TDSQL 分布式数据库的架构与解耦

TDSQL 团队在研发分布式事务型数据库的过程中，除了思考分布式事务处理技术（ACID 实现的所有技术）外，还深度探索测试验证、架构扩展、模块解耦等等各种重要的问题。

新硬件和 AI 等技术，在云环境下，如何影响着数据库的架构？

数据库各个模块间是否能解耦以降低研发的复杂度，同时缩短研发人才的培养周期？

新硬件和 AI 等技术，从架构上深深地影响了传统的数据库，这表现在如何融合这些新技术：

**首先，**数据库可能会“增加”很多新模块进去，如图 7 中的左下子图，AI 调优数据库技术使得数据库系统被扩展了，增加了很多新组件进来。**其次，**数据库的传统模块会被改变，如图 8 中的左下子图，在并行的事务型数据库系统中，提出基于 AI 技术对事务进行优化的模型。该模型采取存储过程的方式（此点类似 H-Store、VoltDB），向数据库引擎提前提供所执行的事务，然后利用 AI 技术（Markov model，马尔可夫模型）对存储过程进行分析，确定那些存储过程所代表的事务间的语义，排定事务并发执行时哪些是互相冲突的，得到一个有固定结构的事务执行模型，如图 8 左下子图中右侧，是对 TPC-C 模型 NewOrder 进行的分析得到的事务调度图。当多个 Client 发出 SQL 语句执行存储过程代表的并发事务时，据此模型即能推断事务的调度方式。这是 AI 技术改变事务处理中并发访问控制模块的一个典型事例。

下图中“d”模型是基于 RDMA 从 2 个方面对事务处理构成影响，一是事务处理的控制流，二是事务执行过程中发生的数据流。影响分布式事务处理效率的，不仅仅是庞大的数据流，而相对数据量小的控制流，也是瓶颈，因此需要引入 RDMA 来加以解决网络带宽瓶颈。

数据库中的模块发生变化

传统的数据库系统，其复杂度极高，从外看高内聚，从内看高耦合，这使得数据库的复杂度骤然提升。当各种新技术产生，影响了数据库的架构时，数据库的复杂性被再提上一个台阶。在这种背景下，研发人才的培育，其成长周期就会更长。因此，我们在思考的一个问题是：从技术上看，如何解耦数据库内部间的诸多模块？耦合度高，研发人员需要掌握数个相关模块才能良好推进工作；如果模块间解耦较好，掌握单个模块就能方便推进工作，这样人才的培育周期相应也会缩短，软件的质量也会得到提高。

所以，数据库架构背景下各个模块解耦问题，是一个技术问题。解耦工作，可以在许多层次、许多模块间展开。解耦技术，各有其妙。

上子图所示，AWS 的 Aurora 提出的存储计算分离，就是存储和计算两大模块的解耦。而微软 Deuteronomy 系统在 08 年-16 年也有过一系列相关工作。Deuteronomy 一开始采用的方案是在存储层上面实现事务，而底层的存储采用的是 KV 模型。存储层只需要提供 KV 的原子性和幂等性，上层就可以比较容易实现事务的并发访问控制和恢复。

后来的 Percolator、Spanner/F1、CockroachDB、TiDB 其实也是沿着这个思路在发展，底层是 Bigtable/Spanner 或者 RocksDB 这样的 KV 存储引擎，在存储之上封装一层事务。但是在类似 RocksDB 这样的 KV 存储中，对于 KV 记录的并发控制还是和存储紧耦合的。

存储和计算两大模块的解耦，促进了各自所囊括的子模块之间再次进行解耦，事务和存储层的解耦，该怎么进行？有的研究者，把事务处理功能提取到客户端进行（左子图），有的把事务处理功能放到中间件层实行按（中间子图），这 2 种方式不同于传统的在 Server 端进行事务处理（右子图）。

事务和存储层解耦

另外，解耦工作，其实无处不在。下图展示了算法与数据结构之间的解耦。下图的左子图，是数据库的持久化部分和内存中数据之间的设计解耦。下图的右子图，是索引的数据结构与物理存储层之间的解耦。

下图左子图，对应 VLDB 2018 的论文"FineLine: Log-structured Transactional Storage and Recovery"，提出了一种事务存储和恢复机制 FineLine，舍弃了传统的 WAL，把所有需要持久化的数据存储到一个单一的数据结构，希望将数据库的持久化部分和内存中数据存储之间达到设计解耦。

FineLine 无需将内存中数据落盘到 DB，仅将内存中的 log 信息持久化到 Indexed log 中，然后通过 fetch 操作从 Indexed log 读取到数据的最新状态。通过将内存中的数据结构与其持久性表示尽量地解耦，消除了与传统基于磁盘的 RDBMS 相关的许多开销。除此之外，这种单一的持久化存储架构带来的另一个好处是，在系统发生故障后恢复的开销很低。由于 Indexed log 保持了与原子操作的一致性，当发生故障并重启时，可以从 Indexed log 中读取到已提交的最新数据记录。基于 no-steal 的策略，Undo 操作，Checkpoint 这些也都不需要。

** 计算与数据结构之间的解耦**

数据库内部，各个模块之间的解耦，与模块粒度的划分，与具体实现的系统，都有密切关系。如图 11 展示了几个主流数据库之间解耦的关系，期待能抛砖引玉，引发更多思考。

结语

数据库作为核心基础技术之一，在自主可控的时代发展潮流下，是我们必将要跨过的大山。路虽弥，不行则不至，历经十数年的研发演进，至少今天我们都已达成了许多重要的里程碑。当下而言，国产数据库从技术、人才、工业生态等各方面，都有待完善和发展，而未来更紧密的产学研结合、科技与传统产业融合趋势下，将进一步促进数据库自主可控发展。