摘要：小螞蟻說相信大家對螞蟻金服自主研發(fā)的金融級分布式關(guān)系數(shù)據(jù)庫的故事不再陌生了。文末有彩蛋在普通硬件上提供極限性能的數(shù)據(jù)庫服務(wù)是完全自主研發(fā)的金融級分布式關(guān)系數(shù)據(jù)庫，從架構(gòu)上可以通過擴展機器來解決集群服務(wù)能力的擴展需求。

小螞蟻說：
相信大家對螞蟻金服自主研發(fā)的金融級分布式關(guān)系數(shù)據(jù)庫OceanBase的故事不再陌生了。在剛剛過去的2018年天貓雙11中，成交額2135億再次創(chuàng)造了新紀錄，而支撐今年雙11的支付寶核心鏈路就是OceanBase
2.0版本。
本文小螞蟻將為大家詳述OceanBase如何在去年同樣機器數(shù)量的情況下，來支撐今年雙11的流量洪峰，一起來學習一下吧~

本文作者為螞蟻金服OceanBase團隊資深技術(shù)專家顏然，他也是OceanBase初創(chuàng)成員之一，目前負責事務(wù)引擎以及性能優(yōu)化方面的研發(fā)工作。（文末有彩蛋）

OceanBase：在普通硬件上提供極限性能的數(shù)據(jù)庫服務(wù)

OceanBase是完全自主研發(fā)的金融級分布式關(guān)系數(shù)據(jù)庫，從架構(gòu)上可以通過擴展機器來解決集群服務(wù)能力的擴展需求。

OceanBase采用多副本復(fù)制的方案解決了可靠性和可用性的需求，而且構(gòu)建在普通PC服務(wù)器上，不依賴于高端引擎。

我們的目標是在普通硬件上提供極限性能的數(shù)據(jù)庫服務(wù)。那么，OceanBase的存儲引擎有什么特點呢？

OceanBase的存儲引擎類似于LSMTree，所有新增的修改都會先記錄在Memtable中，這些數(shù)據(jù)的變更并不會實時寫到磁盤上，而會在后臺定期寫到硬盤上。

不管是磁盤還是SSD，當有大量寫入的時候，它的讀取性能都會受到很大影響。從一開始OceanBase的架構(gòu)就是為了適應(yīng)這種硬件的特性，所以沒有隨機寫的操作，對于SSD和磁盤都很友好，可以將硬盤的吞吐量優(yōu)勢發(fā)揮出來，把硬件資源最好的性能壓榨出來。

OceanBase從0.x版本到1.x版本，再到現(xiàn)在的2.0版本，一直在推動的一件事就是把硬件的性能做到極致，希望在同樣的硬件條件下能給業(yè)務(wù)帶來更多性能的空間。OceanBase的目標一直是有極致性能并且性價比最好的數(shù)據(jù)庫。

OceanBase的性能目標：極致壓榨硬件性能

從用戶使用角度來看，數(shù)據(jù)庫有兩個重要的指標，延遲（Latency）和吞吐量（Throughput）。這是兩個非常不一樣的指標。

根據(jù)排隊論模型，這兩者之間的關(guān)系如上圖所示：隨著吞吐量增加，延遲近似指數(shù)倍增長。

當整體系統(tǒng)的性能不是特別高的時候，可以保持延遲的穩(wěn)定性。當系統(tǒng)性能壓力很高的情況下，延遲會增加，我們要做的事情就是要在一個合理的延遲情況下，讓吞吐量可以盡可能大。換句話說，其實就是把一個請求要做的事情盡可能的減少，然后讓單位時間內(nèi)能做的請求盡可能的多。性能優(yōu)化的最終目標就是在延遲可以接受的場景下，盡可能提高系統(tǒng)的吞吐量。

性能優(yōu)化工作

在剛剛過去的2018年天貓雙11中，成交額2135億再次創(chuàng)造了新紀錄。那么在螞蟻金服/支付寶這樣的場景下，支付的壓力會全部落在OceanBase 2.0版本上。在2.0版本里我們做了一個很重要的事情來進一步壓榨硬件的性能——也就是在去年同樣機器數(shù)量的情況下，來支撐今年的流量洪峰。

在同樣的硬件環(huán)境，同樣的機器規(guī)模數(shù)這些條件下，通過升級的服務(wù)器版本以及服務(wù)器的部署方式，來提供今年雙11在0:00:00洪峰到來時的抗壓能力。 雙11的支付壓力是典型的OLTP模型，有大量的增刪改查操作。OceanBase的存儲模型決定了操作主要在內(nèi)存中進行，所以在滿負荷運轉(zhuǎn)下CPU是主要瓶頸。

