POLARDB v2.0 技术解读

Stella981
• 阅读 903

回顾POLARDB 1.0

POLARDB 1.0 主要的改进包括采用了计算存储分离的架构,完全兼容MYSQL,性能是原生MySQL的6倍。一个用户集群可以在分钟级弹性扩展到16个计算节点,对业务完全透明的计算和存储分离代理,从库延迟仅毫秒级。存储为分布式块存储,可以弹性扩展至100TB的规模。存储层面采用多副本技术,使得数据库的RPO做到了0,完全没有丢失数据的风险。

POLARDB v2.0 技术解读

POLARDB 1.0 完美的解决了传统数据库的如下痛点:

1、升级硬件需要迁移数据,升级周期长,无法从容应对突如其来的业务高峰。
(POLARDB的计算节点可以分钟级扩容,任何时刻发现业务量突变即可快速扩容。)

2、金融级可靠性要求RPO=0,传统架构使用实例层同步多副本,性能损耗巨大。
(POLARDB的存储为多副本,底层使用RDMA、Parallel Raft、3D Xpoint等最新的软硬件技术,性能比传统架构最高提升6倍。)

3、实例层复制HA架构,主从切换时间长,无法满足金融级连续性要求。
(POLARDB采用共享存储,主从切换可以做到秒级,同时在计算与业务层之间有一层代理层,代理层可以帮助用户识别计算节点的异常,自动切换,在大多数时候业务感知不到计算节点的切换,保证了业务连续性。)

4、传统HA架构采用主从异步复制,切换后从库可能需要重建,耗费资源多,重建时间长,存在长时间单点故障。
(POLARDB采用共享存储架构,主从切换不需要数据重构。)

5、每个只读节点都需要一份与主完全一样的副本,成本高。
(POLARDB采用共享存储架构,增加计算节点,不需要增加存储副本数,使得整体成本相比传统架构低很多。)

6、读写分离采用逻辑REDO复制,主从延迟高。
(POLARDB的数据存储为共享存储,不需要同步REDO数据,只需要同步REDO的位点,主从延迟在毫秒级。)

7、sharding架构没有想象的好,功能阉割、对业务有巨大侵入(限制SQL较多)。
(POLARDB完全兼容MYSQL,对业务没有任何侵入,用户不需要修改一行代码即可使用POLARDB。)

8、TB以上实例备份慢,往往数十小时。
(POLARDB使用快照备份技术,无论数据量多大,秒级备份)

POLARDB 1.0 已经发布两年以来,赢得了很多企业级客户的青睐。POLARDB 1.0已经很完美了,我们为什么还要研发2.0呢?

为什么要研发 2.0

1、用户的去O需求旺盛,却屡试屡败

POLARDB v2.0 技术解读

为什么很多用户去O会屡试屡败呢?

1、企业有非常严重的历史包袱

1.1、企业通常技术栈为Oracle技术栈(团队),适应其他产品的周期长,调头难

1.2、迁移如果涉及大量代码改造,周期长、风险高、收益低

1.3、通常目标引擎数据库Oracle兼容性非常差,用户需要大量的改造

2、缺乏有效的迁移方法、工具

2.1、迁移改造工作量很难评估,迁移周期很难评估,周期通常非常长(别人的成功去O经验无法复制)

2.2、没有有效的数据迁移、数据校验、仿真工具。拍脑袋去O风险非常大。

3、目标数据库引擎众多、选择难

3.1、有些企业为了去O而去O,没有产生业务价值,企业没有动力

3.2、目标引擎的可靠性、安全性、扩展性、兼容性、稳定性、性能、可用性等指标可能无法达到用户的需求

2、数据库的企业要求,既要,又要?

企业要求数据库既要SQL通用性,又要NoSQL扩展性,还要多模数据处理便捷性。既要高并发、又要实时复杂分析。然而传统数据库无法满足既要又要还要的需求。传统数据库往往采用数据同步多份(就像蜘蛛网),不同场景使用不同产品解决的方案。导致的问题非常多,用户苦不堪言:

1、软硬件成本高,同步延迟,同步数据不一致,

2、开发成本高,排错复杂等头痛的问题阻碍企业业务发展!

