1.3 万亿条数据查询，如何做到毫秒级响应？

知乎，在古典中文中意为“你知道吗？”，它是中国的 Quora，一个问答网站，其中各种问题由用户社区创建，回答，编辑和组织。

作为中国最大的知识共享平台，我们目前拥有 2.2 亿注册用户，3000 万个问题，网站答案超过 1.3 亿。

随着用户群的增长，我们的应用程序的数据大小无法实现。我们的 Moneta 应用程序中存储了大约 1.3 万亿行数据（存储用户已经阅读过的帖子）。

由于每月累计产生大约 1000 亿行数据且不断增长，这一数字将在两年内达到 3 万亿。在保持良好用户体验的同时，我们在扩展后端方面面临严峻挑战。

在这篇文章中，我将深入探讨如何在如此大量的数据上保持毫秒级的查询响应时间，以及 TiDB 是一个开源的 MySQL 兼容的 NewSQL 混合事务/分析处理（ HTAP）数据库，如何为我们提供支持获得对我们数据的实时洞察。

我将介绍为什么我们选择 TiDB，我们如何使用它，我们学到了什么，优秀实践以及对未来的一些想法。 

| 我们的痛点

本节介绍了我们的 Moneta 应用程序的体系结构，我们尝试构建的理想体系结构，以及数据库可伸缩性作为我们的主要难点。

系统架构要求

知乎的 Post Feed 服务是一个关键系统，用户可以通过该系统接收网站上发布的内容。

后端的 Moneta 应用程序存储用户已阅读的帖子，并在知乎的推荐页面的帖子流中过滤掉这些帖子。

Moneta 应用程序具有以下特征：

• 需要高可用性数据：Post Feed 是第一个出现的屏幕，它在推动用户流量到知乎方面发挥着重要作用。
• 处理巨大的写入数据：例如，在高峰时间每秒写入超过 4 万条记录，记录数量每天增加近 30 亿条记录。
• 长期存储历史数据：目前，系统中存储了大约 1.3 万亿条记录。随着每月累积约 1000 亿条记录并且不断增长，历史数据将在大约两年内达到 3 万亿条记录。
• 处理高吞吐量查询：在高峰时间，系统处理平均每秒在 1200 万个帖子上执行的查询。
• 将查询的响应时间限制为 90 毫秒或更短：即使对于执行时间最长的长尾查询，也会发生这种情况。
• 容忍误报：这意味着系统可以为用户调出许多有趣的帖子，即使有些帖子被错误地过滤掉了。

考虑到上述事实，我们需要一个具有以下功能的应用程序架构：

• 高可用性：当用户打开知乎的推荐页面时，找到大量已经阅读过的帖子是一种糟糕的用户体验。
• 出色的系统性能：我们的应用具有高吞吐量和严格的响应时间要求。
• 易于扩展：随着业务的发展和应用程序的发展，我们希望我们的系统可以轻松扩展。

勘探

为了构建具有上述功能的理想架构，我们在之前的架构中集成了三个关键组件：

• 代理：这会将用户的请求转发给可用节点，并确保系统的高可用性。
• 缓存：这暂时处理内存中的请求，因此我们并不总是需要处理数据库中的请求。这可以提高系统性能。
• 存储：在使用 TiDB 之前，我们在独立的 MySQL 上管理我们的业务数据。随着数据量的激增，独立的 MySQL 系统还不够。
  然后我们采用了 MySQL 分片和 Master High Availability Manager（ MHA）的解决方案，但是当每月有 1000 亿条新记录涌入我们的数据库时，这个解决方案是不可取的。

MySQL Sharding 和 MHA 的缺点

MySQL 分片和 MHA 不是一个好的解决方案，因为 MySQL 分片和 MHA 都有它们的缺点。

MySQL 分片的缺点：

• 应用程序代码变得复杂且难以维护。
• 更改现有的分片键很麻烦。
• 升级应用程序逻辑会影响应用程序的可用性。

MHA 的缺点：

• 我们需要通过编写脚本或使用第三方工具来实现虚拟 IP（VIP）配置。
• MHA 仅监视主数据库。
• 要配置 MHA，我们需要配置无密码安全 Shell（ SSH）。这可能会导致潜在的安全风险。
• MHA 不为从属服务器提供读取负载平衡功能。
• MHA 只能监视主服务器（而不是从主服务器）是否可用。

