浅谈数据库集群方案

Posted 2020-11-24

单点数据库

数据库往往是系统中的性能瓶颈，所以通常在系统设计中会引入各种各样的缓存机制，以避免频繁访问数据库。另外，数据库由于其重要性，高可用要求也是避免不了的，因为一旦数据库挂了基本上整个系统也就不能使用了。

而以上这些常见问题都是单点数据库带来的限制，为了解决这些问题，达到高性能、高可用的目的，我们就需要在系统架构设计中采用数据库集群方案。

性能测试

既然单点数据库存在性能问题，那么有没有实际数据呢？下面我们就来对单点数据库进行一个性能测试，看看其并发极限大概是多少。我这里使用了一台2核2G的云服务，mysql版本为8.0.18。

mysql自带了一个性能测试工具：mysqlslap，我们可以使用该工具进行测试，具体的测试参数如下：

[root@localhost ~]# mysqlslap -hlocalhost -uroot -pyour_password -P3306 --concurrency=500 --iterations=1 --auto-generate-sql --auto-generate-sql-load-type=mixed --auto-generate-sql-add-autoincrement --engine=innodb --number-of-queries=500

主要参数说明：	参数	说明
--concurrency	并发数量，即模拟的客户端数量
--iterations	执行多少次该测试
--auto-generate-sql	使用系统自己生成的SQL脚本来测
--auto-generate-sql-load-type	要测试的是读还是写还是两者混合的（取值：read, write, update, mixed）
--auto-generate-sql-add-autoincrement	将自增的列添加到自动生成的表中
--engine	要测试的存储引擎
--number-of-queries	每个客户端的访问次数，该数值除以并发数量就是每个客户端的访问次数，在本例中：500 / 500 = 1

• 更多内容详见官方文档

这里我分别进行了不同量级的测试，在并发500、1000和5000个连接时，数据库还可以正常处理，没有太大问题：

# 500个并发连接
Benchmark
    Running for engine innodb
    Average number of seconds to run all queries: 0.391 seconds
    Minimum number of seconds to run all queries: 0.391 seconds
    Maximum number of seconds to run all queries: 0.391 seconds
    Number of clients running queries: 500
    Average number of queries per client: 1

# 1000个并发连接
Benchmark
    Running for engine innodb
    Average number of seconds to run all queries: 0.802 seconds
    Minimum number of seconds to run all queries: 0.802 seconds
    Maximum number of seconds to run all queries: 0.802 seconds
    Number of clients running queries: 1000
    Average number of queries per client: 1

# 5000个并发连接
Benchmark
    Running for engine innodb
    Average number of seconds to run all queries: 3.884 seconds
    Minimum number of seconds to run all queries: 3.884 seconds
    Maximum number of seconds to run all queries: 3.884 seconds
    Number of clients running queries: 5000
    Average number of queries per client: 1

但在测试1w个并发连接时，数据库就开始报无法连接的错误了：

由该测试案例可知，普通的单节点数据库性能瓶颈大概在1w个并发连接左右。当然这里的测试结果与机器的硬件差异有关，只是提供一个参考。

---

PXC集群方案

上一小节介绍了单点数据库存在的问题，以及进行了一个简单的性能测试。为了应对这些问题，我们需要将单点数据库向集群转变。

目前存在许多的数据库集群方案，而这些方案中也没有哪个好那个坏，只有适合的才是好的。本小节则介绍一下主流的方案之一：PXC集群方案，其架构图大致如下：

• PXC集群最大的特点就是数据读写的强一致性，在图中的任意一个节点写入数据，其他的节点就一定能读到这个数据。不会出现A节点成功写入，而读B节点时读取不到数据。该特性使得PXC集群适合存储高价值重要数据，因为类似于订单、钱有关的数据基本都有强一致性的要求

上图只是PXC集群最基础的架构，所以还有优化的余地。我们都知道mysql的单表数据处理的性能极限在2千万左右，当数据达到这个量级时，mysql的处理性能就会很低下了。而上图中每个PXC节点都会进行数据的同步，所以当每个节点的数据量级都达到2千万时，整个集群的性能就会降低。

