欢迎大家来到IT世界,在知识的湖畔探索吧!
MemSQL的纯内存设计理念
- MemSQL使用RAM作为Primary Storage。
- 传统数据库使用磁盘作为Primary Storage。内存只做缓存用。
- MemSQL通过lock-free skip lists and hash table来优化读。传统的缓存无法实现这种优化。
- 内存不够,拒绝写请求。
- 数据默认是异步批量顺序写log,结合定时快照以实现持久化。
以内存为中心就是要最大程度的发挥内存介质的性能,而不是仅仅把内存当成cache来用
-围绕内存设计数据组织格式
- 比如MemTable的无锁跳表
- 内存数据如何更好的支持持久化和恢复(比如Ignite围绕page的内存数据组织方式)
- Optimization of T-Tree Index of Main Memory Database in Critical Application
- 内存数据库中的索引技术
- 内存数据库索引研究
- 新型存储介质对数据管理的影响
– 围绕内存设计并发访问控制
- An Empirical Evaluation of In-Memory Multi-Version Concurrency Control
- High-Performance Concurrency Control Mechanisms for Main-Memory Databases
- Haketon的高性能并发控制算法
- 一文详解分布式数据库并发控制
- 不同MVCC实现优缺点
- Fast Serializable Multi-Version Concurrency Control for Main-Memory Database Systems
- Concurrent Programming Without Locks
– 围绕内存的引擎设计(所有工作围绕如何降低指令数展开)
- 优化索引实现
> B-Tree的一次索引查询至少要执行上千条指令
> 传统的围绕磁盘的设计需要考虑复杂的buffer实现
> Hekaton数据全部放内存,通过log和快照进行持久化
> Hekaton不持久化索引,重启时通过快照和log重建索引
- 清除所有的锁
> memory allocators, hash and range indexes, and transaction map, are entirely latch-free (lock-free).
> There are no latches or spinlocks on any performance-critical paths in the system.
> uses a new optimistic multiversion concurrency control to provide transaction isolation semantics, no locks and no lock table.
- 将请求编译成native code
> 大部分DBMS都是基于解释器方式来执行用户的查询请求,这会导致非常多的指令消耗。
- 不分区
> HyPer, Dora, H-store, and VoltDB是采用分区方式,将CPU和分区数据进行绑定来提高性能。
> 分区的性能提升只对那些可分区的workload有效,对于无法分区的请求会导致严重的性能损耗。
> 一个无法分区的请求,需要将请求分发到所有分区上执行,然后再汇聚结果,这中间的开销非常高。(这一点会导致yugabyte的读请求无法提前执行)
> Hekaton经过多方评估,最终选择了No Partitioning模式。
- 持久化
> transaction log + checkpoint
> 顺序写:客户把钱花到内存上而不是SSD上
> 把时间消耗推迟到恢复阶段而不是事务执行阶段
> 在恢复阶段并行化,以提高IO和CPU利用率
> transaction log
> 采用Group Commit来提高吞吐
> 不采用WAL
> 多并发的log stream来解决日志尾部的扩展瓶颈(tail of the transaction log is typically a bottleneck)
- checkpoint
> 目的是提高恢复效率
> 增量方式持续进行(以解决定时方式导致的系统性能不稳定问题)
> Streaming I/O:规避随机IO(即使SSD)带来的性能和CPU消耗
> 差量方式存储数据
对于实时读写请求来说,内存是数据的终点
- 数据写到内存之后,就应该通知客户写成功
- 数据写到内存之后,就应该可见
- 数据的持久化需要尽量小的影响性能
初步结论
- 目前大部分的HTAP系统都仅仅是即支持TP又支持AP;并且针对AP的设计也主要围绕海量数据分析场景;
- OLAP场景和HTAP中的AP场景不同,一个是低频的海量数据分析场景,一个是为TP过程提供的快速AP能力。我们应该是重点关注后者,同时支持前者;
- 以内存为中心就需要最大化的发挥内存的性能优势。
MemFire Cloud是基于MemFireDB云原生和线性扩展能力而打造的数据库云服务,致力于为互联网用户提供一站式数据库自助服务,实现按需使用,随用随取,最大化的节约成本,加速用户的业务创新。
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://itzsg.com/17604.html