在我们发现 TiDB 并将数据从 MySQL 迁移到 TiDB 之前，数据库可伸缩性仍然是整个系统的弱点。

| 什么是 TiDB？

TiDB 平台是一组组件，当它们一起使用时，它们将成为具有 HTAP 功能的 NewSQL 数据库。

TiDB 平台架构

在 TiDB 平台内部，主要组件如下：

• TiDB 服务器是一个无状态的 SQL 层，它处理用户的 SQL 查询，访问存储层中的数据，并将相应的结果返回给应用程序。它与 MySQL 兼容并且位于 TiKV 之上。
• TiKV 服务器是数据持久存在的分布式事务键值存储层。它使用 Raft 共识协议进行复制，以确保强大的数据一致性和高可用性。
• TiSpark 集群也位于 TiKV 之上。它是一个 Apache Spark 插件，可与 TiDB 平台配合使用，支持商业智能（BI）分析师和数据科学家的复杂在线分析处理（OLAP）查询。
• 放置驱动程序（PD）服务器是由 etcd 支持的元数据集群，用于管理和调度 TiKV。

除了这些主要组件之外，TiDB 还拥有一个工具生态系统，例如用于快速部署的  Ansible 脚本，用于从 MySQL 迁移的 Syncer 和 TiDB 数据迁移。

以及用于收集对 TiDB 群集进行的逻辑更改并提供增量备份的 TiDB Binlog。复制到下游（TiDB，Kafka 或 MySQL）。

TiDB 的主要功能包括：

• 水平可扩展性。
• MySQL 兼容的语法。
• 具有强一致性的分布式事务。
• 云原生架构。
• 使用 HTAP 进行最小提取，转换，加载（ ETL）。
• 容错和 Raft 恢复。
• 在线架构更改。

| 我们如何使用 TiDB

在本节中，我将向您展示如何在 Moneta 的架构中运行 TiDB 以及 Moneta 应用程序的性能指标。

我们架构中的 TiDB

知乎的 Moneta 应用程序中的 TiDB 架构

我们在系统中部署了 TiDB，Moneta 应用程序的整体架构变为：

• 顶层：无状态和可伸缩的客户端 API 和代理。这些组件易于扩展。
• 中间层：软状态组件和分层 Redis 缓存作为主要部分。当服务中断时，这些组件可以通过恢复保存在 TiDB 群集中的数据来自我恢复服务。
• 底层：TiDB 集群存储所有有状态数据。它的组件高度可用，如果节点崩溃，它可以自我恢复其服务。

在该系统中，所有组件都是可自我恢复的，整个系统具有全局故障监视机制。然后，我们使用 Kubernetes 来协调整个系统，以确保整个服务的高可用性。

TiDB 的性能指标

由于我们在生产环境中应用了 TiDB，因此我们的系统具有高可用性和易于扩展性，并且系统性能得到显著改善。例如，在 2019 年 6 月为 Moneta 应用程序采用一组性能指标。

在高峰时间每秒写入 40,000 行数据：

每秒写入的数据行（数千）

在高峰时段每秒检查 30,000 个查询和 1200 万个帖子：

每秒写入的数据行（数千）

第 99 百分位响应时间约为 25 毫秒，第 999 百分位响应时间约为 50 毫秒。实际上，平均响应时间远远小于这些数字，即使对于需要稳定响应时间的长尾查询也是如此。

第 99 百分位响应时间

第 999 百分位响应时间

| 我们学到了什么

我们迁移到 TiDB 并非顺利，在这里，我们想分享一些经验教训。

更快地导入数据

我们使用 TiDB 数据迁移（DM）来收集 MySQL 增量 Binlog 文件，然后使用 TiDB Lightning 将数据快速导入 TiDB 集群。

令我们惊讶的是，将这 1.1 万亿条记录导入 TiDB 只用了四天时间。如果我们逻辑地将数据写入系统，可能需要一个月或更长时间。如果我们有更多的硬件资源，我们可以更快地导入数据。

减少查询延迟

完成迁移后，我们测试了少量的读取流量。当 Moneta 应用程序首次上线时，我们发现查询延迟不符合我们的要求。为解决延迟问题，我们与 PingCap 工程师合作调整系统性能。

在此过程中，我们积累了宝贵的数据和数据处理知识：

• 有些查询对查询延迟很敏感，有些则不然。我们部署了一个单独的 TiDB 数据库来处理对延迟敏感的查询。（其他非延迟敏感的查询在不同的 TiDB 数据库中处理。）
  这样，大型查询和对延迟敏感的查询在不同的数据库中处理，前者的执行不会影响后者。
• 对于没有理想执行计划的查询，我们编写了 SQL 提示来帮助执行引擎选择最佳执行计划。
• 我们使用低精度时间戳 Oracle（ TSO）和预处理语句来减少网络往返。

