极客大学架构师训练营 系统架构 分布式数据库 Zookeeper 第12课 听课总结

说明

讲师：李智慧

架构师要有设计、并开发出分布式数据库。仅仅是会用的话，竞争力是不够的。像阿里巴巴、腾讯、京东都有自己的分布式数据库开发团队，要想进入这个团队当架构师，就要有这种视野。

在公司里面，你要是听别人的，那么基本上都是把重复的、没有技术含量的活分配给你。人生的机会，都是自己去争取的。

作为架构师，要传递一个信息，打动公司，让公司支持你不赚钱的项目。你要有技术影响力，争取说服领导支持去你做这个事情，并且能够说服团队跟你一起干。

分布式一致性 ZooKeeper

分布式系统脑裂

在一个分布式系统中，不同服务器获得了互相冲突的数据信息或者执行指令，导致整个集群陷入混乱，数据损坏，统一称作分布式系统脑裂。

数据库主主备份

分布式一致性算法 Paxos

三个角色

• Proposer
• Acceptor
• Learner

1. 第一阶段：Prepare阶段。Proposer向Acceptors发出Prepare请求，Acceptors针对收到的Prepare请求进行Promise承诺。
2. 第二阶段：Accept阶段。Proposer收到多数Acceptors承诺的Promise后，向Acceptors发出Propose请求，Acceptors针对收到的Propose请求进行Accept处理。
3. 第三阶段：Learn阶段。Proposer在收到多数Acceptors的Accept之后，标志着本次Accept成功，决议形成，将形成的决议发送给所有Learners。
   
   Proposer生成全局唯一且递增的Proposal ID（可使用时间戳Server ID），向所有Acceptors发送Prepare请求，这里无需携带提案内容，只携带Proposal ID即可。

Acceptors收到Prepare和Propose请求后
4. 不再接受Proposal ID小于等于当前请求的Prepare请求。
5. 不再接受Proposal ID小于等于当前请求的Propose请求。

ZooKeeper 架构

ZooKeeper 树状记录结构

ZooKeeper API

String create(path, data, acl, flags);
void delete(path, expectedVersion);
Stat setData(path, data, extectedVersion);
(data, Stat) getData(path, watch);
Stat exists(path, watch);
String[] getChildren(path, watch)
void sync(path)
List multi(ops)

配置管理

• Administrator：setData("/config/param1", "value", -1)
• Consumer：getData("/config/param1", true)
  

选 Master （Leader）

1. getdata("/servers/leader", true)
2. if successful follow the leader described in the data and exit
3. create("/servers/leader", hostname, EPHEMERAL)
4. if successful lead and exit
5. goto step 1

选 Master/ Leader (Python)

handle = zookeeper.init("localhost:2181", my_connection_watcher, 10000, 0)
(data, stat) = zookeeper.get(handle, "/app/leader", True);
if (stat == None)
	path = zookeeper.create(handle, "/app/leader", hostname:info, [ZOO_OPEN_ACL_UNSAFE], zookeeper.EPHEMERAL)
	if (path == None)
		(data, stat) = zookeeper.get(handle, "/app/leader", True)
		# someone else is the leader
		# parse the string path that contains the leader address
	else
		# we are the leader continue leading
else
	# someone else is the leader
	# parse the string path that contains the leader address

集群管理（负载均衡与失效转移）

Monitoring process:

1. Watch on/nodes
2. On watch trigger do getChildren(/nodes, true)
3. Track which nodes have gone away

Each Node:

1. Create /nodes/node-${i} as ephemeral nodes
2. Keep updating /nodes/node-${i} periodically for node status changes (status updates could be load/iostat/cpu/others)
   

ZooKeeper 性能

• 读的能力要远远高于写的能力。这是因为写的时候要最终选举一个结果，读的时候，随便读一个服务器就好。
• 服务器越多，写的时候投票数就越大，写速度就越慢。
• 服务器都是基数台服务器部署，投票容易产生最大数。

