用率虛高不下。這種情況下，即使增加再多的計算資源也于事無補，相當于千軍萬馬擠獨木橋，馬再好也是枉然。一個高性能的數據庫平臺，一定是計算、時延、吞吐三方面的能力齊頭并進，相互匹配。

計算能力由CPU主頻和核數決定，實踐中看CPU占用率就能夠大致確定CPU配置是否合適。時延的指標很簡單，時間是衡量時延的唯一指標。吞吐量則是通過每秒在I/O流中傳輸的數據總量來衡量的。

從三要素到三方法

明確了影響性能的要素后，就可以著手改變各要素來提升數據庫平臺的性能。

1.計算能力：x86化的今天，提升計算能力就是：增加CPU內核數量或升級CPU主頻。

2.時延能力：加快數據從存儲介質到CPU的速度，即提升數據讀寫時延，從以下三方面努力：

a)降低存儲介質的讀寫時延：使用電子尋址的Flash顆粒來替換旋轉的機械磁頭，是降低存儲介質讀寫時延最有效的方法。實踐中可結合數據吞吐量來確定是選擇SAS總線上的SSD盤還是選擇PCIE總線上的Flash卡。

b)降低網絡的傳送時延：網絡時延則可以通過InfiniBand網絡來解決，注意不要選擇IPoIB，而是要使用RDS，相比傳統UDP協議，網絡延遲至少減一半。通過SRP協議，利用RDMA技術在網絡層面傳送SCSI指令和數據，使得數據庫節點能夠像操作本地SCSI設備一樣讀寫遠程的數據，對于時延的降低，不是FC網絡能夠企及的。

c)擴大存儲層的數據緩存大?。捍鎯拥臄祿彺娲笮r延也至關重要，如果有盡可能多的數據讀寫在緩存中進行，就避免了數據下盤。緩存的大小以及緩存算法都對緩存命中率有直接的影響，這一點往往被忽略。除了單點緩存之外，分布式緩存技術也是非常重要的，通過分布式緩存技術，可以避免單點緩存的局限性，擴大緩存的全局能力，增加緩存規模，提高緩存命中率。

3.吞吐能力：拓寬數據通路的方法有兩種：使用高速InfiniBand網絡、使用分布式存儲。前者比較容易想到，實施也簡單，基于FDR 的56Gb/s InfiniBand解決方案可實現每秒1.37億條消息的信息通信速率，在16個計算節點上，性能表現比QDR 40Gb/s InfiniBand高出20%-30%，而與FC、萬兆和4萬兆以太網相比，性能更是領先了100%到300%，是最高效的計算和存儲互聯方案。對于后者，分布式存儲，其好處在于不將數據集中存放在某幾塊存儲介質上，而是將數據全部打散存放在多個存儲節點的許多個介質上，這樣避免在大規模數據并發讀寫訪問時，存儲介質的單點能力成為數據讀寫的瓶頸，通過分布式的并發能力來提升數據讀寫吞吐能力。注意的是，一定要使用高性能低時延的分布式塊存儲，分布式文件存儲是無法滿足性能要求的。

通過計算、時延、吞吐的三管齊下，通過使用SSD存儲介質、InfiniBand網絡交換以及分布式存儲，數據庫平臺的性能將得到極大提升。

未來為是何種模樣

高性能數據庫系統未來向著內存化、云化的方向在不斷發展。SAP的HANA內存數據庫，Oracle 12c的內存特性，GemFire的分布式內存數據緩存，以及Spark的內存并行計算，都在昭示著內存化的未來方向，其本質還是通過內存的高速讀寫與高速總線來解決時延和吞吐問題。

數據庫的云化，即DBaaS(數據庫即服務)，其核心就是整合IT基礎設施中的硬軟件，實現簡單化、標準化和靈活性，提升可用性以及安全保障，同時降低成本。當然，云化在性能和QoS方面也對IT基礎設施提出了更多增強性的挑戰。