TiDB 冷热存储分离解决方案

结论先行

TiDB 6.0 正式提供了数据放置框架（Placement Rules in SQL ）功能，用户通过 SQL 配置数据在 TiKV 集群中的放置位置，可以对数据进行直接的管理，满足不同的业务场景需要。如：

1.冷热分离存储，降低存储成本

• TiDB 6.0 正式支持数据冷热存储分离，可以降低 SSD 使用成本。使用 TiDB 6.0 的数据放置功能，可以在同一个集群实现海量数据的冷热存储，将新的热数据存入 SSD，历史冷数据存入 HDD，降低历史归档数据存储成本。

• 将热数据从 ssd 迁移到 hdd，每小时可归档约 3000 万行，总体来看效率还是比较高的

• 将冷数据从 hdd 迁移到 ssd，每小时可迁移约 6300 万行，大约是从 ssd 迁移到 hdd 速度的 2 倍

• 分离存储过程，ssd 和 hdd 用于归档的 IO 消耗都在 10%以内，集群访问 QPS 表现平稳，对业务访问的影响较小

• 在补写冷数据场景，每小时写入约 1500 万行到 hdd，数据可正确地直接写入 hdd，不会经过 ssd

2.业务底层物理隔离，实现同一集群不同存储

• 通过放置规则管理将不同数据库下的数据调度到不同的硬件节点上，实现业务间数据的物理资源隔离，避免因资源争抢，硬件故障等问题造成的相互干扰

• 通过账号权限管理避免跨业务数据访问，提升数据质量和数据安全。

3.合并 MySQL 业务，降低运维压力，提升管理效率

• 使用少数 TiDB 集群替换大量的 MySQL 实例，根据不同业务底层设置不同的物理存储隔离需求，让数据库数量大大减少，原本的升级、备份、参数设置等日常运维工作将大幅缩减，在资源隔离和性价比上达到平衡，大幅减少 DBA 日常的运维管理成本。

我们的 HTAP 集群目前有一个数据归档需求，整个集群共约 330TB，考虑到成本和访问频率、性能等各方面需求，要求至少存储 3 个月共约 80TB 到 ssd，250TB 存到 hdd，现在基于我们的大数据冷热分离归档业务场景，本文重点探讨冷热数据归档存储的功能和特性，以方便下一步我们正式应用到生产环境。

概述

TiDB 集群通过 PD 节点（Placement Driver 组件）在系统内基于热点、存储容量等策略自动完成 region 的调度，从而实现集群数据均衡、分散存储在各个节点的目标，这些调度操作是集群的自身管理行为，对用户而已几乎是透明的，在之前的版本用户无法精确控制数据的存储方式和位置。

TiDB 6.0 正式提供了数据放置框架（Placement Rules in SQL ）功能，用户通过 SQL 配置数据在 TiKV 集群中的放置位置，可以对数据进行直接的管理，以满足不同的业务场景需要。用户可以将库、表和分区指定部署至不同的地域、机房、机柜、主机。还支持针对任意数据提供副本数、角色类型等维度的灵活调度管理能力，这使得在多业务共享集群、跨中心部署、冷热数据归档存储等场景下，TiDB 得以提供更灵活更强大的数据管理能力。

该功能可以实现以下业务场景：

• 动态指定重要数据的副本数，提高业务可用性和数据可靠性

• 将最新数据存入 SSD，历史数据存入 HDD，降低归档数据存储成本

• 把热点数据的 leader 放到高性能的 TiKV 实例上，提供高效访问

• 不同业务共用一个集群，而底层按业务实现存储物理隔离，互不干扰，极大提升业务稳定性

• 合并大量不同业务的 MySQL 实例到统一集群，底层实现存储隔离，减少管理大量数据库的成本

原理简介

早期版本的 Placement rule 使用时需要通过 pd-ctl 工具设置和查看，操作繁琐且晦涩难懂。经过几个版本的迭代和优化，推出的 PlacementRules in SQL 对用户更加友好，到了 v6.0.0 总体来说还是很方便理解和使用的，避免了使用 pd-ctl 工具配置的复杂性，大大降低使用门槛。

放置策略的实现依赖于 TiKV 集群 label 标签配置，需提前做好规划（设置 TiKV 的 labels）。可通过show placement labels查看当前集群所有可用的标签。

 mysql> show placement labels ; +------+-----------------------------------------------------------------+ | Key  | Values                                                          | +------+-----------------------------------------------------------------+ | disk | ["ssd"]                                                         | | host | ["tikv1", "tikv2", "tikv3"] | | rack | ["r1"]                                                          | | zone | ["guangzhou"]                                                   | +------+-----------------------------------------------------------------+ 4 rows in set (0.00 sec) ​

