沃趣科技 熊中哲
随着交流机会的增多(集中在金融行业,规模都在各自领域数一数二),发现大家对 Docker + Kubernetes 的接受程度超乎想象,并极有兴趣将这套架构应用到 RDS 领域.数据库服务的需求可以简化为:
实现数据零丢失的前提下,提供可接受的服务能力
因此存储架构的选型至关重要.到底是选择计算存储分离还是本地存储?
本文就这个问题,从以下几点展开:
● 回顾:计算存储分离,本地存储优缺点
● MySQL 基于本地存储实现数据零丢失
● 性能对比
● 基于Docker + Kubernetes 的实现
分享个人理解.
回顾:计算存储分离,本地存储优缺点
还是从计算存储分离说起,
计算存储分离
先说优点:
● 架构清晰
● 计算资源/存储资源独立扩展
● 提升实例密度,优化硬件利用率
● 简化实例切换流程:将有状态的数据下沉到存储层,Scheduler调度时,无需感知计算节点的存储介质,只需调度到满足计算资源要求的 Node, 数据库实例启动时,只需在分布式文件系统挂载mappingvolume 即可.可以显著的提高数据库实例的部署密度和计算资源利用率.
以MySQL为例
● 通用性更好,同时适用于 Oracle , MySQL
详见:
从部分用户的上下文来看,存在如下客观缺点:
● 引入分布式存储,架构复杂度加大.一旦涉及到分布式存储的问题,DBA 无法闭环解决.
● 分布式存储选型,
○ 选择商用,有Storage Verdor Lock In 风险
○ 选择开源,大多数用户(包括沃趣)都测试过 GlusterFS 和 Ceph ,针对数据库(Sensitive Lantency)场景,性能完全无法接受.
本地存储
如果在意计算存储分离架构中提到的缺点,本地存储可以有效的打消类似顾虑,
无需引入分布式存储,避免Storage Verdor Lock In 风险,所有问题都由DBA闭环解决,.
但是,需要依赖数据库自有方案实现数据零丢失
以MySQL为例
还会引入类似问题,
● 物理容量受限于单机容量;
● 调度更复杂,选定数据库实例的存储类型(比如 SSD )后,一旦该实例发生”failover”, 只能调度到拥有 SSD 的物理节点,这导致调度器需要对物理节点”Physical Topology Aware”;
● 密度难提升,这是”Physical Topology Aware”的副作用;
● 因数据库的不同方案差异性较大,通用性无法保证.
接下来,进入正题,看一下 MySQL 基于本地存储如何实现数据库零丢失.
MySQL 基于本地存储数据零丢失
最常用的是基于 Replication模型将数据复制到 MySQL Cluster 中所有成员.
MySQL
Master-Slave Replication(类似Oracle DataGuard) 提供了基于 binlog的数据库层的复制模型,在高并发压力下节点间同步数据速率最快,单位时间内的交易量受其他节点的影响极小,该架构可通过 vip 漂移的方式实现“failover”
MySQL Master-Slave Replication
但严格意义上来说,这是基于 binlog 的AsynchronousReplication模型,因此集群中所有成员存在数据不一致的可能,在”failover”时无法保证数据零丢失.
可见如果基于 Replication模型,SynchronousReplication是实现数据零丢失的前提.
传统的 SynchronousReplication一般会采用两阶段提交或分布式锁, 这会带来如下几个问题:
● 单位时间内事务能力(TPS)会跟集群成员数量成反比
● 增加集群成员会显著且无法预期的增加事务响应时间
● 增加了集群成员数据复制的冲突和死锁的可能性
针对以上问题 Galera Cluster提出 Certification-based
Replication 来解决传统 SynchronousReplication中遇到的问题,实现如下:
Deferred Update Replication 延迟更新复制
这个流程图中,有几个细节需要分享,
● 将基于 binlog改为基于write-set. write-set中包含修改的数据, Global Transaction ID (后面简称GTID)和Primary Key.
○ GTID类似45eec521-2f34-11e0-0800-2a36050b826b:94530586304
○ 94530586304为64-bit有符号整型,用来表示事务在序列中的位置
● 将传统的 SynchronousReplication改为 Deferred Update
Replication,并将整个过程大致分解成四个阶段,本地阶段,发送阶段,验证阶段和应用阶段,其中 :
○ 本地阶段:乐观执行,在事务 Commit 前,假设该 Transcation 在集群中复制时不会产生冲突
○ 发送阶段:优化同步时间窗口,除去全局排序并获取 GTID为同步操作,冲突验证和事务应用都为异步,极大的优化了复制效率.
○ 验证阶段:只有收到该事务的所有前置事务后(不能有“hole”), 该事务和所有未执行的前置事务才能并发验证,不然不能保证 Global Ordering, 因此这里需要牺牲效率,引入一定的串行化.
需要等待事务3
于是就有了 Galera Cluster 在 MySQL分支中的实现 MariaDB Galera
Cluster(简称 MGC) 和 Percona Xtradb Cluster(简称 PXC)
为避免”split-brain”问题,需要至少三节点组成集群,对计算资源和存储资源的容量要求至少增加2倍,会进一步降低资源的部署密度
越来越多的用户也期望通过该方案实现 跨IDC多活, 那么需要在规划阶段想清楚:
IDC和
数据库节点的拓扑架构,以保证在1个IDC出问题的情况,集群可以持续提供服务
首先IDC (物理或逻辑)最少需要3个,再看看数据库节点数量分别为3,
4, 5, 6, 7的拓扑关系:
● 3 数据库节点:
● 4 数据库节点:设置权重避免”split-brain”(? + ? ) + ? + ?
