甚么是散布式数据库？聊聊它的前世今生

简繁

在互联网技术开展的明天，置信大家都对散布式数据库表现出了浓重的兴致，而且不谋而合地问了我这样一个问题：啥是散布式数据库？更有“喜好学习”的敌人但愿借此展示出“勤学好问”的道德，进而增补道：“这是哪一个大厂出的产品？”
好吧，我的敌人，你们真的戳中了我的笑点。但笑一笑后，我不由堕入了思考：为何散布式数据库在公众，乃至专业畛域内认知如斯之低呢？
缘故我大略能够总结为两点：数据库产品特征与商业气氛。
首先，数据库产品的特征是笼统度高。用户个别仅仅从使用层面接触数据库，知道数据库能完成哪些功用，而不关怀或者很难关怀其外部原理。而一些类型的散布式数据库的卖点恰是这类笼统才能，从而使用户感觉运用这类散布式化的数据库与传统单机数据库没有显著的差异，乃至更为简略。
其次，数据库的商业气氛始终很浓重。数据库产品高度笼统且地位症结，这就自然成为资本追赶的领地。而商业化产品和办事的卖点就是其包孕撑持办事，并且许多商业数据库最赚钱的部份就是提供该办事。因此这些产品无意有意地对终端用户覆盖了数据库的技术细节，而用户有了这层商业保障，也很难有能源去被动理解外部原理。
这就形成即便你任务中接触了散布式数据库，也没无意识到它与过来的数据库有甚么不同。但“福报早退，但不会缺席”——当因为对其原理不足须要意识，致使技术问题频发时，用户才会真正意想到它们好像相似，但实质却截然不同。
而跟着散布式数据库逐渐浸透到各个畛域，用户不再能“傻瓜式”地按照特性选择数据库产品了。新架构催生出来的新特性，促使使用者需求深化参预其中，并需求他们当真评价数据库技术特征，乃至要从新设计本人的产品来与之更好地结合。
我是“历史抉择论”的忠实蜂拥者，我会沿着散布式数据库的开展脉络来引见它。置信你在读完后，会对一开始的阿谁问题有本人的谜底。那末当初咱们从根本概念开始说起。
根本概念
散布式数据库，从名字上能够拆解为：散布式+数据库。用一句话总结为：由多个独立实体组成，而且彼此经过网络进行互联的数据库。
了解新概念最佳的形式就是经过曾经掌握的常识来学习，下表比较了大家相熟的散布式数据库与集中式数据库之间次要的 5 个差别点。


从表中，咱们能够总结出散布式数据库的中心——数据分片、数据同步。
1. 数据分片
该特性是散布式数据库的技术翻新。它能够冲破核心化数据库单机的容量限度，从而将数据扩散到多节点，以更灵敏、高效的形式来处置数据。这是散布式实践带给数据库的一份礼物。
分片形式包罗两种。
程度分片：按行进行数据联系，数据被切割为一个个数据组，扩散到不同节点上。垂直分片：按列进行数据切割，一个数据表的模式（Schema）被切割为多个小的模式。2. 数据同步它是散布式数据库的底线。因为数据库实践传统上是建设在单机数据库根底上，而引入散布式实践后，统一性准则被打破。因此需求引入数据库同步技术来帮忙数据库恢复统一性。
简而言之，就是使散布式数据库用起来像“正常的数据库”。所以数据同步面前的推进力，就是人们对数据“统一性”的寻求。这两个概念相反相成，相互作用。
固然散布式数据库还有其余特征，但驾驭住以上两点，曾经足够咱们了解它了。上面我将从这两个特性登程，探求技术史上散布式数据库的开展脉络。我会以互联网、云计算等较新的时间节点来进行断代划分，毕竟咱们的中心仍是着眼当初、面向将来。
商业数据库
互联网浪潮以前的数据库，特别是前大数据时期。谈到散布式数据库绕不开的就是 Oracle RAC。