这时就需要增加多一个集群，并且这两个集群之间的数据是不进行同步的。为了让不同的集群存储不同的数据，就得引入Mycat这种数据库中间件将数据进行切分，让数据可以在不同的集群上进行读写，分散存储压力。在这个场景下，一个集群称为一个数据分片。如图：

PXC集群工作原理

我们知道数据库数据的一致性和持久性是通过事务来保证的，而PXC集群的强一致性也是采用了事务，只不过这个事务是分布式事务。

客户端在写入数据完成后，同样需要提交一个事务，在事务内节点之间会进行数据的同步复制。该事务会作用到集群内的所有节点上，保证所有节点要么全写入成功，要么全写入失败。这里用一个时序图表达一下大致流程：

搭建PXC集群需要注意的事项：

• PXC集群中的节点并不是越多越好，节点多并不能提高性能。相反，节点多意味着同步数据所需的耗时就越多，反而会降低性能。通常来讲，一个PXC集群最好是不超过15个节点。若需要更多的节点时，应当搭建一个新的集群，然后用中间件来做分片。
• PXC集群的性能不取决于配置最好的那个节点，而是取决于配置最差的那个节点，这和电脑硬件是类似的。所以我们应当尽量保证PXC集群内的节点配置都趋于一致，避免某个节点配置太差而拖慢了集群的整体性能。

PXC简介

说了那么多，我们还没介绍PXC是个啥玩意呢。PXC是Percona XtraDB Cluster的缩写，PXC是基于mysql自带的Galera集群技术，将不同的mysql实例连接起来，实现的多主集群。在PXC集群中每个mysql节点都是可读可写的，也就是主从概念中的主节点，不存在只读的节点。

PXC可以集群任何mysql的衍生版本，例如MariaDB和Percona Server。由于Percona Server的性能最接近于mysql企业版，性能相对于标准版的mysql有显著的提升，并且对mysql基本兼容。所以在搭建PXC集群时，通常建议基于Percona Server进行搭建。

---

Replication集群方案

PXC集群的数据强一致性是以牺牲性能为代价的，因为客户端需要等待所有的节点写入数据。而与之相反的一种集群方案就是本小节要介绍的Replication集群。该方案不牺牲性能，但不具有数据强一致性，正可谓鱼和熊掌不可兼得。

所谓读写非强一致的意思就是在A节点成功写入数据，并提交了事务。但在B节点上进行读取时，可能会读取不到写入的数据。

因为这里提交的事务只是该节点的本地事务，只能保证数据成功写入了该节点，而不保证数据成功写入整个集群内的节点。当该节点与其他节点进行数据同步时，可能会由于种种原因没有成功同步数据，从而导致在其他节点上读不到该数据。

所以该集群方案就不适合保存高价值的数据，但对于非高价值的数据，又对读写性能要求高的，就适合采用该集群方案。例如，用户行为日志、操作日志及商品描述等这类非重要的数据。

同样的，上图只是Replication集群最基础的架构，也需要在数据量达到一定规模时采用Mycat对数据进行分片处理。如图：

实际上，在大型的系统架构中，往往不是单独采用某一种特定的集群方案，而是多种方案进行结合。例如，PXC集群和Replication集群就可以结合使用，让PXC集群存储高价值数据，Replication集群存储低价值数据。然后采用Mycat等数据库中间件来完成集群之间的数据分片及管理，如图：

---

总结

• PXC集群采用同步复制，事务在所有的集群节点要么同时提交，要么不提交，能够保证集群中的数据强一致性。但性能相对较低，客户端需等待所有节点同步复制完成
• Replication集群采用异步复制，无法保证数据的强一致性。性能相对较高，客户端只需要等待目标节点的本地事务提交成功即可，而不需要等待所有节点成功复制完数据
• PXC和Replication集群都只实现了数据的同步，没有数据切分功能。当数据量大时，需要引入Mycat等数据库中间件来做数据的切分及管理
• PXC和Replication集群方案并不排他，且各有优劣，可以结合一起使用，以达到取长补短的效果。高价值数据存储至PXC集群，低价值数据存储至Replication集群