POLARDB v2.0 技术解读

3、企业的历史数据象五指山一样压得喘不过气。

企业的数据库通常生命周期非常的长,在整个生命周期的过程中,会产生很多被遗忘的“临时”数据(例如业务的历史数据库,开发或DBA在数据库中操作或产生过的临时数据,这些临时数据历经数年,可能已经无法分辨是属于什么业务的,还要不要被用到,还能不能删除等等。)慢慢就像“鸡肋”一样食之无味、弃之不行。大量“鸡肋”一样的冷数据占用大量空间,又不能删。逐渐成为数据库沉重的包袱。

(数据库存储价格昂贵、备份消耗大、大量占空间、恢复慢)。

POLARDB v2.0 技术解读

4、专业的GIS处理场景,使用开源版本性能、功能无法满足?

随着物联网、智能终端、移动互联网的发展,越来越多的移动数据接入,应用对GIS数据的处理需求会越来越旺盛,据分析GIS已经是千亿级的市场规模,然而开源的GIS产品可能无法满足日渐丰满的需求。

POLARDB v2.0 技术解读

5、高级DBA太难找、且价格昂贵

高级DBA是大型企业才会设置的职位,价格昂贵、人才缺失。他们的日常可能是喝喝茶、聊聊人生,一切尽在掌握中,问题已经防范于未然。而且这种DBA通常可遇不可求。

大多数的企业通常是SA或开发兼职DBA的工作,他们的日常可能是既要又要还要了。往往是数据库出了事情再来处理,所谓术业有专攻,SA或开发人员处理数据库问题(不管是性能问题还是管理问题),通常时间也可能很久。

POLARDB v2.0 技术解读

2.0 重磅发布新特性

POLARDB 2.0 完全继承了1.0的架构体系,同时兼容了另外两个流行数据库Oracle与PostgreSQL

POLARDB v2.0 技术解读

POLARDB for PostgreSQL

完全兼容PostgreSQL,支持计算与存储分离、独立伸缩,存储按量付费。适合中大型企业核心业务。

【OLTP+OLAP混合负载】

支持混合负载业务,支持百万级高并发,支持并行计算,支持会话级资源隔离。
一个实例,一份数据,同时支持在线业务、实时分析混合业务。
原来用户需要将数据从在线数据库同步到数仓,问题非常多,POLARDB v2.0解决了跨产品数据同步带来的延迟、一致性、成本、使用习惯等问题。

1、技术指标:

最多支持16个计算节点,每个阶段节点88核;
每计算节点可提供百万级QPS;
支持对业务完全透明的并行计算,平均提速20倍以上,无惧复杂SQL;

【多模计算】

多模计算全面覆盖GIS、时空、时序、全文检索、图像识别、多维查询、向量相似、机器学习。
原来用户需要诸多产品来解决以上不同业务场景遇到的问题,数据需要在各个产品之间同步,异构同步带来延迟、一致性、成本、使用习惯等问题。
POLARDB v2.0新增引擎解决了以上问题。

1、技术指标:
ganos专业级时空组件,兼容GIS标准,MOD模型比PostGIS 50-100倍性能提升;
内置全文检索、图像识别、多维查询、向量计算、工业时序等多模组件;
内置schemaless、KV等nosql特性;
支持多达8种索引接口(btree,hash,gin倒排索引,GiST空间索引,SP-GiST空间分区索引,BRIN时序索引,rum全文索引,bloom布隆索引),满足
各种多模数据的高速检索需求;

POLARDB for Oracle

高度兼容Oracle,降低Oracle迁移风险、缩短迁移周期,助力企业快速替换Oracle,进入云智能时代。

【深度Oracle兼容】

大幅降低用户去O风险、缩短去O周期。用户去O从数年降低到数周。

POLARDB v2.0 技术解读

1、技术指标:

  • SQL语法、类型、函数、PL/SQL、包、系统视图、OCI、PRO*C等全方位兼容Oracle;
  • 兼容Oracle分区表、异构查询、HINT等高级功能;
  • 支持3155个函数,26个包,317种包内方法,88个系统视图;