使用时有基础用法和高级用法两种方式。

(1) 基础放置策略

基础放置策略主要是控制 Raft leader 和 followers 的调度。

 #创建放置策略 CREATE PLACEMENT POLICY myplacementpolicy PRIMARY_REGION="guangzhou" REGIONS="guangzhou,shenzhen"; ​ #将规则绑定至表或分区表，这样指定了放置规则 CREATE TABLE t1 (a INT) PLACEMENT POLICY=myplacementpolicy; CREATE TABLE t2 (a INT); ALTER TABLE t2 PLACEMENT POLICY=myplacementpolicy; ​ #查看放置规则的调度进度，所有绑定规则的对象都是异步调度的。 SHOW PLACEMENT; ​ #查看放置策略 SHOW CREATE PLACEMENT POLICY myplacementpolicy\G select * from information_schema.placement_policies\G ​ #修改放置策略，修改后会传播到所有绑定此放置策略的对象 ALTER PLACEMENT POLICY myplacementpolicy FOLLOWERS=5; ​ #删除没有绑定任何对象的放置策略 DROP PLACEMENT POLICY myplacementpolicy; ​

(2) 高级放置策略

基础放置策略主要是针对 Raft leader 、Raft followers 的调度策略，如果需要更加灵活的方式，如不区分 region 角色将数据指定存储在 hdd，需要使用高级放置策略。使用高级放置策略主要有两个步骤，首先创建策略，然后在库、表或分区上应用策略。

 # 创建策略，指定数据只存储在ssd CREATE PLACEMENT POLICY storeonfastssd CONSTRAINTS="[+disk=ssd]"; ​ # 创建策略，指定数据只存储在hdd CREATE PLACEMENT POLICY storeonhdd CONSTRAINTS="[+disk=hdd]"; ​ # 在分区表应用高级放置策略，指定分区存储在hdd或者ssd上，未指定的分区由系统自动调度 CREATE TABLE t1 (id INT, name VARCHAR(50), purchased DATE) PARTITION BY RANGE( YEAR(purchased) ) (   PARTITION p0 VALUES LESS THAN (2000) PLACEMENT POLICY=storeonhdd,   PARTITION p1 VALUES LESS THAN (2005),   PARTITION p2 VALUES LESS THAN (2010),   PARTITION p3 VALUES LESS THAN (2015),   PARTITION p4 VALUES LESS THAN MAXVALUE PLACEMENT POLICY=storeonfastssd ); ​

高级放置策略具体内容，请看官网介绍https://docs.pingcap.com/zh/tidb/stable/placement-rules-in-sql#高级放置。

环境

冷热归档存储

• 目标：对给定的表按日期分区，将最新分区的数据存入 SSD，历史数据存入 HDD

功能验证

1.部署集群并建立放置策略

• 部署 TiDB v6.0.0 集群，具体参考部署集群操作
  

• 创建数据落盘策略，以备使用

   # 应用该策略的库、表、分区，数据会存储在ssd上   CREATE PLACEMENT POLICY storeonssd CONSTRAINTS="[+disk=ssd]" ;   ​   # 应用该策略的库、表、分区，数据会存储在hdd上   CREATE PLACEMENT POLICY storeonhdd CONSTRAINTS="[+disk=hdd]";   ​   #查看集群已有策略   mysql> show placement \G   *************************** 1. row ***************************             Target: POLICY storeonhdd          Placement: CONSTRAINTS="[+disk=hdd]"   Scheduling_State: NULL   *************************** 2. row ***************************             Target: POLICY storeonssd          Placement: CONSTRAINTS="[+disk=ssd]"   Scheduling_State: NULL   2 rows in set (0.02 sec)   ​