评估资源

在我们尝试 TiDB 之前，我们没有分析我们需要多少硬件资源来支持 MySQL 端的相同数据量。

为了降低维护成本，我们在单主机 - 单从机拓扑中部署了 MySQL。相反，在 TiDB 中实现的 Raft 协议至少需要三个副本。

因此，我们需要更多的硬件资源来支持 TiDB 中的业务数据，我们需要提前准备机器资源。

一旦我们的数据中心设置正确，我们就可以快速完成对 TiDB 的评估。

| 对 TiDB 3.0 的期望

在知乎，反垃圾邮件和 Moneta 应用程序的架构相同。我们在用于生产数据的反垃圾邮件应用程序中尝试了 TiDB 3.0（TiDB 3.0.0-rc.1 和 TiDB 3.0.0-rc.2）的候选版本中的 Titan 和 Table Partition。 

①Titan 缩短了延迟

反垃圾邮件应用程序一直受到严重的查询和写入延迟折磨。

我们听说 TiDB 3.0 将引入 Titan，一种键值存储引擎，用于在使用大值时减少  RocksDB（TiKV 中的底层存储引擎）的写入放大。为了尝试这个功能，我们在 TiDB 3.0.0-rc.2 发布后启用了 Titan。

下图分别显示了与 RocksDB 和 Titan 相比的写入和查询延迟：

在 RocksDB 和 Titan 中编写和查询延迟

统计数据显示，在我们启用 Titan 后，写入和查询延迟都急剧下降。这真是太惊人了！当我们看到统计数据时，我们无法相信自己的眼睛。

②表分区改进了查询性能

我们还在反垃圾邮件应用程序中使用了 TiDB 3.0 的表分区功能。使用此功能，我们可以按时将表分成多个分区。

当查询到来时，它将在覆盖目标时间范围的分区上执行。这大大提高了我们的查询性能。

让我们考虑一下如果我们将来在 Moneta 和反垃圾邮件应用程序中实施 TiDB 3.0 会发生什么。

③Moneta 应用程序中的 TiDB 3.0

TiDB 3.0 具有诸如 gRPC 中的批处理消息，多线程 Raftstore，SQL 计划管理和 TiFlash 等功能。我们相信这些将为 Moneta 应用增添光彩。

④gRPC 和多线程 Raftstore 中的批处理消息

Moneta 的写入吞吐量超过每秒 4 万次交易（TPS），TiDB 3.0 可以批量发送和接收 Raft 消息，并且可以在多个线程中处理 Region Raft 逻辑。我们相信这些功能将显著提高我们系统的并发能力。

⑤SQL 计划管理

如上所述，我们编写了大量 SQL 提示，以使查询优化器选择最佳执行计划。

TiDB 3.0 添加了一个 SQL 计划管理功能，可以直接在 TiDB 服务器中将查询绑定到特定的执行计划。使用此功能，我们不需要修改查询文本以注入提示。

⑥TiFlash

在 TiDB DevCon 2019 上，我第一次听说 TiFlash 是 TiDB 的扩展分析引擎。

它使用面向列的存储技术来实现高数据压缩率，并在数据复制中应用扩展的 Raft 一致性算法以确保数据安全性。

由于我们拥有高写入吞吐量的海量数据，因此我们无法每天使用 ETL 将数据复制到 Hadoop 进行分析。但是对于 TiFlash，我们乐观地认为我们可以轻松分析我们庞大的数据量。

⑦反垃圾邮件应用程序中的 TiDB 3.0

与 Moneta 应用程序的巨大历史数据大小相比，反垃圾邮件应用程序具有更高的写入吞吐量。

但是，它仅查询过去 48 小时内存储的数据。在此应用程序中，数据每天增加 80 亿条记录和 1.5 TB。

由于 TiDB 3.0 可以批量发送和接收 Raft 消息，并且它可以在多个线程中处理 Region Raft 逻辑，因此我们可以用更少的节点管理应用程序。

以前，我们使用了七个物理节点，但现在我们只需要五个。即使我们使用商用硬件，这些功能也可提升性能。

| 下一步是什么

TiDB 是一个与 MySQL 兼容的数据库，因此我们可以像使用 MySQL 一样使用它。

由于 TiDB 的横向可扩展性，现在我们可以自由扩展我们的数据库，即使我们有超过一万亿的记录来应对。 

到目前为止，我们已经在我们的应用程序中使用了相当多的开源软件。我们还学到了很多关于使用 TiDB 处理系统问题的知识。

我们决定参与开发开源工具，并参与社区的长期发展。基于我们与 PingCAP 的共同努力，TiDB 将变得更加强大。

代码托管仓库：https://gitee.com/suzhou-mopdila-information/ruyuan-dfs

原文链接：https://dzone.com/articles/lesson-learned-from-queries-over-13-trillion-rows-1