1.3万亿条数据查询如何做到毫秒级响应？

作者：孙晓光 ，北京知乎软件架构师。

来源：http://itindex.net/

知乎，在古文中意为“你知道吗？”，它是中国的Quora：一个问答网站，其中各种问题由用户社区创建，回答，编辑和组织。作为中国最大的知识共享平台，知乎平台目前拥有2.2亿注册用户，3000万个问题，网站答案超过1.3亿。

随着用户群的增长，应用程序的数据大小无法评估，在一个名为Moneta的应用程序中存储了大约1.3万亿行数据（存储着用户已经阅读过的帖子）。由于每月累计产生大约1000亿行数据，且不断增长，这一数字将在两年内达到3万亿。

在保持良好用户体验的同时，我们在扩展后端方面面临严峻的挑战。

在这篇文章中，我将深入探讨如何在如此大量的数据上保持毫秒级的查询响应时间，以及TiDB是一个开源的MySQL兼容的NewSQL混合事务/分析处理（ HTAP）数据库，如何为我们提供支持获得对我们数据的实时洞察。我将介绍为什么选择TiDB，如何使用它，学到了什么，最佳实践以及对未来的一些畅想。

我们的痛点

本节介绍了我们的Moneta应用程序的体系结构，我们尝试构建的理想体系结构，以及 数据库可伸缩性 作为我们技术团队的主要难点。

系统架构要求

知乎的Post Feed服务是一个关键系统，用户可以通过该系统接收网站上发布的内容。后端的Moneta应用程序存储用户已阅读的帖子，并在知乎的推荐页面的帖子流中过滤掉这些帖子。

Moneta应用程序具有以下特征：

• 需要高可用性数据：Post Feed是第一个出现的屏幕，它在推动用户流量到知乎方面发挥着重要作用。
• 处理巨大的写入数据：例如，在高峰时间每秒写入超过4万条记录，记录数量每天增加近30亿条记录。
• 长期存储历史数据：目前，系统中存储了大约1.3万亿条记录。随着每月累积约1000亿条记录并且不断增长，历史数据将在大约两年内达到3万亿条记录。
• 处理高吞吐量查询：在高峰时间，系统处理平均每秒在1200万个帖子上执行的查询。
• 将查询的响应时间限制为90毫秒或更短：即使对于执行时间最长的长尾查询，也会发生这种情况。
• 容忍误报：这意味着系统可以为用户调出许多有趣的帖子，即使有些帖子被错误地过滤掉了。

考虑到上述事实，我们需要一个具有以下功能的应用程序架构：

• 高可用性：当用户打开Zhihu的推荐页面时，找到大量已经阅读过的帖子是一种糟糕的用户体验。
• 出色的系统性能：我们的应用具有高吞吐量和严格的响应时间要求。
• 易于扩展：随着业务的发展和应用程序的发展，我们希望我们的系统可以轻松扩展。

勘探

为了构建具有上述功能的理想架构，我们在之前的架构中集成了三个关键组件：

• 代理：这会将用户的请求转发给可用节点，并确保系统的高可用性。
• 缓存：这暂时处理内存中的请求，因此我们并不总是需要处理数据库中的请求。这可以提高系统性能。
• 存储：在使用TiDB之前，我们在独立的 MySQL上管理我们的业务数据。随着数据量的激增，独立的MySQL系统还不够。然后我们采用了 MySQL分片和Master High Availability Manager（ MHA）的解决方案，但是当每月有1000亿条新记录涌入我们的数据库时，这个解决方案是不可取的。

MySQL Sharding和MHA的缺点

MySQL分片和MHA并不是一个好的解决方案，因为MySQL分片和MHA都有它们的缺点。

MySQL分片的缺点：

• 应用程序代码变得复杂且难以维护。
• 更改现有的分片键很麻烦。
• 升级应用程序逻辑会影响应用程序的可用性。

MHA的缺点：

• 我们需要通过编写脚本或使用第三方工具来实现虚拟IP（VIP）配置。
• MHA仅监视主数据库。
• 要配置MHA，我们需要配置无密码安全Shell（ SSH）。这可能会导致潜在的安全风险。
• MHA不为从属服务器提供读取负载平衡功能。
• MHA只能监视主服务器（而不是从主服务器）是否可用。