2.创建库表并应有放置策略

建立目标表为TiDB分区表并且按 Range 分区。

 # 创建数据库tidb_ssd_hdd_test，并设置该库默认落盘策略，设置后新建的表都会默认继承该策略 create database tidb_ssd_hdd_test  PLACEMENT POLICY=storeonssd; ​ # 查看策略已经应用到指定库上 mysql> show placement \G *************************** 1. row ***************************           Target: POLICY storeonhdd        Placement: CONSTRAINTS="[+disk=hdd]" Scheduling_State: NULL *************************** 2. row ***************************           Target: POLICY storeonssd        Placement: CONSTRAINTS="[+disk=ssd]" Scheduling_State: NULL *************************** 3. row ***************************           Target: DATABASE tidb_ssd_hdd_test        Placement: CONSTRAINTS="[+disk=ssd]" Scheduling_State: SCHEDULED 3 rows in set (0.02 sec) ​ ​ # 建立分区表，可以看到表建立后默认继承和库一样的落盘策略，关键标识为“/*T![placement] PLACEMENT POLICY=`storeonssd` */” CREATE TABLE `logoutrole_log ` (   `doc_id` varchar(255) NOT NULL,   `gameid` varchar(255) DEFAULT NULL ,   -- some fields   `logdt` timestamp DEFAULT '1970-01-01 08:00:00' ,   `updatetime` varchar(255) DEFAULT NULL ,   UNIQUE KEY `doc_id` (`doc_id`,`logdt`),   -- some index   KEY `logdt_gameid` (`logdt`,`gameid`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin /*T![placement] PLACEMENT POLICY=`storeonssd` */ PARTITION BY RANGE ( UNIX_TIMESTAMP(`logdt`) ) (   PARTITION `p20220416` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-17 00:00:00')),   PARTITION `p20220417` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-18 00:00:00')),   PARTITION `p20220418` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-19 00:00:00')),   PARTITION `p20220419` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-20 00:00:00')),   PARTITION `p20220420` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-21 00:00:00')),   PARTITION `p20220421` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-22 00:00:00')),   PARTITION `p20220422` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-23 00:00:00')) ); ​

3.写入热数据到 ssd 盘并扩容 hdd 存储节点

• 集群只有 3 个 ssd 的 tikv 节点，启动 flink 流往目标表导入数据，可以看到这 3 个 ssd 节点的 region 数和空间使用在不断增长

• 在原有基础上再扩容 3 个 hdd tikv 实例

4.冷热分离

为了方便模拟数据的迁移，flink 导入的数据是全部落在 2022-04-16 这一天：

 mysql> select date(logdt) as day,count(0) from logoutrole_log group by day order by day ;             +------------+----------+ | day        | count(0) | +------------+----------+ | 2022-04-16 |  1109819 | +------------+----------+ 1 row in set (1.09 sec) ​

停止 flink 写入后，设置数据分离放置策略，将存储在 ssd 上的 2022-04-16 这一天的数据，转存到 hdd 上，模拟冷数据归档操作：

 mysql> alter table tidb_ssd_hdd_test.logoutrole_log partition p20220416 placement policy storeonhdd; Query OK, 0 rows affected (0.52 sec)

在应用 hdd 转存策略后，如下图可以看到调度规则里 2022-04-16 这一天的分区 Placement 由 ssd 变为了 hdd，即集群已经知晓最新的调度策略是将这一天的分区数据调度到 hdd 去，Scheduling_State 处于 PENDING 状态，表示 Follower 的 raft log 与 Leader 有较大差距，在这里可以理解为是正在处于调度的过程。

随着时间的推移，数据在不断从 ssd 迁移到 hdd 上。从集群 grafana 监控面板可以看到 ssd 节点上的 region 数据在不断下降，直到降到接近于 0；相反，hdd 上的 region 数不断上升，直到数据全部迁出 ssd 节点。110 万行数据从 ssd 迁移到 hdd，大约耗时 3min 。

在数据全部迁如 hdd 节点后，查看调度进度，此时 Scheduling_State 处于 SCHEDULED 完成调度状态：

结论：

• 证明冷热数据隔离存储策略已经生效，ssd 上的数据完成迁移到 hdd 上，且 ssd 的空间得以释放，符合数据归档的目标。

静态集群冷热存储分离（无外部访问）

ssd->hdd

继续通过 flink 写入数据到 2022-04-17 分区，然后停流使集群没有外部访问流量，将此分区上 ssd 数据迁移到 hdd。

 alter table tidb_ssd_hdd_test.logoutrole_log partition p20220417 placement policy storeonhdd;

ssd 上的 region 全部迁移到 hdd 上，ssd 空间被释放，hdd 空间使用逐渐增加，迁移过程中 ssd 和 hdd 的 IO 消耗都在 5%左右，内存和网络带宽使用不变、保持平稳。 约 6 千万行 130GB 数据从 ssd 数据迁移到 hdd 大概需要 2 个小时

