(完整)數(shù)據(jù)中臺之結(jié)構(gòu)化大數(shù)據(jù)存儲設(shè)計(jì)

1、(完整)數(shù)據(jù)中臺之結(jié)構(gòu)化大數(shù)據(jù)存儲設(shè)計(jì)(完整)數(shù)據(jù)中臺之結(jié)構(gòu)化大數(shù)據(jù)存儲設(shè)計(jì)數(shù)據(jù)中臺之結(jié)構(gòu)化大數(shù)據(jù)存儲設(shè)計(jì)一. 前言為何目前大多數(shù)企業(yè)都在構(gòu)建數(shù)據(jù)中臺的原因,數(shù)據(jù)處理的技術(shù)已經(jīng)是核心競爭力。在一個(gè)完備的技術(shù)架構(gòu) 大數(shù)據(jù)技術(shù)會(huì)逐步向輕量化和智能化方向發(fā)展，最終也會(huì)成為一個(gè)研發(fā)工程師的必備技能之一 ,而業(yè)務(wù)化：完成最基本的業(yè)務(wù)交互邏輯。規(guī)?；悍植际胶痛髷?shù)據(jù)技術(shù)的應(yīng)用,滿足業(yè)務(wù)規(guī)模增長的需求以及數(shù)據(jù)的積累. 智能化：人工智能技術(shù)的應(yīng)用，挖掘數(shù)據(jù)的價(jià)值，驅(qū)動(dòng)業(yè)務(wù)的創(chuàng)新。向規(guī)模化和智能化的發(fā)展，仍然存在一定的技術(shù)門檻。成熟的開源技術(shù)的應(yīng)用能讓一個(gè)大數(shù)據(jù)系統(tǒng)的搭 建變得簡單,同時(shí)大數(shù)據(jù)架構(gòu)也變得很普遍，

2、例如廣為人知的 Lambda 架構(gòu),一定程度上降低了技術(shù)的入門門的組合拼裝。每個(gè)組件各司其職，組件與組件之間進(jìn)行上下游的數(shù)據(jù)交換,而不同模塊的選擇和組合是架構(gòu) 師面臨的最大的挑戰(zhàn)。本篇文章主要面向數(shù)據(jù)系統(tǒng)的研發(fā)工程師和架構(gòu)師，我們會(huì)首先對數(shù)據(jù)系統(tǒng)核心組件進(jìn)行拆解，介紹每個(gè)組件下對應(yīng)的開源組件以及云上產(chǎn)品 .之后會(huì)深入剖析數(shù)據(jù)系統(tǒng)中結(jié)構(gòu)化數(shù)據(jù)的存儲技術(shù)，介紹阿里云Tablestore 選擇哪種設(shè)計(jì)理念來更好的滿足數(shù)據(jù)系統(tǒng)中對結(jié)構(gòu)化數(shù)據(jù)存儲的需求。二. 數(shù)據(jù)系統(tǒng)架構(gòu)核心組件務(wù)邏輯，處理業(yè)務(wù)數(shù)據(jù)或應(yīng)用元數(shù)據(jù)等。數(shù)據(jù)系統(tǒng)主要對業(yè)務(wù)數(shù)據(jù)及其他數(shù)據(jù)進(jìn)行匯總和處理,對接 BI、推薦或風(fēng)控等系統(tǒng)。整個(gè)系統(tǒng)架構(gòu)