● 5 数据库节点
● 6 数据库节点
● 7 数据库节点:可支持两种拓扑关系
同时,还有 MySQL Group Replication[1](简称 MGR), 类似 Galera Cluster:
● 基于Corosync实现(Totem协议),插件式安装,MySQL官方原生插件.
● 集群架构,支持多写(建议单写)
● 允许少数节点故障,同步延迟较小,保证强一致,数据零丢失
● 单位时间的交易量受flow control影响.
这里还需要提一下 Vitess[2]
● 该项目由 youtube 开源,从文档看功能极为强大,高度产品化.
● 作为第二个存储类项目(第一个是 Rook,有意思是存储类而不是数据库类)加入 CNCF, 目前还处于孵化阶段(incubation-level).
● 笔者没有使用经验,也不知道国内有哪些用户,不做评论.
关于 MGR和Vitess网上已有大量介绍,这里不再赘述.
性能对比
在数据零丢失的前提下, 看看这几种架构在性能上的对比:
● MGR 5.7.17 / PXC
5.7.14-26.17
● MGR 5.7.17 / PXC
5.7.17-29.20 / MariaDB 10.2.5 RC
● 本地存储/计算存储分离
性能对比1 :MGR5.7.17 / PXC 5.7.14-26.17
测试背景描述:
● MGR 5.7.17 对比 PXC
5.7.14-26.17(基于 Galera 3实现)
●
负载模型:OLTP Read/Write (RW)
● durability : sync_binlog=1,
innodb_flush_log_at_trx_commit=1
● non-durability : sync_binlog=0,
innodb_flush_log_at_trx_commit=2
测试数据:
来自于 MySQL 官方[3]
测试结果:
在设置 durability 的情况下,MGR 最大吞吐约是PXC 5.7.14-26.17 (基于 Galera 3实现)的3倍,优势明显.
以上数据来自于MySQL 官方,公平起见,再来看看 Percona 在相同负载模型下的测试数据.
性能对比2 :MGR5.7.17 / PXC 5.7.17-29.20 / MariaDB 10.2.5 RC
测试背景描述:
● 增加了 MariaDB 参与对比
● PXC升级到 5.7.17-29.20, 该版本改进了MySQL write-set 复制层性能[4].
●
负载模型:依然使用 OLTP
Read/Write (RW)
● durability : sync_binlog=1
● non-durability : sync_binlog=0
测试数据:
设置 durability ,数据来自于Percona[5]
设置 non-durability ,数据来自于Percona[6]
测试结果:
在负载模型相同的情况下(durability和non-durability) PXC 5.7.17-29.20 性能与MGR 5.7.17不分伯仲[7]. 如果使用 PXC, 推荐使用 5.7.17-29.20 或以上版本.
性能对比3 :本地存储/计算存储分离
为了对比本地存储和计算存储分离,专门使用 MGR +本地存储架构 和 基于分布式存储的计算存储分离架构做性能对比.
测试结果:
在负载模型相同的情况下,前者比后者 OLTP 下降32.12%,Select下降5.44%,Update下降24.18%,Insert下降58.18%,Delete下降11.44%;
详细内容可留意@波多野 同学 和@韩杰 同学的测试报告,这里不再赘述.
基于Docker + Kubernetes 的实现
Docker + Kubernetes + MGR / Galera Cluster
在 github 上,可以看到基于 Docker +
Kuberetes+ PXC 的 demo[8]. 需要说明的是,这仅仅是个玩具,离部署到生产环境还有极大差距.
我们已有计划实现满足生产环境的
● Docker + Kubernetes + PXC
● Docker + Kubernetes + MGC
● Docker + Kubernetes + MGR
并集成到 QFusion来支持计算存储分离架构和本地存储架构混合部署,架构示意图如下:
目前原型验证阶段已通过,预计2018年Q2发布.
Docker + Kubernetes + Vitess
在 github 上,同样可以看到基于 Docker + Kubernetes 的demo[9]. 有兴趣的同学可以玩一下.
性能只是选型需要考量的一部分,要使用到生产环境或者产品化,实际要考量的因素更多:
● 运维:部署,备份
● 弹性:计算存储扩容,集群扩容
● 高可用:比如“failover”的细微差别对业务的影响
● 容错:比如网络对集群的影响,尤其是在网络抖动或有明显延时的情况下
● 社区活跃度
● …...
以现有软硬件的开放程度,各种架构或者产品狭义上的”黑科技”并不多,常常看到的
xxx比xxx快xxx倍
严格来说应该是
xxx比xxx在特定场景xxx下快xxx倍.
并不存在”一枪毙命”的”Silver Bullet”, 只是Docker + Kubernetes为混合部署带来可能.哪种更受青睐,拭目以待,用户会是最好的老师.
中提到”No Silver Bullet.”,原意是用来论述软件工程领域的生产力问题
由于软件的复杂性本质,使得真正的银弹并不存在,没有任何一项技术或方法可使软件工程的生产力在十年内提高十倍.
[1] https://dev.mysql.com/doc/refman/5.7/en/group-replication-background.html
[2] http://vitess.io/
[3] http://mysqlhighavailability.com/performance-evaluation-mysql-5-7-group-replication/?spm=5176.100239.blogcont66550.17.T4N8cZ
[4] https://www.percona.com/blog/2017/04/19/performance-improvements-percona-xtradb-cluster-5-7-17/
[5] https://www.percona.com/blog/2017/04/19/performance-improvements-percona-xtradb-cluster-5-7-17/
[6] https://www.percona.com/blog/2017/04/19/performance-improvements-percona-xtradb-cluster-5-7-17/
[7] 因为没有看到MariaDB的官方数据,公平起见,不做评论.
[8] https://github.com/kubernetes/kubernetes/tree/master/examples/storage/mysql-galera
[9] https://github.com/kubernetes/kubernetes/tree/master/examples/storage/vitess