结论：

• 在将大规模数据从 ssd 数据迁移到 hdd 过程，集群资源消耗比较低，可以有效避免过多占用集群资源。

• 在集群没有外部访问压力时，在默认配置下，集群以每小时约 3000 万行的速度从 ssd 迁移到 hdd 节点。

hdd->ssd

在没有外部流量访问时，将数据从 hdd 迁移回 ssd，从监控图可以看到，hdd 节点的 tikv 的 leader 数、region 数在此期间都在下降，分别从 850、2500 逐渐下降直到为 0，磁盘空间也从 62GB 下降为 0，表示数据在持续迁移出 hdd 节点；

相反地，由于数据不断迁入到 ssd 中，ssd 节点的 tikv 的 leader 数、region 数在此期间都在上升，分别从 1500、4200 逐渐上升到 2200、6700，直到数据迁入完成，然后保持数量不变，ssd 的磁盘空间消耗也从 100GB 上升到 161GB。

迁移的过程中，ssd 和 hdd 节点的 IO 使用率都比较低，如下图：

结论：

• 将冷数据从 hdd 迁移至 ssd，迁移 1.7 亿行共约 200GB 数据，大约耗时 2 小时 40 分钟，平均每小时迁移 6300 万行，速度约为将热数据从 ssd 迁到 hdd 的 2 倍（每小时约 3000 万行）

• 将数据从 hdd 迁移至 ssd 的过程，不管是对 ssd 还是 hdd，其平均 IO 使用率都不高，不会占用过多集群的资源，可以认为数据迁移过程对集群正在运行的业务影响不大

热集群冷热存储分离（外部持续访问）

继续持续写入数据到 2022-04-18 和 2022-04-19 的 ssd 分区，然后不停流保持持续的写入压力，迁移 2022-04-18 数据从 ssd 到 hdd，观察集群表现。

#应用放置策略将2022-04-18数据从ssd归档到hddalter table tidb_ssd_hdd_test.logoutrole_log partition p20220418 placement policy storeonhdd;

在归档过程，flink 同时持续以 2100 的 QPS 写入热数据，期间 ssd IO 接近 100%，hdd 的 IO 消耗在 10%以下，各节点 CPU 在 500%以下，网络带宽在 200MB/s 以下，内存使用保持平稳。

从 region 数变化的角度来看：

• 在归档数据时，ssd 的 tikv region 数从 6300 下降到 3500 左右，当迁移完成后是净写入数据，此时 ssd 节点的 region 数量又持续上升；

• hdd 节点的 region 数从开始的 2600 上升到 6500 左右，随着数据迁移完成，hdd 的 region 数不再增加，一直保持 6500 不变。

从磁盘使用空间变化的角度来看：

• 归档数据时，ssd 节点的磁盘使用空间从 152GB 下降到 88GB，当迁移完成后，此时是净写入数据，ssd 空间开始上升；

• 数据在不断写入到 hdd 节点，所以其使用空间从 61GB 上升到 154GB，随着数据迁移完成，一直保持不变

结论：

• 在有外部几乎是满 IO 的写入压力时，归档约 2 亿行、400GB 数据从 ssd 到 hdd 节点，大概需要 6 个小时，即约 3300 万行/小时，可以说冷数据的归档效率还是比较高的

• 集群后台在进行数据归档时，flink 的 sink QPS 变化不大，可以认为归档的过程对集群正常写入影响不大

归档数据补写

业务上有补全历史数据的场景，比如数据重算等，这里模拟补全历史冷数据，写入到 hdd。

• 2022-04-16 这一天的数据已经全部转存到 hdd 冷盘中。启动 flink 流，继续对 2022-04-16 分区写入数据，这些只会写 hdd，不会写入 ssd。flink 流以 2000 左右的 sink QPS 补全冷数据，hdd tikv 节点 IO 打满，SSD 的 IO 使用率比较低。

从下图可以看到，在补全冷数据的时候， hdd 节点的 region 数在不断上升，hdd tikv 的空间消耗也在不断增加，而 ssd 的空间使用和 region 数均保持不变，说明数据并不会写入 ssd 中，符合预期。

结论：

• 说明 TiDB 冷热数据分离存储功能，在补全历史冷数据的场景，即归档数据补写，数据可以正确地直接写入到 hdd，期间数据不会经过 ssd

• 补全冷数据，hdd tikv 节点 IO 打满，ssd 的 IO 使用率比较低，也说明数据不会经过 ssd

同一集群业务隔离

除了冷热数据归档外，我们线上不同的业务线通常采用一套或多套 MySQL 来管理，但因为业务多导致 MySQL 有数百个，日常的监控、诊断、版本升级、安全防护等工作对运维团队造成了巨大的压力，且随着业务规模越来越大，管理的成本不断上升。