3、中，會(huì)包含以下比較常見的幾大核心組件：關(guān)系數(shù)據(jù)庫：用于主業(yè)務(wù)數(shù)據(jù)存儲，提供事務(wù)型數(shù)據(jù)處理，是應(yīng)用系統(tǒng)的核心數(shù)據(jù)存儲。對接的核心組件，例如數(shù)據(jù)庫系統(tǒng)與緩存系統(tǒng)或搜索系統(tǒng)間的數(shù)據(jù)對接。也用于數(shù)據(jù)的實(shí)時(shí)提取,在 線存儲到離線存儲的實(shí)時(shí)歸檔。數(shù)據(jù)訪問需求。實(shí)時(shí)分析的能力.流計(jì)算:對非結(jié)構(gòu)化數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)進(jìn)行流式數(shù)據(jù)分析，低延遲產(chǎn)出實(shí)時(shí)視圖。派生數(shù)據(jù)體系在數(shù)據(jù)系統(tǒng)架構(gòu)中，我們可以看到會(huì)存在多套存儲組件。對于這些存儲組件中的數(shù)據(jù)，有些是來自應(yīng)用的直寫，有些是來自其他存儲組件的數(shù)據(jù)復(fù)制.例如業(yè)務(wù)關(guān)系數(shù)據(jù)庫的數(shù)據(jù)通常是來自業(yè)務(wù)，而高速緩存和搜索引擎的數(shù)據(jù)，通常是來自業(yè)務(wù)數(shù)據(jù)庫的數(shù)據(jù)同步與復(fù)制。不同用途的存儲

4、組件有不同類型的上下游數(shù)據(jù)鏈路，我們可以大概將其歸類為主存儲和輔存儲兩類，這兩類存儲有不同的設(shè)計(jì)目標(biāo)，主要特征為：主存儲:數(shù)據(jù)產(chǎn)生自業(yè)務(wù)或者是計(jì)算,通常為數(shù)據(jù)首先落地的存儲。ACID 等事務(wù)特性可能是強(qiáng)需求， 檢索和分析做優(yōu)化。為何會(huì)有主存儲和輔存儲的存在?能不能統(tǒng)一存儲統(tǒng)一讀寫,滿足所有場景的需求呢？目前看還沒有 ,存儲引擎的實(shí)現(xiàn)技術(shù)有多種，選擇行存還是列存，選擇B+tree 還是 LSMtree，存儲的是不可變數(shù)據(jù)、頻繁更新數(shù)據(jù)還是時(shí)間分區(qū)數(shù)據(jù)，是為高速隨機(jī)查詢還是高吞吐掃描設(shè)計(jì)等等。數(shù)據(jù)庫產(chǎn)品目前也是分兩類， TP 和 AP，雖然在往 HTAP 方向走，但實(shí)現(xiàn)方式仍然是底層存儲分為行存和

5、列存。數(shù)倉也是主與輔的關(guān)系，在線數(shù)據(jù)庫內(nèi)數(shù)據(jù)集中復(fù)制到數(shù)倉來提供高效的BI上圖我們可以看到幾個(gè)常見的數(shù)據(jù)復(fù)制方式:應(yīng)用層多寫這是實(shí)現(xiàn)最簡單、依賴最少的一種實(shí)現(xiàn)方式，通常采取的方式是在應(yīng)用代碼中先向主存儲寫數(shù)據(jù)，后向 一是很難保證主與輔之間的數(shù)據(jù)一致性，無法處理數(shù)據(jù)寫入失效問題;二是數(shù)據(jù)寫入的消耗堆積在應(yīng)用層， 加重應(yīng)用層的代碼復(fù)雜度和計(jì)算負(fù)擔(dān)，不是一種解耦很好的架構(gòu)；三是擴(kuò)展性較差，數(shù)據(jù)同步邏輯固化在代 異步隊(duì)列復(fù)制這是目前被應(yīng)用比較廣的架構(gòu),應(yīng)用層將派生數(shù)據(jù)的寫入通過隊(duì)列來異步化和解耦。這種架構(gòu)下可將主 存儲和輔存儲的數(shù)據(jù)寫入都異步化，也可僅將輔存儲的數(shù)據(jù)寫入異步化.第一種方式必須接受主存儲