【智能驾驶】

POLARDB v2.0 for Oracle版,内置SQL防火墙。可以防SQL注入与SQL误操作。解决企业的数据库安全问题。

POLARDB v2.0 for Oracle版,内置索引推荐功能。是企业数据库优化的好帮手,一键解决索引优化难题

POLARDB v2.0,支持AAS性能洞察。在没有专业DBA的情况下,可以一键洞悉宏观、微观业务问题。帮助企业及时发现业务问题。

1、技术指标:

  • SQL学习模式,防SQL注入与SQL误操作;
  • 索引推荐,一键解决索引优化难题;
  • AAS性能洞察,一键洞悉宏观、微观业务问题;

【云原生】

使用POLARDB v2.0替代ORACLE,可以获得POLARDB强大的云原生能力。通过oss_fdw接口可以读写OSS数据,支持冷热分离,对接云端海量算力(函数计算、MAXCompute),获得强大的数据处理能力。企业加快推向DT时代。

1、技术指标:

  • OSS外部表,冷热数据分离存储,历史数据想存多久都可以;
  • 无缝对接云端海量算力(ADB、MaxCompute、OSS函数计算等);

2.0 适合哪些业务场景和客户

1、适用场景

  • 替换Oracle数据库
  • 企业核心数据库
  • GIS时空数据库

2、适合客户
企业级客户(党政军、医疗、新零售、新制造、科研机构、金融、互联网、物联网、交通、航空、地图,气象,测绘,LBS,国土,GIS等专业领域)

2.0 关键技术点解读

1、智能驾驶

1、SQL防火墙,防SQL注入,防误操作。

POLARDB v2.0 技术解读

SQL防火墙背后的原理,POLARDB v2.0 for Oracle 通过开启SQL学习模式来学习业务发起的SQL请求,数据库将SQL请求变量化,转换为SQL HASH,存储起来作为SQL白名单。

当学习模式结束后,可以开启permission模式,如果有非白名单内的SQL请求,则发出警告。DBA可以关注到这个警告,判断是否为异常请求。

用户也可以将模式改为强制模式,如果有非白名单内的SQL请求,则会拒绝这样的请求,从而根本上防止SQL注入,防止用户误操作。

除此以外,POLARDB v2.0 for Oracle 还支持规则配置,例如可以拒绝不带WHERE条件的DML请求,拒绝WHERE 条件始终为TRUE的DML请求,从而防止SQL注入攻击或人为的误操作。

2、索引推荐,即使是数据库小白用户,也能一键优化数据库。

POLARDB v2.0 技术解读

用户可以在会话中开启索引推荐的模块,一旦开启,这个会话发起的SQL请求会被后台分析,在运行一段时间后,调用索引推荐函数,我们可以看到数据库已经对到当前会话执行过的SQL进行了索引推荐的优化。

3、性能洞察,这个功能是非常强大的,通过等待时间的采集,打点,我们可以观察到数据库在过去的任意时刻是否遇到性能瓶颈,性能瓶颈是什么?即使企业中没有专业的DBA,也能轻而易举的发现数据库的性能问题。

2、并行计算,多达几十种场景,平均20倍性能提升

  • 并行计算解决了复杂查询慢的问题,在企业中,我们通常会有数据分析的需求,以往由于关系数据库的分析计算能力差,需要将关系数据库的数据同步到大数据平台进行分析,而同步会有延迟、会有成本开销、会有同步问题等等。用户苦不堪言。
  • POLARDB v2.0 内置了并行计算的功能,并行度会根据SQL的成本(复杂度的衡量)来规划,复杂SQL会启用并行计算,同时并行度也是自动计算的。使得用户不需要将数据同步到外部,也能实现实时分析。
  • POLARDB v2.0 的并行计算覆盖了数十种场景,实测性能提升平均20倍以上。