Zab 协议

商用都是简化版的ZooKeeper协议 - Zab协议。更简单，性能更高。


当Leader宕机以后，会有一段时间没有响应，Follower中会重新选举一位Leader，投票给服务器id最大的服务器。

Doris - 海量 KV Engine

当前现状

网站关键业务有许多海量KV数据存储和访问需求。

1. **站 UDAS 使用。

• 存在问题：扩容困难、写性能较低、实时性低等

2. 网站有多套KV方案，接口不统一，运维成本高。

• **站 USAS - BDB
• **站：TT

3. 飞天 KV Engine （Aspara）问题。

• 使用复杂
• 性能较低

产品需求

产品定位：海量分布式透明化KV存储引擎。
解决问题：

• 替换 UDAS：解决扩容迁移复杂，维护困难的问题。
• **站海量 KV 数据存储
  ☞ Global SEO， 1亿 Product，2.4T 数据量
  ☞ 2011年底：3.1 T
• **站
  ☞ WholeSale Global SEO
  ☞ Product 数：1600w，2.8T
  ☞ 2011年底：3400w，5.8T
• **站
  ☞ 风控用户行为日志：每月2亿，40G，增长很快。

案例：有个微信用户30w在钱包里冻结了，就打电话给微信客服，微信客服回答：“你的钱是你的钱，但微信是微信的。不用慌，我们会帮你解决的。” 在分布式系统里面，数据最终是会一致的。

产品目标

1. 产品目标：
   • KV 存储 Engine
   • 逻辑管理：Namespace
   • 二级索引
2. 非功能目标
   • 海量存储：透明集群管理，存储可替换
   • 伸缩性：线性伸缩，平滑扩容
   • 高可用：自动容错和故障转移
   • 高性能：低响应时间，高并发
   • 扩展性：灵活扩展新功能
   • 低运维成本
     ☞ 易管理
     ☞ 可监控
3. 约束
   • 一致性：最终一致性

技术指标

目标	指标	说明
集群规模	4 - 100 + Machine	-
容量	100T+（取决于硬件规模）	B2B 所有KV存储场景
可用性	99.99 + 7%	-
持久性	10个9	-
伸缩性、平滑扩容	不停机扩容完成时间 约= 单 Node 迁移时间 （10台扩1台场景）总数据=2.4T 单Node迁移量=240G/10 = 24G 迁移时间=24G/33M = 12分钟	10 + 1 场景
高性能	Read： < 8ms (Aspara:10ms); Write: < 10 ms (Aspara: 10ms) (高于 Aspara， 国际站 SEO 需求，高并发场景)	-

逻辑架构

• 二层架构 - Client、DataServer + Store
• 四个核心组件 - Client、DataServer、Store、Administration
  

KV Storage 概念模型

• Machine：物理机
• Node: 分区单元，一台 Machine 可运行多个 Node。
• Namespace：数据的逻辑划分 Tag，Client 可识别。数据管理无需识别。
  

关键技术点 - 数据分区

• 解决海量数据存储
• 客户端计算分区
• 分区算法（Partition Policy）
• Client 向 Config Server 抓取分区配置
  

基于虚拟节点的分区算法

• 均衡性：数据分布均衡
• 波动性：X/(M+X), 优于一致性 Hash 的 X/M.
  
  作为架构师，当有人质疑你的时候，说明有人关注你，说明是好事。那么你就要用设计方案，用数据去证明你的架构更优。就像网红一样，不管是好消息、还是坏消息都是好事情，说明有人关注你。当你能得到马云的质疑，那么说明你的人生就走上巅峰了。

