【CSDN 编者按】比年来，国产数据库除了在各类排行榜上刷新纪录外，肴杂式HTAP数据库也逐渐迎来发展的春天。做出既能联机交易，又能作数据分析的肴杂式数据库，将是国产数据库由跟随潮流到引领时代迈出的重要一步。
作者 | 雷涛
出品 | 《新程序员》
直到21世纪初，我国数据库产业发展还比较缓慢，根本处在西方数据库博览会的状态，很少有拿得脱手的国产数据库产物。1989年，Oracle决定进军中国，恰好赶上中国电信建设“九七工程”的风口，在顺遂拿下东北三省邮电管理局的大单之后，Oracle在中国市场站稳了脚跟。厥后Sybase于1991年进入大陆，IBM随后也带着Db2、Informix等数据库产物大举入华。在这之后的十几年时间里，中国数据库市场格局逐渐成形，金融行业中以Db2、Sybase为主，电信、电力行业中则根本由Oracle一统江湖。
然而，风云起，时代变，一切局势都在潜移默化中开始扭转。以十年前的开心农场偷菜场景为例，随着C端客户爆炸式增长，中国IT人瞬间意识到，传统西方的IOE（IBM小型机、Orcale数据库、EMC存储）技能架构根本无法支持如此海量的并发，而由IOE带来的高昂IT支出也令人瞠目结舌。正是在这样的大背景下，核心技能的自主掌控成了业界共识，打造自己的数据库成了中国程序员们的梦想。
雷涛对HTAP数据库的深入解读
近十年来，我国在数据库范畴真正做到了厚积薄发。从单节点到分布式，从单一用途的TP、AP库到肴杂式HTAP，从独立的数据仓库、数据湖到湖仓一体，从SQL、NoSQL再到NewSQL……可以说，数据库的各方面都迎来了突破性进展。
下面，本文就HTAP数据库举行深入解读。
Google File System、Google BigTable、Google MapReduce——这三驾马车是现在大数据平台Hadoop技能的基石，不仅支撑了新一代分布式架构体系，而且实现了海量数据高效存储和快速计算。2012年，Google发表了一篇论文——Spanner: Google’s Globally-Distributed Database，将同时支持大数据量下做事务交易的数据库提取出来，既支持TP的操作，也可以在上面作一些分析类的操作。在Google提出Spanner架构的底子上，2014年，Gartner对HTAP举行了正式界说，这便是混布式数据库的产生缘起。
现在，数据库基天职为两大流派，一个是非关系型（NoSQL）数据库，一般使用KV技能，主要用于用户画像、业务报表等海量数据发掘的AP场景。另一个是关系型数据库（SQL），针对个别记录增、删、改、查的速度很快，一般用于联机交易的TP场景。简而言之，TP库处置处罚速度快，AP库处置处罚数据量级高。
之前，AP与TP的应用场景井水不犯河水，相互之间没有太多交集，然而随着数字化转型的不停深入，直播带货这样的新场景不停涌现，在直播过程中既需要处置处罚联机交易，又需要对客户举行及时画像，而传统单一TP大概AP数据库难以应对这样的肴杂式场景。近几年来，某些国产肴杂负载数据库以行列混存方式，打破了AP与TP两种场景之间的鸿沟。
数据的神奇观光
在梳理数据存储模子演进历史后，明显可以发现这是一个随着数据量级不停扩大，数据模子在不停变换的过程。
现在我们提到的数据库一般都是指关系型数据库，从关系型的视角来看，数据库被界说为工厂的车间，数据则是原质料。车间为了举行原质料加工，摆设大量的操作设备，原质料也会随时被重塑修改，从建模原理上可以看出TP数据库的数据加工车间适合快速零件加工，但不适合举行大量质料的储存。
而关系型TP数据库在大量数据存储方面的短板直接催生了Hadoop等大数据技能的革命。从大数据视角看，AP数据库自身就是储存仓库，而数据已经是加工完成的成品，没有被重塑、修改等的更新需求。比如在Hadoop技能栈中的HDFS存储实现，就是所有数据只能写入一次，无法修改，这其实是牺牲数据的写入和更新特性，以调换海量数据的储存与查询性能的做法。
而随着大数据应用的进一步拓展，业界发现价值密度更低的非结构化数据也有储存及发掘的必要。比如客服的对话方式可能是语音、文字乃至是图像、视频，这都不是传统意义上数据库、数据仓库可以处置处罚的结构化数据，因此用于储存非结构化的数据湖出现了，在数据湖中数据标准化、结构化的特性也退化了。从关系型数据库到数据湖，各种大数据技能栈相互独立，但随着移动互联网时代的到来，这种情况发生了改变。
联机性能和及时分析真的是“鱼与熊掌不可兼得”吗？
权威咨询公司IDC对于大数据的界说是：满足种类多（Variety）、流量大（Velocity）、容量大（Volume）、价值高（Value）等指标的数据称为大数据。从历史来看，在谷歌提出大数据三驾马车的论文时，当时的关系型数据库技能就难以处置处罚大规模的数据。而在当下各行各业不停上云的大背景下，数据的量级必然还将不停创新高。从我了解到的情况，整个IT行业存储的数据量级正在以年化80%左右的速度增长，传统SQL数据库难以处置处罚这样的数据量。