CPU的資源如何壓榨到極致，其實主要包含兩方面的工作：

一是優(yōu)化語句執(zhí)行消耗指令數(shù)（Instructions /SQL），即每個請求需要執(zhí)行的指令數(shù)，指令越少越好；
二是優(yōu)化系統(tǒng)執(zhí)行指令的效率（Cycles /Instruction），可以用CPI（Cyclesper Instruction）表示。

系統(tǒng)性能由每一行代碼決定

任何一段代碼都可能導致bug，任何一行代碼也都有性能優(yōu)化的空間。針對不同的場景，我們需要深入到每行代碼里去看可以做什么樣的優(yōu)化。

OceanBase 2.0版本進行了深度的優(yōu)化獲得了很好的性能提升。上圖所列的只是其中一部分優(yōu)化工作。性能優(yōu)化是一個事無巨細的工作，有點類似于測試工作，本質(zhì)上每一行代碼都會影響系統(tǒng)的性能。

優(yōu)化CPU開銷

Commit異步化

在OceanBase已有的模型里，網(wǎng)絡(luò)模塊有多帶帶的線程池負責和客戶端通信，接受用戶請求和返回請求結(jié)果。接收到的請求會發(fā)在任務(wù)隊列中由工作線程處理。

相比較于每一個用戶的連接使用一個獨立的線程服務(wù)的模型，OceanBase的模型可以大大減少上下文切換的次數(shù)。

對于SQL語句的執(zhí)行，這已經(jīng)是一個很好的模型了。但是對于事務(wù)的提交操作，需要將日志在本地持久化和發(fā)送到其他副本持久化，提交操作又會使得工作線程出現(xiàn)等待的情況。

Commit異步化是在事務(wù)提交日志后不再等待日志持久化，工作線程可以直接去隊列中取下一個任務(wù)執(zhí)行。等日志持久化完成后，通過回調(diào)的方式出發(fā)事務(wù)提交完成的操作和給用戶發(fā)送請求的結(jié)果。

優(yōu)化系統(tǒng)擴展性

擴展性問題

我們做了很多事情讓系統(tǒng)少做無謂的事情，多做有用的事情，也就是增加CPU做有效工作的時間占比。

機器的CPU核數(shù)越來越多，從原來的幾十個核和現(xiàn)在的一百多個核，在英特爾的PC Server上都是很常見的場景。系統(tǒng)在服務(wù)器上運行，多核CPU的擴展性是一個很重要的方面。這里以計數(shù)器場景舉例，單個線程和多個線程一起操作同一個計數(shù)器，后者因為多個核之間競爭同一個內(nèi)存單元，性能會下降幾百倍。其實有時候人多不一定力量大，人多也有可能導致大家一起搶賽道。

在系統(tǒng)中也大量存在類似的競爭場景，內(nèi)存分配器是一個常見場景。多個線程在操作同一個memtable時，會從連續(xù)的內(nèi)存塊中分配內(nèi)存，分配內(nèi)存的操作就好似計數(shù)器的競爭。所以，要把memtable的內(nèi)存分配操作做成分區(qū)的形式，減少多個核之間的競爭。

說到底性能優(yōu)化其實就是在優(yōu)化系統(tǒng)的各個細節(jié)，每個細節(jié)都要做到極致，最終性能才能壓榨到最好的那個點，才能把硬件本身的性能發(fā)揮到最好。

性能無止境

我們可以看到，藍色塊代表的是OceanBase 1.4版本，也就是我們現(xiàn)在使用的主力版本，綠色塊代表了OceanBase 2.0版本。A場景是下單場景，也就是點提交訂單時的操作，B場景是支付場景，就是登到支付寶里去最終付款的場景。

最后結(jié)果是：在下單場景下，OceanBase 2.0版本比1.4版本的性能提升了63%，在支付場景下，提升了58%。

OceanBase的未來

未來OceanBase會加強面向全棧的優(yōu)化，同時會對工作負載進行優(yōu)化，也會有面向新硬件方面的優(yōu)化工作。

OceanBase會持續(xù)進行性能優(yōu)化的工作，目的是持續(xù)為用戶提供具有最高極限性能以及最好性價比的產(chǎn)品。這是OceanBase所一直秉承的理念。