嘉义县网站建设_网站建设公司_一站式建站_seo优化

一、TiDB引入

1.1、数据库技术发展简史

数据库技术的形成过程和发展可分为如下三个阶段：

• 层次和网状数据库管理系统-可以理解为使用指针来表示数据之间的联系

• 关系数据库管理系统(RDBMS)-可以理解为理解为使用二维表来表示维护数据间的关系

• 新一代数据库技术的研究和发展-针对关系型数据库存在数据模型，性能，扩展性，伸缩性等方面的缺点，出现了：

  • ORDBMS:面向对象数据库技术。如：PostGreSQL
  • NoSQL:非结构化数据库技术。如：键值存储数据库：Redis；列式储数数据库：HBase；文档型数据库：MongoDB；图形数据库：Neo4J

• NewSQL:这类数据库不仅具有NoSQL对海量数据的存储管理能力，还保持了传统数据库支持ACID和SQL等特性。如：TiDB

1.2、从MySQL到TiDB

1.2.1 场景引入

假设现在有一个核心业务库MySQL的数据量已经近亿行,且还在不断增长中,所有数据要求多副本保存至少5年,且除了有对历史数据进行统计分析的离线报表业务外,还有一些针对用户数据实时查询的需求,如用户历史订单实时查询

1.2.2 问题分析

• MySQL能否满足上述场景需求?

  根据以往的MySQL使用经验，MySQL单表在 5000 万行以内时，性能较好，单表超过5000万行后，数据库性能、可维护性都会极剧下降。当然这时候可以做MySQL分库分表,如使用Mycat或Sharding-jdbc

• 分库分表的能否解决问题?

  分库分表的优点非常明显，如：

  将大表拆分成小表，单表数据量控制在 5000 万行以内，使 MySQL 性能稳定可控。

  将单张大表拆分成小表后，能水平扩展，通过部署到多台服务器，提升整个集群的性能。

  但是，此方案的缺点也非常明显：

  分表跨实例后，产生分布式事务管理难题，一旦数据库服务器宕机，有事务不一致风险。

  分表后，需要维护的对象呈指数增长（MySQL实例数、需要执行的 SQL 变更数量等）。

  分表后，汇总查询等跨分片场景较难实现

1.2.3 问题解决

基于以上核心痛点，调研市场上的各大数据库,我们可以考虑选用NewSQL技术来解决,因为NewSQL技术有如下显著特点:

• 无限水平扩展能力
• 分布式强一致性，确保数据 100% 安全
• 完整的分布式事务处理能力与 ACID 特性

而TiDB数据库 GitHub的活跃度及社区贡献者方面都可以算得上是国际化的开源项目,是NewSQL技术中的代表性产品,所以我们可以选择使用TiDB数据库!

1.3、TiDB概述

1.3.1 官网

https://pingcap.com/index.html

TiDB可以理解为是MySQL的加强版/分布式MySQL/MySQLPlus

1.3.2 简介

TiDB 是 PingCAP 公司设计的开源分布式 HTAP (Hybrid Transactional and Analytical Processing) 数据库，结合了传统的 RDBMS 和 NoSQL 的最佳特性。TiDB 兼容 MySQL，支持无限的水平扩展，具备强一致性和高可用性。TiDB 的目标是为 OLTP (Online Transactional Processing) 和 OLAP (Online Analytical Processing) 场景提供一站式的解决方案。

TiDB 的设计目标是 100% 的 OLTP 场景和 80% 的 OLAP 场景，更复杂的 OLAP 分析可以通过 TiSpark 项目来完成。

TiDB 对业务没有任何侵入性，能优雅的替换传统的数据库中间件、数据库分库分表等 Sharding 方案。同时它也让开发运维人员不用关注数据库 Scale 的细节问题，专注于业务开发，极大的提升研发的生产力。

1.3.3 OLTP和OLAP

• OLTP 在线事务处理。强调支持短时间内大量并发的事务操作（增删改查）能力，每个操作涉及的数据量都很小（比如几十到几百字节）。强调事务的强一致性（想想银行转账交易，容不得差错）
• OLAP 在线分析处理。偏向于复杂的只读查询，读取海量数据进行分析计算，查询时间往往很长。举例：“双十一”结束，淘宝的运营人员对订单进行分析挖掘，找出一些市场规律等等。 这种分析可能需要读取所有的历史订单进行计算，耗时几十秒甚至几十分钟都有可能。

二、TiDB架构特性

2.1、TiDB 整体架构

TiDB 集群主要包括三个核心组件：TiDB Server，PD Server 和 TiKV Server此外，还有用于解决用户复杂 OLAP 需求的TiSpark 组件和简化云上部署管理的TiDB Operator 组件。

以一条插入数据的SQL语句为例，SQL到达TiDB Cluster后，会先请求PD Cluster拿到TSO（事务操作时间戳），同样请求PD Cluster拿到数据要存入到TIKV Cluster的哪个位置，即图上的Data Location，然后将数据组长成Key-Value的形式，存入到TIKV Cluster上面。注意，保存在TIKV Cluster上面的数据为了数据安全会形成多副本，写入数据的时候会写入其中一个TIKV Cluster的region，它就是leader身份，然后leader向其他follower同步数据。leader与follower之间有心跳检测，如果检测到leader心跳消失了，follower就会重新推选leader