6、可異步 CDC（Change Data Capture)技術(shù)這種架構(gòu)下數(shù)據(jù)寫入主存儲后會(huì)由主存儲再向輔存儲進(jìn)行同步 ,對應(yīng)用層是最友好的,只需要與主存儲打交道。主存儲到輔存儲的數(shù)據(jù)同步,則可以再利用異步隊(duì)列復(fù)制技術(shù)來做。不過這種方案對主存儲的能力 有很高的要求，必須要求主存儲能支持CDC 技術(shù)。一個(gè)典型的例子就是MySQL+Elasticsearch 的組合架構(gòu)， ElasticsearchMySQLbinlogbinlogMySQLCDC派生數(shù)據(jù)體系是一個(gè)比較重要的技術(shù)架構(gòu)設(shè)計(jì)理念，其中CDC 技術(shù)是更好的驅(qū)動(dòng)數(shù)據(jù)流動(dòng)的關(guān)鍵手段。具備CDC了數(shù)據(jù)一致性設(shè)計(jì)的復(fù)雜度，從而來面向高速迭代設(shè)計(jì)?？?/p>

7、惜的是大多數(shù)存儲組件不具備 CDC 技術(shù),例如HBase。而阿里云 TablestoreCDC，CDCMySQL+ElasticsearchHBase+Solr大問題是,在解決CDC存儲組件的選型架構(gòu)師在做架構(gòu)設(shè)計(jì)時(shí)，最大的挑戰(zhàn)是如何對計(jì)算組件和存儲組件進(jìn)行選型和組合,同類的計(jì)算引擎的 差異化相對不大，通常會(huì)優(yōu)先選擇成熟和生態(tài)健全的計(jì)算引擎，例如批量計(jì)算引擎 Spark 和流計(jì)算引擎FlinkSQL和NoSQLNoSQL下又根據(jù)各類數(shù)據(jù)模型細(xì)分為多類、對象存儲、文件存儲和高速緩存等不同類別。帶來存儲選型復(fù)雜度的 析等需求。有一些經(jīng)驗(yàn)可以分享給大家：數(shù)據(jù)模型和查詢語言仍然是不同數(shù)據(jù)庫最顯著的區(qū)別

8、,關(guān)系模型和文檔模型是相對抽象的模型，而類 那選擇范圍能縮小點(diǎn)。）未知需求的擴(kuò)展性更重要。另外關(guān)于數(shù)據(jù)存儲架構(gòu),我認(rèn)為最終的趨勢是：數(shù)據(jù)一定需要分層數(shù)據(jù)最終的歸屬地一定是OSS結(jié)構(gòu)化大數(shù)據(jù)存儲關(guān)鍵需求大規(guī)模數(shù)據(jù)存儲入和輸出，必須要能支撐PB高吞吐寫入能力ETL須能支撐高吞吐的數(shù)據(jù)寫入，通常會(huì)采用一個(gè)為寫入而優(yōu)化的存儲引擎。豐富的數(shù)據(jù)查詢能力手段就是緩存和索引,其中索引的支持是多元化的，面向不同的查詢場景提供不同類型的索引。例如面向固 B+treeRtreeBKDtree存儲和計(jì)算成本分離的大數(shù)據(jù)系統(tǒng)下,存儲計(jì)算分離才能完全發(fā)揮優(yōu)勢。存儲計(jì)算分離在分布式架構(gòu)中，最大的優(yōu)勢是能提供更 靈活的存儲和

