什么是真正的 HTAP ？（二）挑战篇

2022 年 7 月 22 日
本文字数：2951 字
阅读完需：约 10 分钟

上一篇文章中，我们从技术和商业角度分析了 HTAP 系统缘起的背景，本篇文章中，我们将从 HTAP 定义及其相关核心技术等方面来讨论：构建一个 HTAP 所面临的核心问题和挑战有哪些？

HTAP 涉及技术和对产品的影响

HTAP 是将 TP 和 AP 进行高度融合的产物，而非简单的 TP 和 AP 相加：TP+AP ≠ HTAP。有的数据库让 TP 系统通过简单的数据同步方式（比如 Binlog 等），将数据同步到 AP 系统，然后再由 AP 系统进行处理数据，虽然该种方式从用户的角度来看似乎是获得了同时处理 TP 和 AP 的能力，但是从本质上来看，这并不能称为真正的 HTAP 产品，国内有一些数据库厂商宣传 HTAP 概念很起劲，但是自身可能还真不满足 HTAP 的定义。下面我们就 HTAP 所涉及到的几个核心问题来探讨一下，一个真正的 HTAP 产品需要具备哪些能力。

我们将从以下维度进行探讨：

架构选择（Architecture choice）
数据导入及查询处理引擎（Ingestion and query processing egnines）
存储方案（Storage options）
数据组织方案（Data organization）
事务语义（Transaction semantics）
数据的时效性（Recency of data being read by OLAP)
索引支持（Indexing supports）
AP 负载和 TP 负载的相互干扰（Workload interference）

1. 架构的选择

Single system（即 One system）还是 Seperate system 的选择当前更多是基于工程上的难度。目前不少产品均是在原有的 TP 系统之上，叠加了一个 AP 系统并使用某种数据同步工具将 TP 系统中的数据同步至 AP 系统中。Seperate system 虽然有其优点，但这种方案存在着许多不容忽视的问题，比如无法保证对事务的支持能力、数据的时效性，以及复杂的系统架构等（下文会有详细的解释）。相比之下，One system 不仅架构简洁，对于事务的支持能力和数据的时效性等方面都能提供更好的保证。但是，One system 架构的技术难度相对较大，工程上也具有一定的难度，同时还需要考虑 TP 和 AP 负载间的相互干扰等问题。StoneDB 目前就是采用 One System 的架构设计，我们深知此架构的优势和难度。

2. 查询处理及数据导入引擎

该维度对产品有两个方面的描述。由于 HTAP 所面临的业务场景通常存着需要对海量数据进行分析处理需求，而在分析场景下，为了加速分析，通常的做法是将需要进行分析的数据，以列存的方式进行组织，这样可以利用列存的优势加速分析。因此，需要将适用于 TP 场景的行存类型数据转为适用于 AP 场景的列存数据。对于一个 HTAP 数据库首先需要解决的问题是高速的数据载入。这里又包括两个方面：

- 全量数据的载入方案，保证海量数据快速准确导入。

- 增量数据的更新方案，保证数据的时效性。

在数据加载完成后，另外一个维度是查询处理。查询处理部分属于整个 HTAP 数据库的核心模块，其最重要的能力是能够同时完成 TP 负载和 AP 负载的处理。

当系统接收到一个查询负载的时候，查询处理模块需要识别出该查询负载中的 TP 负载和 AP 负载。并能够依据相应的策略（这里可以是基于规则或者是基于查询代价），将相应的负载转发至相应的处理引擎。

3. 存储方案

随着存储技术的进步，存储介质和方式以及单位价格都发生了翻天覆地的变化，一个清晰的事实是：高速存储介质正在广泛地应用到数据库领域。对于 HTAP 数据库来说，TP 部分和 AP 部分的存储方案选择涉及到架构、性能、成本和业务场景等多方因素的影响。

4. 数据组织方案

选择列存储加行存储（DSM + NSM），还是 PAX （Partition Attributes Across）方案或者是其它方案。数据组织方案的选择不仅会极大的影响系统性能，还会影响数据的存储成本。而系统的整体性价比也是我们挑选产品的重要指标之一。

5. 事务语义

需要具有支持完整的事务语义的能力，即无论是 TP 部分还是 AP 部分都需要对事务进行完整的支持。现有的很多 HTAP 解决方案，AP 系统中所处理的数据均是同步自 TP 系统中已提交的数据。这类解决方案存在以下几个问题：首先，对应长事务场景下，如何保证 AP 系统可以获得最新版本的数据值得我们仔细考虑。再者，通过以同步日志的方式，数据的时效性和一致性需要认真考虑。最后，为了解决上述问题，会影响到事务的执行效率，导致系统吞吐量的下降。

6. 数据的时效性

需要保证 AP 系统所处理的数据均为当前最新版本的数据。当前的很多系统是在 TP 数据提交完成后，通过同步日志的方式将 TP 部分的变更同步到 AP 部分，这种方式无法保证数据的时效性，因而不能称之为真正的 HTAP 系统。

7.索引的支持

索引已成为 TP 系统的标配，通过设置索引可以大大提高数据库的检索速度，改善数据库性能。而 AP 系统中的更新操作通常为批量更新，在更新时首先需要定位到待更新的数据，考虑到 AP 系统的数据组织和存储模型，如何能够通过设置索引快速定位到需要更新的数据（尤其是在以列存且数据多为压缩形式的情况下）也是需要解决的一个难题。