Oracle RAC 是典型的大型商业解决计划，且为软硬件一体化解决计划。我在早年入职国际顶级电信行业解决计划公司的时分，就被其弱小的机能所震撼，又为它昂扬的价钱所深深折服。它是阿谁时期数据库机能的标杆和极限，是完善计划与商业成绩的体现。
咱们试着用下面谈到的两个特性来简略剖析一下 RAC：它的确是做到了数据分片与同步。每一个层都是离散化的，特别在底层存储使用了 ASM 镜像存储技术，使其看起来像一块残缺的大磁盘。
这样做的益处是完成了极致的使用体验，即便用单例数据库与 RAC 集群数据库，在使用上没有显著的区分。它的散布式存储层提供了残缺的磁盘功用，使其对运用通明，从而达到扩展性与其余机能之间的均衡。乃至在应答特定范围的数据下，其经济性又有不错的表示。
这类散布式数据库设计被称为“同享存储架构”（share disk architecture）。它既是 RAC 弱小的症结，又是其“阿喀琉斯之踵”，DBA 坊间流传的 8 节点的最大集群限度能够被以为是 RAC 的极限范围。
该范围在过后的环境下是彻底够用的，然而跟着互联网的突起，一场大张旗鼓的“静止”将会打破 Oracle RAC 的不败金身。
大数据
咱们知道 Oracle、DB2 等商业数据库均为 OLTP 与 OLAP 融会数据库。而首先在散布式路途上追求冲破的是 OLAP 畛域。在 2000 年伊始，以 Hadoop 为代表的大数据库技术凭借其“无同享”（share nothing）的技术体系，开始向以 Oracle 为代表的瓜葛型数据库发动冲击。


这是一次程度扩展与垂直扩展，通用经济装备与公用低廉办事，开源与商业这几组概念的初次大范围碰撞。拉开了真正意义上散布式数据库的帷幕。
固然从个别的观念登程，Hadoop 一类的大数据处置平台不该称为数据库。然而从后面咱们归结的两点特性看，它们又的确十分知足。因此咱们能够将它们归结为初期面向商业剖析场景的散布式数据库。从此 OLAP 型数据库开始了本人独立演变的路途。
除了 Hadoop，另外一种被称为 MPP（大范围并行处置）类型的数据库在此段时间也阅历了高速的开展。MPP 数据库的架构图如下：


咱们能够看到这类数据库与大数据罕用的 Hadoop 在架构层面上十分相似，但理念不同。简而言之，它是对 SMP（对称多处置器构造）、NUMA（非统一性存储拜候构造）这种硬件体系的翻新，采取 shared-nothing 架构，经过网络将多个 SMP 节点互联，使它们协同任务。
MPP 数据库的特征是首先反对 PB 级的数据处置，同时反对对比丰硕的 SQL 剖析查问语句。同时，该畛域是商业产品的战场，其中不单单包孕独立厂商，如 Teradata，还包孕一些巨头玩家，如 HP 的 Vertica、EMC 的 Greenplum 等。
大数据技术的开展使 OLAP 剖析型数据库，从原来的瓜葛型数据库之中独立出来，造成了残缺的开展分支门路。而跟着互联网浪潮的开展，OLTP 畛域迎来了开展的机遇。
互联网化
国际数据库畛域进入互联网时期第一个严重事情就是“去 IOE”。