9、計(jì)算資源管理手段，大大提高了存儲和計(jì)算的擴(kuò)展性。對成本管理來說,只有基于存儲計(jì)算分離架構(gòu)實(shí)現(xiàn)的產(chǎn)品，才能做到存儲和計(jì)算成本的分離。存儲和計(jì)算成本的分離的優(yōu)勢，在大數(shù)據(jù)系統(tǒng)下會(huì)更加明顯。舉一個(gè)簡單的例子，結(jié)構(gòu)化大數(shù)據(jù)存儲的存儲量會(huì)隨著數(shù)據(jù)的積累越來越大，但是數(shù)據(jù)寫入量是相對平穩(wěn)的。所以存儲需要不斷的擴(kuò)大，但是為了支撐數(shù)據(jù)寫入或臨時(shí)的數(shù)據(jù)分析而所需的計(jì)算資源，則相對來說比較固定，是按需的。數(shù)據(jù)派生能力一個(gè)完整的數(shù)據(jù)系統(tǒng)架構(gòu)下，需要有多個(gè)存儲組件并存.并且根據(jù)對查詢和分析能力的不同要求，需要在數(shù)據(jù)派生體系下對輔存儲進(jìn)行動(dòng)態(tài)擴(kuò)展 .所以對于結(jié)構(gòu)化大數(shù)據(jù)存儲來說,也需要有能擴(kuò)展輔存儲的派生能力，來擴(kuò)展數(shù)

10、據(jù)處理能力。而判斷一個(gè)存儲組件是否具備更好的數(shù)據(jù)派生能力,就看是否具備成熟的 CDC 技術(shù)。計(jì)算生態(tài)數(shù)據(jù)的價(jià)值需要靠計(jì)算來挖掘，目前計(jì)算主要?jiǎng)潪榕坑?jì)算和流計(jì)算.對于結(jié)構(gòu)化大數(shù)據(jù)存儲的要求， 一是需要能夠?qū)又髁鞯挠?jì)算引擎,例如 SparkFlink力，將自身數(shù)據(jù)轉(zhuǎn)換為面向分析的列存格式存儲至數(shù)據(jù)湖系統(tǒng)；三是自身提供交互式分析能力,更快挖掘數(shù)據(jù)價(jià)值.滿足第一個(gè)條件是最基本要求，滿足第二和第三個(gè)條件才是加分項(xiàng)。開源產(chǎn)品HBaseCassandra,CassandraWideColumn類別下排名 Top1 的產(chǎn)品，在國外應(yīng)用比較廣泛 .但這里我們重點(diǎn)提下 HBase，因?yàn)樵趪鴥?nèi)的話相比Cassa

11、ndraHBaseHDFS 的存儲計(jì)算分離架構(gòu)的WideColumn數(shù)據(jù)存儲,它的優(yōu)點(diǎn)為：存儲計(jì)算分離架構(gòu)：底層基于 HDFSSparkLSM社區(qū)很成熟,對接幾大主流的計(jì)算引擎。HBase 有其突出的優(yōu)點(diǎn),但也有幾大不可忽視的缺陷：查詢能力弱提供高效的單行隨機(jī)查詢以及范圍掃描,復(fù)雜的組合條件查詢必須使用Scan+Filter 的方式,稍不注意就HBasePhoenixMySQL合最左匹配的查詢條件才能做索引優(yōu)化，可被優(yōu)化的查詢條件非常有限。數(shù)據(jù)派生能力弱CDCHBaseCDCHBase Replication CDC 的能力，但是僅為HBaseReplicationHBase 的CDC 技術(shù),

12、例如用于和SolrLily 和機(jī)制上分析就沒法做到CDC成本高,HBaseCPU CPU要達(dá)到完全的存儲與計(jì)算成本分離，只有云上的Serverless運(yùn)維復(fù)雜HBaseHadoopZookeeperHDFS,沒有專業(yè)的運(yùn)維團(tuán)隊(duì)幾乎無法運(yùn)維。熱點(diǎn)處理能力差HBaseRange PartitionHash PartitionHBase 提供了大量的最佳實(shí)踐文檔來指引開發(fā)者在做表的Rowkeyhash key,salted-tableRegionSplitMove國內(nèi)的高級玩家大多會(huì)基于HBaseHBase根據(jù)自身業(yè)務(wù)查詢特色研發(fā)自己的索引方案，例如自研二級索引方案、對接 Solr 做全文索引或者是