很多用户在现实工作中也会把大表关联的查询任务放在传统TP数据库上举行，这样的查询虽然效率很低，但考虑到从TP数据库导入AP数据仓库所需要的超长时间，直接在TP数据库上跑查询可以理解。其实，这个例子也深刻说明了现在大数据技能栈面临的逆境，各个TP与AP数据库像是一座座数据孤岛，打破孤岛之间的边界简直比登天还难。正如前文所说，SQL与NoSQL两种产物底层构建模子并不相同，彼此兼容性不佳。想包管联机交易处置处罚时效，就要牺牲数据分析的性能，而想要及时数据分析，快速完成用户画像就不能再依靠原有技能栈。
处置处罚时效与及时用户画像的平衡可能是数据库工程师与产物经理之间永远无法达成的协议。现在大多贸易银行都使用以Oracle为代表的TP数据库作为核心系统，但Oracle只能处置处罚流程性的交易数据，不能做数据发掘。要想把数据价值做二次表达，就需要每天做ETL，跑批作业，存到数据仓库中。然后在数据仓库中建模、发掘、数据集市、ODS，一层一层地构建起数据仓库报表。
如果照旧回答不出更细节、隐含的题目，比如非线性题目，还要把数据复制到SAS中做机器学习，再做统计的指标体系，去进一步发掘。数据要在这里搬动三次，复制三份冗余，还要管理数据同等性，每天数据中心运维的大量工作都在做数据迁移。而数据在这种低效的转运迁移过程中，很多价值就白白消耗了，且正如前文所说，TP与AP两套体系的组件兼容性很差，能让两大要系协同工作已属不易，如果再考虑灾备高可用方面的需求，则是难上加难。
行列混存—肴杂负载的正确打开方式
现在，各行业数据中心都迫切寻找一栈式解决方案，通过屏蔽大数据技能底层组件的差异，寻找“All Data In One”的解决方案，只有如此才能降本增效。
TP与AP的巨大差异，在于行存与列存在不同使用场景下的效能表现。在计算机世界中，数据吞吐速率往往受数据访问局部性原理支配。我们知道，现代硬盘、内存工作原理是当用户读某一地区的数据时，其邻接的数据也会被调入上一级高速缓存，读1KB数据和连续的64MB数据的代价根本相同，用户在读取连续的磁盘大概内存信息时，其速度往往比随机读取快一个数量级。因此，行存储大多用在SQL的TP场景，而列存储根本用在NoSQL的AP场景。
这背后的原因也很简单，照旧以银行业作为案例，在联机交易的TP场景下，比如当客户取款时，会校验用户、账号、密码、余额等信息，这些信息都是以“行”为单位存储的，联机交易中的数据经常是以“行”为单位访问的，把数据放在一行就会有访问速度的上风。但在统计、分析营业报表，举行数据发掘等AP场景下，往往只需要关注交易金额、账户余额等少量维度的信息，而不需要用户、账号、密码等数据，在这种场景下，将同一维度信息放在一起的列存储方案就有很大的速度上风了。
将行、列举行混存，综合两者的上风，这方面业界也有不少尝试，但往往都不是很成功，最大的题目照旧在于性能。对于联机TP交易场景来说，列式存储的写入性能太低了。所以一般来说，传统的方案往往照旧退化成为行式存储TP数据库，在交易量少的日终结算时刻，将数据吐给列式存储AP数据库举行数据发掘。
如图1所示，逻辑上，业务场景主要分为两类：联机交易OLTP和数据分析OLAP。HTAP数据库不仅支持使用SQL举行传统的关系模子计算，更是将图计算和AI建模纳入了逻辑筹划中，可举行高阶计算。在数据存储层，通过行列肴杂的方式，按需支持OLAP和OLTP场景，这样就做到了一种存储架构兼容所有场景。
图1 HTAP数据库架构图
这种逻辑筹划及存储融合，也称“All Data In One”，是对数据库底子底座的重新界说。在资源调度层，通过AI-Native的方式探查出需要使用的调度引擎，并在现实计算时，做好资源隔离。这种架构可以更有效地支撑数据计算，最终实现一个数据库融合所有场景的终极目标。相信未来的国产HTAP数据库，还将继续朝着“All Data In One”的道路前进，发展特色不停创新，降低系统运维资本，发挥数据的最大价值。
本文出自《新程序员002：新数据库时代&软件界说汽车》，由60余位专家倾力创作。随书附赠《2021数据库全景图V1.0》和《2021汽车技能与产业生态全景图V1.0》，同时内含《2021年度数据库发展研究报告》和《2021年度软件界说汽车研究报告》，图文与视频多媒体呈现。
数据库作为核心技能三大件之一，我们从新型数据库普及、数据库开源趋势、数字化转型实现，以及资笔弃力产业等角度，约请到27位数据库行业专家，共著非关系型数据库、文档型数据库、分布式数据库、肴杂式数据库、时序数据库、图数据库等的理论技能及行业实践，让数据库开辟者快速提升。
《新数据库时代》目录
智能驾驶作为人工智能的顶上皇冠，我们以技能和贸易融合创新为主线，约请到23位汽车范畴专家，从开源系统、车路协同、数字孪生等不同视角分析了云计算、人工智能、物联网等技能给汽车行业带来的影响和机会，让汽车从业者深入了解产业动态。
《软件界说汽车》目录
本书高屋建瓴的产业分析和趋势预判适合中高端从业职员参考决策。同时，多位专家亲历的入门和实践之旅也为初学者提供了可鉴戒的专业路径。 |
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
显身卡