其中尤以“去 Oracle 数据库”发生的影响深远。十年前，阿里巴巴喊出的这个标语深深影响了国际数据库畛域，这里咱们不去讨论其中细节，也不去评估它侧面或负面的影响。但从关于散布式数据库的影响来讲，它最少带来两种观点的转变。
运用成为中心：去 O 后，开源数据库需求配合数据库两头件（proxy）去使用，但这类组合无奈完成传统商业库提供的一些症结功用，如丰硕的 SQL 反对和 ACID 级别的事务。因此运用软件需求进行精心设计，从而保障与新数据库平台的配合。运用架构设计变得十分症结，全部技术架构开始脱离那种拥有调侃象征的“面向数据库” 编程，转而变成以运用零碎为中心。弱统一性理念遍及：虽然强统一性依然需要旺盛，但人们缓缓承受了特定场景下能够尝试弱统一性来解决零碎的吞吐量问题。而这带来了此外一个好处，一线研发与设计人员开始当真斟酌业务需求甚么样的统一性，而不是简略依托数据库提供的特性。以上两个观点都是在破除了关于 Oracle 的科学后发生的，它们自身是侧面的，然而假如没有这场静止，其想要在普通用户之中遍及的确有很大难题。而这两种观点也为往后散布式数据库，特别是国产散布式数据的开展带来了踊跃的影响。
而与此同期，寰球规模内又演出着 NoSQL 化浪潮，它与国际去 IOE 静止一同推进着数据库朝着横向散布的标的目的一路疾走。对于 NoSQL 的内容，将会在下一讲具体引见。
与上一部份中提到的大数据技术相似，跟着互联网的开展，去 IOE 静止将 OLTP 型数据库从原来的瓜葛型数据库之中别离出来，但这里需求留意的是，这类别离并非从根底上构建一个残缺的数据库，而是融会了旧有的开源型数据库，同时结合先进的散布式技术，独特结构了一种融会性的“准”数据库。它是面向详细的运用场景的，所以阉割掉了传统的 OLTP 数据库的一些特性，乃至是一些症结的特性，如子查问与 ACID 事务等。
而 NoSQL 数据库的重点是反对非构造化数据，如互联网索引，GIS 地舆数据和时空数据等。这类数据在传统上会使用瓜葛型数据库存储，但需求将此种数据强行转换为瓜葛型构造，不只设计繁缛，并且使用效力也对比低下。故NoSQL 数据库被以为是对全部数据库畛域的增补，从而人们意想到数据库不该该仅仅反对一种数据模式。
跟着散布式数据库的开展，一种从根底上全新设计的散布式 OLTP 数据库变得愈来愈首要，而云计算更是为这类数据库注入新的灵魂，二者的结合将会给散布式数据库带来美好的化学反映。
云原生是将来
从上文能够看到人们真正拥有普遍认知的散布式数据库，即 OLTP 型买卖式散布式数据库，仍然是散布式数据库畛域一个缺失的片断，且是一个首要的片断。一个真实的 OLTP 数据库应该具备甚么特征呢？
实际上人们需求的是它既拥有一个单机的瓜葛型数据库的特性，又有散布式的分片与同步特性。 DistributedSQL 和 NewSQL 恰是为了这个目的而生的 。它们最少拥有如下两点有目共睹的特性：
SQL 的残缺反对牢靠的散布式事务。典型的代表有 Spanner、NuoDB、TiDB 和 Oceanbase 等。而且本课程会重点环抱 DistributedSQL 的症结特性展开钻研，这些特性是古代散布式数据库的基石。这里我就不占用过量篇幅引见了，在 02 | SQL vs NoSQL：一次搞分明八门五花的各种“SQL”中咱们再一同具体学习。
与此同时，跟着云计算的纵向深化开展，散布式数据库又迎来新的反动浪潮——云原生数据库。
首先，因为云办事天生的“超卖”特性，形成其推销本钱较低，从而使终端用户尝试散布式数据库的门坎大大升高。
其次，来自云办事厂商的撑持人员能够与用户能够进行深度的协作，造成了高效的反馈机制。这类反馈机制促使云原生的散布式数据库无机会进行疾速的迭代，从而能够踊跃响应客户的需要。
这就是云原生带给散布式数据库的变动，它是经过生态零碎的优化实现了对传统商业数据库的超出。下列来自 DB-Engines 的剖析数听说明了将来的数据库市场属于散布式数据库，属于云原生数据库。


跟着散布式数据库的开展，咱们又迎来了新的一次融会：那就是 OLTP 与 OLAP 将再一次合并为 HTAP（融会买卖剖析处置）数据库。
该趋向的发生次要来源于云原生 OLTP 型散布式数据库的日益成熟。同时因为全部行业的开展，客户与厂商关于实时候析型数据库的需要愈来愈旺盛，但传统上大数据技术包罗开源与 MPP 类数据库，强调的是离线剖析。
假如要进行秒级的数据处置，那末必需将买卖数据与剖析数据尽量地贴近，并增加非实时 ELT 的引入，这就促使了 OLTP 与 OLAP 融会为 HTAP。下图就是阿里云 PolarDB 的 HTAP 架构。


总结
用《三国演义》的第一句话来讲：“天下大势，分久必合，合久必分。”而咱们视察到的散布式数据库，甚至数据库自身的开展正暗合了这句话。
散布式数据库开展就是一个由合到分，再到合的进程：
初期的瓜葛型商业数据库的散布式才能能够知足大部份用户的场景，因此发生了如 Oracle 等几种巨无霸数据库产品；OLAP 畛域首先追求冲破，演变出了大数据技术与 MPP 类型数据库，提供功用更强的数据剖析才能；去 IOE 引入数据库两头件，并结合运用平台与开源单机数据库造成新一代解决计划，让商业瓜葛型数据库走下神坛，NoSQL 数据库更进一步打破了瓜葛型数据库惟我独尊的江湖位置；新一代散布式 OLTP 数据库正式实现了散布式畛域对数据库中心特性的残缺反对，它代表了散布式数据库从此走向了成熟，也标明了 OLAP 与 OLTP 散布式场景下，分别在各自畛域内取患了成功；HTAP 和多模式数据处置的引入，再一次将 OLAP 与 OLTP 融会，从而将散布式数据库推向如传统商业瓜葛型数据库数十年前那般的盛况，而其发生的影响要比后者更加深远。咱们回顾历史，目的是更好地掌握将来。而散布式数据库的历史同时体现了实用主义的特色，其演变是需要与技术博弈的后果，而不是精心设计出来的。