使用 Placement rule 功能可以很容易灵活的集群共享规则。可以将不同 MySQL 上的业务迁移到同一个 TiDB 集群，实现多个不同业务的共用一个集群而底层提供物理存储隔离，有效减少大量 MySQL 的管理成本。这个也是我们接下来会继续推进优化的地方。

举例说明，业务 A 和 B 共享资源，降低存储和管理成本，而业务 C 和 D 独占资源，提供最高的隔离性。由于多个业务共享一套 TiDB 集群，升级、打补丁、备份计划、扩缩容等日常运维管理频率可以大幅缩减，降低管理负担提升效率。

CREATE PLACEMENT POLICY 'shared_nodes' CONSTRAINTS = "[+region=shared_nodes]";CREATE PLACEMENT POLICY 'business_c' CONSTRAINTS = "[+region=business_c]";CREATE PLACEMENT POLICY 'business_d' CONSTRAINTS = "[+region=business_d]";
ALTER DATABASE a POLICY=shared_nodes;ALTER DATABASE b POLICY=shared_nodes;ALTER DATABASE c POLICY=business_c;ALTER DATABASE d POLICY=business_d;

基于 SQL 接口的数据放置规则，你仅仅使用少数 TiDB 集群管理大量的 MySQL 实例，不同业务的数据放置到不同的 DB，并通过放置规则管理将不同 DB 下的数据调度到不同的硬件节点上，**实现业务间数据的物理资源隔离，避免因资源争抢，硬件故障等问题造成的相互干扰。**通过账号权限管理避免跨业务数据访问，提升数据质量和数据安全。在这种部署方式下，集群数量大大减小，原本的升级，监控告警设置等日常运维工作将大幅缩减，在资源隔离和性价比上达到平衡，大幅减少日常的 DBA 运维管理成本。

总结

1.冷热分离存储，降低存储成本

• TiDB 6.0 正式支持数据冷热存储分离，可以降低 SSD 使用成本。使用 TiDB 6.0 的数据放置功能，可以在同一个集群实现海量数据的冷热存储，将新的热数据存入 SSD，历史冷数据存入 HDD，降低历史归档数据存储成本。

• 将热数据从 ssd 迁移到 hdd，每小时可归档约 3000 万行，总体来看效率还是比较高的

• 分离存储过程，ssd 和 hdd 用于归档的 IO 消耗都在 10%以内，集群访问 QPS 表现平稳，对业务访问的影响较小

• 在补写冷数据到 hdd 场景，数据可正确地直接写入 hdd，不会经过 ssd。flink 补写冷数据时满 IO 每秒写入约 4000 行，每小时写入约 1500 万行。

2.业务底层物理隔离，实现同一集群不同存储

• 通过放置规则管理将不同数据库下的数据调度到不同的硬件节点上，实现业务间数据的物理资源隔离，避免因资源争抢，硬件故障等问题造成的相互干扰

• 通过账号权限管理避免跨业务数据访问，提升数据质量和数据安全。

3.合并 MySQL 业务，降低运维压力，提升管理效率

• 使用少数 TiDB 集群替换大量的 MySQL 实例，根据不同业务底层设置不同的物理存储隔离需求，让数据库数量大大减少，原本的升级、备份、参数设置等日常运维工作将大幅缩减，在资源隔离和性价比上达到平衡，大幅减少 DBA 日常的运维管理成本。

4.放置策略应用操作步骤

• 对已有集群应用 Placement Rules

0. 将集群升级到6.0.0版本1. 创建默认SSD策略2. 打开放置策略默认开关，使得集群已有库表都默认存储在ssd上 （该功能依赖官方发布新版本支持）- 目前只能用脚本alter全部库设置这个默认策略，如果有新增的库也需要提前进行设置3. 申请新机器并扩容新的 hdd tikv  4. 创建 hdd 放置策略5. 在目标表的目标分区上指定 ssd或hdd 策略6. 定期将过期分区声明hhd放置策略

• 对新建的集群应用 Placement Rules

0. 部署6.0.0集群版本1. 创建默认SSD策略2. 创建的全部库都先设置这个默认策略3. 申请新机器并扩容新的 hdd tikv  4. 创建hdd放置策略5. 在目标表或目标分区上指定ssd或hdd 策略6. 定期将过期分区声明hhd放置策略

原作者：@Jellybean 原文链接