在我们发现TiDB并将数据从MySQL迁移到TiDB之前，数据库可伸缩性仍然是整个系统的弱点。

什么是TiDB？

TiDB平台是一组组件，当它们一起使用时，它们将成为具有HTAP功能的NewSQL数据库。

图1 TiDB平台架构

在TiDB平台内部，主要组件如下：

• TiDB服务器是一个无状态的SQL层，它处理用户的SQL查询，访问存储层中的数据，并将相应的结果返回给应用程序。它与MySQL兼容并且位于TiKV之上。
• TiKV服务器是数据持久存在的分布式事务键值存储层。它使用 Raft共识协议进行复制，以确保强大的数据一致性和高可用性。
• TiSpark集群也位于TiKV之上。它是一个Apache Spark插件，可与TiDB平台配合使用，支持商业智能（BI）分析师和数据科学家的复杂在线分析处理（OLAP）查询。
• 放置驱动程序（PD）服务器是由 etcd支持的元数据集群，用于管理和调度TiKV。

除了这些主要组件之外，TiDB还拥有一个工具生态系统，例如用于快速部署的 Ansible脚本，用于从MySQL 迁移的 Syncer和 TiDB数据迁移，以及用于收集对TiDB群集进行的逻辑更改并提供增量备份的 TiDB Binlog。复制到下游（TiDB，Kafka或MySQL）。

TiDB的主要功能

TiDB的主要功能包括：

• 水平可扩展性。
• MySQL兼容之语法。
• 具有强一致性的分布式事务
• 云原生架构。
• 使用HTAP进行最小提取，转换，加载（ ETL）。
• 容错和Raft恢复。
• 在线架构更改。

我们是如何使用TiDB的

在本节中，我将向您展示如何在Moneta的架构中运行TiDB以及Moneta应用程序的性能指标。

我们架构中的TiDB

我们在系统中部署了TiDB，Moneta应用程序的整体架构变为：

• 顶层：无状态和可伸缩的客户端API和代理。这些组件易于扩展。
• 中间层：软状态组件和分层redis缓存作为主要部分。当服务中断时，这些组件可以通过恢复保存在TiDB群集中的数据来自我恢复服务。
• 底层：TiDB集群存储所有有状态数据。它的组件高度可用，如果节点崩溃，它可以自我恢复其服务。

知乎的Moneta应用程序中的TiDB架构

在该系统中，所有组件都是可自我恢复的，整个系统具有全局故障监视机制。然后，我们使用 Kubernetes来协调整个系统，以确保整个服务的高可用性。

TiDB的性能指标

由于我们在生产环境中应用了TiDB，因此我们的系统具有高可用性和易于扩展性，并且系统性能得到显着改善。

例如，在2019年6月为Moneta应用程序采用一组性能指标：

在高峰时间每秒写入40,000行数据。

每秒写入的数据行（数千）

在高峰时段每秒检查30,000个查询和1200万个帖子。

每秒写入的数据行（数千）

第99百分位响应时间约为25毫秒，第999百分位响应时间约为50毫秒。实际上，平均响应时间远远小于这些数字，即使对于需要稳定响应时间的长尾查询也是如此。

第99百分位响应时间

第999百分位响应时间

我们学到了什么？

我们迁移到TiDB并非顺利。在这里，我们想分享一些经验教训。

更快地导入数据

我们使用TiDB数据迁移（DM）来收集MySQL增量binlog文件，然后使用 TiDB Lightning将数据快速导入TiDB集群。

令我们惊讶的是，将这1.1万亿条记录导入TiDB只用了四天时间。如果我们逻辑地将数据写入系统，可能需要一个月或更长时间。如果我们有更多的硬件资源，我们可以更快地导入数据。

减少查询延迟

完成迁移后，我们测试了少量的读取流量。当Moneta应用程序首次上线时，我们发现查询延迟不符合我们的要求。为解决延迟问题，我们与PingCap工程师合作调整系统性能。

在此过程中，我们积累了宝贵的数据和数据处理知识：

• 有些查询对查询延迟很敏感，有些则不然。我们部署了一个单独的TiDB数据库来处理对延迟敏感的查询。（其他非延迟敏感的查询在不同的TiDB数据库中处理。）这样，大型查询和对延迟敏感的查询在不同的数据库中处理，前者的执行不会影响后者。
• 对于没有理想执行计划的查询，我们编写了SQL提示来帮助执行引擎选择最佳执行计划。
• 我们使用低精度时间戳Oracle（ TSO）和预处理语句来减少网络往返。