3、会话级资源隔离

  • 当用户有OLTP业务同时混合了OLAP业务时,OLTP的并发高,要求的RT低。OLAP的并发低,但是对计算要求很高,跑OLAP业务会占用大量的资源。
  • POLARDB 支持16个计算节点,我们可以采用不同的计算节点来隔离OLAP,OLTP业务。
  • 但是,如果用户的TP、AP业务在同一个计算节点时,还有更好的方法,会话级资源隔离,目前支持CPU和IO的资源隔离。

POLARDB v2.0 技术解读

4、ganos时空多模组件

ganos是阿里巴巴自研的3S引擎,兼容GIS标准,支持平面几何模型、球面几何模型、栅格模型、时空轨迹模型、点云模型、拓扑网络模型等。

POLARDB v2.0 技术解读

ganos相比开源GIS的优势也非常明显。

POLARDB v2.0 技术解读

5、云原生的冷热分离

  • POLARDB v2.0 可以将OSS作为数据存储,用户通过创建oss_fdw外部表插件,建立OSS外部表,可以将数据写入OSS,也可以从OSS读取。采用标准的SQL接口。
  • 因此对于访问较少的冷数据,用户可以将数据存储在OSS,降低数据库的分布式块存储的成本,得到无限的存储空间。
  • 同时由于OSS与云端的MAXCompute, ADB, 函数计算等都是打通的,所以当用户是非常大型的企业,需要对多个数据库实例进行横向的大数据分析时,OSS_FDW无疑是一种非常好的数据共享方法,将多个实例的数据通过OSS进行分析,打通大计算。

POLARDB v2.0 技术解读

6、为什么2.0支持多模

1、传统数据库通常只支持1种索引,而POLARDB v2.0 支持8种索引

  • btree、hash、gin、brin、gist、spgist、bloom、rum

2、传统数据库通常仅支持几种数据类型,而POLARDB v2.0支持大量数据类型

时间、字符串、数值,货币,字节流,比特,枚举,布尔,几何,网络,全文检索,UUID,JSON,XML,数组,复合,范围,域,图像,树,多维立方,GIS,rb,HLL,K-V,还支持扩展类型

3、POLARDB v2.0 还支持了非常多的多模插件,大幅度的帮助用户提高开发生产效率。

POLARDB v2.0 技术解读

小结

POLARDB v2.0 for Oracle,高度兼容Oracle,同时支持了SQL防火墙、自动索引推荐、性能洞察、资源隔离等智能驾驶功能,支持了冷热分离的云原生能力,解决了企业去O难题,帮助企业快速去O。

POLARDB v2.0 for PostgreSQL,完全兼容PostgreSQL,支持并行计算,混合负载,GIS时空等多模计算,具备冷热分离的云原生能力,是企业级客户(党政军、医疗、新零售、新制造、科研机构、金融、互联网、物联网、交通、航空、地图,气象,测绘,LBS,国土,GIS等专业领域)核心数据库上云的很好选择。

原文链接
本文为云栖社区原创内容,未经允许不得转载。

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
待兔 待兔
4个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Stella981 Stella981
3年前
Python3:sqlalchemy对mysql数据库操作,非sql语句
Python3:sqlalchemy对mysql数据库操作,非sql语句python3authorlizmdatetime2018020110:00:00coding:utf8'''
Easter79 Easter79
3年前
Twitter的分布式自增ID算法snowflake (Java版)
概述分布式系统中,有一些需要使用全局唯一ID的场景,这种时候为了防止ID冲突可以使用36位的UUID,但是UUID有一些缺点,首先他相对比较长,另外UUID一般是无序的。有些时候我们希望能使用一种简单一些的ID,并且希望ID能够按照时间有序生成。而twitter的snowflake解决了这种需求,最初Twitter把存储系统从MySQL迁移
Wesley13 Wesley13
3年前
mysql设置时区
mysql设置时区mysql\_query("SETtime\_zone'8:00'")ordie('时区设置失败,请联系管理员!');中国在东8区所以加8方法二:selectcount(user\_id)asdevice,CONVERT\_TZ(FROM\_UNIXTIME(reg\_time),'08:00','0
Wesley13 Wesley13
3年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Stella981 Stella981
3年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
10个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这