物理节点由2个扩充到3个，映射关系变化

每个虚拟节点对应两个对等物理节点。（最终公式的效果不好，换为别的公式解决。）

基本访问架构

1. 对等 Node 访问
2. 双写保证可用性（W=2, R=1）
3. 基于分区算法查找两个 Node

• Copy 1 Node
• Copy 2 Node

4. 数据恢复和数据同步

• Redo Log
• Update Log
  

集群管理 - 健康检查和配置抓取

1. 检查1：ConfigServer 对DataServer心跳检查
2. 检查2：Client 访问时 Fail 报告
3. 其它Client定时配置抓取
   

关键技术点 - 可用性关键场景

1. 瞬时失效
2. 临时失效
   • 服务器升级或者网络暂时不可用
   • 失效机器在短时内可恢复（例如：2小时内）
   • 恢复后数据和失效前一致
3. 永久失效
   • 机器下线

关键技术点 - 临时失效的 fail over

1. 物理节点2临时失效，并在可接受时间内恢复。
2. 物理节点X：备用节点，临时存放失效的物理节点2的数据，物理节点2恢复后迁移回物理节点2.
3. 物理节点2临时失效及恢复期间物理节点1承担所有read操作。
   

关键技术点 - 永久失效 failover

每份 Data 写两份保证高可用：Copy1，Copy2
一致性处理：version（timestamp）

• Conflict Check & Merge
  

关键技术点 - 扩容实施数据迁移：基本原理

1. 集群扩容，新增 Node X.
2. 旧路由算法：Route1(key1)={pn1, pn2}
3. 新路由算法： Route1(key1)={pn1, pnx}
4. 新旧算法有一个Node相同，因此只需要迁移一个Node.

Pn2 数据迁移到pnx, client不再对pn2数据操作

• R操作只在pn1 上
• W/R 操作指向{pn1, pnx}

Client 对等节点中的一个pn1不变（路由算法保证）

关键技术点 - 扩容实施数据迁移：迁移过程

基本原理：基于遍历的路由对比迁移（描述见备注）

• 迁移时，计算两个 Route 算法，不相同则迁移。
• 采用改进的分区路由算法，减少迁移量：X(M+X)

数据可识别功能 - 逻辑数据结构

1. Namespace：一个业务实体数据的集合
2. Data Definition
   ☞ Namespace的MetaData数据结构定义，满足“数据定义可描述”的需求。
   

Doris 和平台产品关系

产品规划（功能和版本）

目标	功能/特性	一期（Q2）	二期	三期
功能	数据模型	Key-Value 模型， Namespace，数据结构可描述	二级索引	Column
-	数据访问和 KVClient	KV API Client调用框架数据通信	-	-
非功能性	分区和线性伸缩	分区路由算法	-	-
-	可用性	W2， Failover	-	-
-	透明集群管理	状态报告，配置抓取	集成Normandy配置推送	-
-	扩容	实时平滑扩容	-	-
-	存储方案	StoreDriver、BDB实现	MySql/TT	-
管理和运维	监控	集群管理、基本集群监控（接入Dragoon）	硬件监控（接入Dragoon）	-
-	备份与恢复	Store原生方案	-	-

Doris Q2 研发计划 - 功能需求

数据模型

• Key-Value 结构
• Namespace 支持

数据访问

• 基本KV API规范
• KV Client：抽象API，调用框架
• 高性能通信

Doris Q2 研发计划

非功能需求

• 分区和线性伸缩：改进的分区路由算法
• 可用性：对等Node，写2，Failover
• 透明集群管理和配置抓取
• 实时平滑扩容
• 存储可替换和 BDB 实现

管理和运维

• 集群管理
• 基本集群监控（接入 Dragoon）

实施计划 Q3 - Q4

** 站 **** （Product多语言）

• 业务范围：Product，产品摘要，产品描述，产品属性，Company
• 当前UDAS 支持情况
  ☞ 数据量：2.4T，Product数1亿，机器：10台
  ☞ 商业PV：800w，KV PV：1.08亿，14ms-100ms，TPS：250
• 2011年底：产品数和存储量 +30%，3.1T

站**

• Product数：1600w
• 存储量：2.8T
• 2011年底：Product 3400w，5.8T