评估资源

在我们尝试TiDB之前，我们没有分析我们需要多少硬件资源来支持MySQL端的相同数据量。为了降低维护成本，我们在单主机 - 单从机拓扑中部署了MySQL。相反，在TiDB中实现的 Raft协议至少需要三个副本。因此，我们需要更多的硬件资源来支持TiDB中的业务数据，我们需要提前准备机器资源。

一旦我们的数据中心设置正确，我们就可以快速完成对TiDB的评估。

我们对TiDB 3.0的期望

在Zhihu，反垃圾邮件和Moneta应用程序的架构相同。我们在用于生产数据的反垃圾邮件应用程序中尝试了TiDB 3.0（ TiDB 3.0.0-rc.1和 TiDB 3.0.0-rc.2）的候选版本中的 Titan和 Table Partition。

Titan缩短了延迟

反垃圾邮件应用程序一直受到严重的查询和写入延迟折磨。

我们听说TiDB 3.0将引入Titan，一种键值存储引擎，用于 在使用大值时减少 RocksDB（TiKV中的底层存储引擎）的写入放大。

为了尝试这个功能，我们在TiDB 3.0.0-rc.2发布后启用了Titan。下图分别显示了与RocksDB和Titan相比的写入和查询延迟：

在RocksDB和Titan中编写和查询延迟

统计数据显示，在我们启用Titan后，写入和查询延迟都急剧下降。这真是太惊人了！当我们看到统计数据时，我们无法相信自己的眼睛。

表分区改进了查询性能

我们还在反垃圾邮件应用程序中使用了TiDB 3.0的表分区功能。使用此功能，我们可以按时将表分成多个分区。当查询到来时，它将在覆盖目标时间范围的分区上执行。这大大提高了我们的查询性能。

让我们考虑一下如果我们将来在Moneta和反垃圾邮件应用程序中实施TiDB 3.0会发生什么。

Moneta应用程序中的TiDB 3.0

TiDB 3.0具有诸如gRPC中的批处理消息，多线程Raftstore，SQL计划管理和TiFlash等功能。我们相信这些将为Moneta应用增添光彩。

gRPC和多线程Raftstore中的批处理消息

Moneta的写入吞吐量超过每秒4万次交易（TPS）.TiDB 3.0可以批量发送和接收Raft消息，并且可以在多个线程中处理Region Raft逻辑。我们相信这些功能将显着提高我们系统的并发能力。

SQL计划管理

如上所述，我们编写了大量SQL提示，以使查询优化器选择最佳执行计划。TiDB 3.0添加了一个SQL计划管理功能，可以直接在TiDB服务器中将查询绑定到特定的执行计划。使用此功能，我们不需要修改查询文本以注入提示。

TiFlash

在TiDB DevCon 2019上，我第一次听说TiFlash是TiDB的扩展分析引擎。它使用面向列的存储技术来实现高数据压缩率，并在数据复制中应用扩展的Raft一致性算法以确保数据安全性。

由于我们拥有高写入吞吐量的海量数据，因此我们无法每天使用ETL将数据复制到 Hadoop进行分析。但是对于TiFlash，我们乐观地认为我们可以轻松分析我们庞大的数据量。

反垃圾邮件应用程序中的TiDB 3.0

与Moneta应用程序的巨大历史数据大小相比，反垃圾邮件应用程序具有更高的写入吞吐量。但是，它仅查询过去48小时内存储的数据。在此应用程序中，数据每天增加80亿条记录和1.5 TB。

由于TiDB 3.0可以批量发送和接收Raft消息，并且它可以在多个线程中处理Region Raft逻辑，因此我们可以用更少的节点管理应用程序。以前，我们使用了七个物理节点，但现在我们只需要五个。即使我们使用商用硬件，这些功能也可提升性能。

下一步是什么

TiDB是一个与MySQL兼容的数据库，因此我们可以像使用MySQL一样使用它。由于TiDB的横向可扩展性，现在我们可以自由扩展我们的数据库，即使我们有超过一万亿的记录来应对。

到目前为止，我们已经在我们的应用程序中使用了相当多的开源软件。我们还学到了很多关于使用TiDB处理系统问题的知识。我们决定参与开发开源工具，并参与社区的长期发展。基于我们与PingCAP的共同努力，TiDB将变得更加强大和强大。