内存计算：百分点内存数据库架构演变

文章讲的是 内存计算：百分点内存数据库架构演变， 2014年4月10日-12日，第五届中国数据库技术大会(DTCC 2014)在北京五洲皇冠国际酒店拉开序幕。在为期三天的会议中，大会将围绕大数据应用、数据架构、数据管理、传统数据库软件等技术领域展开深入探讨，并将邀请一批国内顶尖的技术专家来进行分享。本届大会将在保留数据库软件应用实践这一传统主题的基础上，向大数据、数据结构、数据治理与分析、商业智能等领域进行拓展，以满足于广大从业人士和行业用户的迫切需要。

　　

点击进入第五届中国数据库技术大会(DTCC 2014)报道专题

　　自2010年以来，国内领先的IT专业网站IT168联合旗下ITPUB、ChinaUnix两大技术社区，已经连续举办了四届中国数据库技术大会，每届大会与会规模超千人，大会云集了国内水平最高的数据架构师、数据库管理和运维工程师、数据库开发工程师、研发总监和IT经理等技术人群，是目前国内最受欢迎、人气最高的的数据库技术交流盛会。今年是中国数据库技术大会五周年，大会将继续秉承分享IT最佳应用实践的宗旨，围绕传统数据库和大数据两条技术主线，在目前IT技术和管理快速的大背景下，更加深入地探讨数据库技术的现状和未来的发展方向，以及我们在这个转型过程中的实践经验和教训。

　　今天是DTCC大会第二天，在专场3中，来自百分点的高级架构师武毅给我们带来了《百分点内存数据库架构演变》的精彩分享。

▲武毅：百分点高级架构师

　　如今数据不再昂贵，但从海量数据中获取价值变得昂贵，而要及时获取价值则更加昂贵，这正是大数据实时计算越来越流行的原因。在当今互联网时代，对海量数据的实时计算成为可能。

　　武毅谈到，现在内存计算的5大趋势：1、数据展现上，时间就是金钱。2、面临着处理海量的数据。3、磁盘IO成为并行计算的瓶颈。4、针对不同行业，应对各种业务需求，需要从不同的维度去处理，分析数据。5、对内存数据库的需求。

互联网公司数据金字塔

　　百分点推荐引擎中，需要在几百毫秒内，从海量的数据中获取针对当前用户的个性化的推荐结果。传统的RDB+memcache的方式显然已经无法满足，只有全内存计算才能如此高效。推荐引擎系统等应用极大的依赖内存数据库，对于内存数据库的数据可靠性，高可用性，数据一致性都有较高的要求。在不同的应用场景下对内存数据库的要求也会有较大差异。经历几次架构变迁之后，平台级内存数据库趋于稳定。

▲百分点推荐引擎BRE的框架原理

▲BRE实时计算：lambda架构示意

▲BRE基于内存数据库的实时计算

　　内存数据库是BRE的主存

　　1、数据实时更新：用户行为、用户偏好、商品资讯信息、推荐算法结果、集群监控数据…

　　2、海量数据：十几种类别、十亿量级条目数、TB量级存储量

　　3、高并发、高吞吐量：每秒十万量级读写次数、GB量级数据量

　　4、高可靠和高可用：数据固化、容灾、备份

▲百分点内存数据库演变，展现了应用技术的变化

 

　　BRE 0.x的内存数据库的局限：需要手工维护路由表、容易导致负载不均衡、人工成本高扩展性较差。

　　BDM的内存数据库：最终一致性

　　1、读写异步模型(lambda架构)

　　2、Master 挂掉，此时还未同步到Slave的数据(从消息队列中回放数据恢复;算法数据再生，持续输出;Slave升级为Master，原Master恢复后作为Slave)

　　3、Slave挂掉，恢复后数据重新同步

　　BRE 1.x的内存数据库的局限：

　　1、Memcached不能作为数据库：无法固化数据、无法枚举数据、无法很好的控制数据过期

　　2、读写分离导致系统复杂

　　3、简单的KV不能满足需求：大Value导致网卡瓶颈

　　数据序列化/反序列化消耗系统资源

　　4、扩容不易：虚结点的使用导致需要重新计算所有数据分布

 　　小结：

　　百分点内存数据库包括了实时计算框架和数据查询框架，的系统架构、处理流程和应用。 重点介绍了百分点推荐引擎BRE的框架原理，BRE基于内存数据库的实时计算，在百分点公司在实时计算算法中常用的方法和技巧，框架的演进。通过不断的提高实时计算的数据规模和处理效率，帮助业务快速发展。

作者:景保玉

来源：IT168

原文链接：内存计算：百分点内存数据库架构演变