13、針對區(qū)bitmapTablestoreTablestore 是阿里云自研的結(jié)構(gòu)化大數(shù)據(jù)存儲產(chǎn)品，具體產(chǎn)品介紹可以參考官網(wǎng)以及權(quán)威指南。Tablestore 的設(shè)計(jì)理念很大程度上顧及了數(shù)據(jù)系統(tǒng)內(nèi)對結(jié)構(gòu)化大數(shù)據(jù)存儲的需求，并且基于派生數(shù)據(jù)體系這個(gè)設(shè)計(jì)理念專門設(shè)計(jì)和實(shí)現(xiàn)了一些特色的功能。設(shè)計(jì)理念Tablestore 的設(shè)計(jì)理念一方面吸收了優(yōu)秀開源產(chǎn)品的設(shè)計(jì)思路，另一方面也是結(jié)合實(shí)際業(yè)務(wù)需求演化出了一些特色設(shè)計(jì)方向，簡單概括下Tablestore 的技術(shù)理念：存儲計(jì)算分離架構(gòu)：采用存儲計(jì)算分離架構(gòu)，底層基于飛天盤古分布式文件系統(tǒng)，這是實(shí)現(xiàn)存儲計(jì)算成本分離的基礎(chǔ)。LSM:LSMB+treeLSM好的支持

14、數(shù)據(jù)冷熱分層。Serverless 產(chǎn)品形態(tài)：基于存儲計(jì)算分離架構(gòu)來實(shí)現(xiàn)成本分離的最關(guān)鍵因素是Serverless 服務(wù)化，只有 Serverless而平時(shí)可能僅需要比較小的計(jì)算能力，計(jì)算資源要足夠的彈性.另外在派生數(shù)據(jù)體系下，主存儲和輔存儲通 資源彈性可調(diào)。多元化索引,提供豐富的查詢能力：LSM 引擎特性決定了查詢能力的短板，需要索引來優(yōu)化查詢。而不同的查詢場景需要不同類型的索引，所以 Tablestore 提供多元化的索引來滿足不同類型場景下的數(shù)據(jù)查詢需求。CDCTablestoreCDCTunnel ServiceFlink擁抱開源計(jì)算生態(tài):除了比較好的支持阿里云自研計(jì)算引擎如MaxCo

15、mputeData Lake AnalyticsFlinkSpark流批計(jì)算一體：能支持Spark 對表內(nèi)全量數(shù)據(jù)進(jìn)行批計(jì)算，也能通過CDC 技術(shù)對接 Flink 來對表內(nèi)新增數(shù)據(jù)進(jìn)行流計(jì)算，真正實(shí)現(xiàn)批流計(jì)算結(jié)合。多元化索引Tablestore據(jù)分析,提供基本的統(tǒng)計(jì)聚合函數(shù)，兩種索引的對比和選型可參考這篇文章。通道服務(wù)通道服務(wù)是 TablestoreCDC夠被利用在異構(gòu)存儲間的數(shù)據(jù)同步、事件驅(qū)動(dòng)編程、表增量數(shù)據(jù)實(shí)時(shí)訂閱以及流計(jì)算場景 .目前在云上TablestoreBlinkBlink 的stream source大數(shù)據(jù)處理架構(gòu)大數(shù)據(jù)處理架構(gòu)是數(shù)據(jù)系統(tǒng)架構(gòu)的一部分，其架構(gòu)發(fā)展演進(jìn)了多年，有一些基本的核心架構(gòu)設(shè)計(jì)思路產(chǎn)LambdaLambdaKappa、Kappa+等新架構(gòu)來部分解決 Lambda 架構(gòu)中存在的一些問題 ,詳情介紹可以看下這篇文章的介紹.Tablestore 基于CDCLambda 架構(gòu)設(shè)計(jì)了一個(gè)全新的Lambda plusLambda plus 架構(gòu)Lambda邏輯分別在流和批系統(tǒng)中實(shí)現(xiàn)，并且在查詢階段合并流和批的計(jì)算視圖并展示給用戶?；赥ablestore TablestoreBlinkBlinkstream so