2.1.1 TiDB Cluster

TiDB Cluster负责接收 SQL 请求，处理 SQL 相关的逻辑，并通过 PD 找到存储计算所需数据的 TiKV 地址，与 TiKV 交互获取数据，最终返回结果。TiDB Server 是无状态的，其本身并不存储数据，只负责计算，可以无限水平扩展，可以通过负载均衡组件（如LVS、HAProxy 或 F5）对外提供统一的接入地址。

2.1.2 PD Cluster

Placement Driver (简称 PD) 是整个集群的管理模块（大脑），其主要工作有三个：一是存储集群的元信息（某个 Key 存储在哪个 TiKV 节点）；二是对 TiKV 集群进行调度和负载均衡；三是分配全局唯一且递增的事务 ID。

上图画了三个PD Cluster，有一个是leader，另外两个是follower

2.1.3 TiKV Cluster

TiKV Server 负责存储数据，从外部看 TiKV 是一个分布式的提供事务的 Key-Value 存储引擎。

2.1.4 region的作用

TiKV Map是一个非常大的Map，里面存储了所有的key-value键值对。数据会先写入TiKV Map，然后写入TiKV Cluster，通常是先写入Leader，然后由Leader向Follower进行数据同步。如果是来一条数据就做一次同步，就会非常频繁显然效率是不高的。如果是将TiKV Map进行同步，它太大了也不合适。

于是，region就出现了，它的默认大小是96M。Leader和Follower进行同步的单位就是region。TiKV Map会根据字节的顺序进行排序，划分到不同的region。

2.1.5 分布式SQL的执行逻辑

现在要从t1表里面查询category_id为1的数据条数。category_id为1的数据会分布到多个TiKV上面。首先会从每个TiKV上面读取行数据，然后进行过滤和求和。然后将求和结果上传给TiDB进行最终的求和。

2.1.6 TiSpark

TiSpark 作为 TiDB 中解决用户复杂 OLAP 需求的主要组件，将 Spark SQL 直接运行在 TiDB 存储层上，同时融合 TiKV 分布式集群的优势，并融入大数据社区生态。至此，TiDB 可以通过一套系统，同时支持 OLTP 与 OLAP，免除用户数据同步的烦恼。

2.1.7 TiDB Operator

TiDB Operator 提供在主流云基础设施（Kubernetes）上部署管理 TiDB 集群的能力。它结合云原生社区的容器编排最佳实践与 TiDB 的专业运维知识，集成一键部署、多集群混部、自动运维、故障自愈等能力，极大地降低了用户使用和管理 TiDB 的门槛与成本。

2.1.8 与传统数据库的对比

TiDB的强项不在于轻量的简单SQL的响应速度。对于这种场景，传统数据库的性能已经很好了，如果使用TiDB，由于它分了TiDB Server、TiKV Server、PD Server，它们之间要进行网络通信，效率肯定是不如传统数据库的。

TiDB的强项在于大量高并发SQL的吞吐。

横向扩展

传统的关系型数据库使用分库分表。以上图的水平分片为例，使用Sharding-JDBC将一张客户表根据主键拆分（比如说，根据主键与数据库实例取模）到多个数据库多张表下面，这样一张大表的数据就被打散到多张表，查询效率就会提高。但是，如果要根据主键进行范围查询，那这种需求数据库层面是没法实现的，就需要在应用层面指定这一次查询要查询哪个数据库，这无疑会带来开发维护成本。

TiDB天生就解决了上面的问题。数据是存到了TiKV的region，region就像分片策略的一个分片单位，解决了分片的问题。在查询时，不需要在业务层面做特别的定制，TiDB会向PD Server询问这些数据在哪个region下面。

2.2 TiDB 核心特性

TiDB 具备如下众多特性,其中两大核心特性为：水平扩展与高可用

• 高度兼容 MySQL

  大多数情况下，无需修改代码即可从 MySQL 轻松迁移至 TiDB，分库分表后的 MySQL 集群亦可通过 TiDB 工具进行实时迁移。

  对于用户使用的时候，可以透明地从MySQL切换到TiDB 中，只是“新MySQL”的后端是存储“无限的”，不再受制于Local的磁盘容量。在运维使用时也可以将TiDB当做一个从库挂到MySQL主从架构中。

• 分布式事务

  TiDB 100% 支持标准的 ACID 事务。

• 一站式 HTAP 解决方案

  HTAP: Hybrid Transactional/Analytical Processing

  TiDB 作为典型的 OLTP 行存数据库，同时兼具强大的 OLAP 性能，配合 TiSpark，可提供一站式 HTAP 解决方案，一份存储同时处理 OLTP & OLAP，无需传统繁琐的 ETL 过程。

• 云原生 SQL 数据库

  TiDB 是为云而设计的数据库，支持公有云、私有云和混合云，配合 TiDB Operator 项目 可实现自动化运维，使部署、配置和维护变得十分简单

• 水平弹性扩展

  通过简单地增加新节点即可实现 TiDB 的水平扩展，按需扩展吞吐或存储，轻松应对高并发、海量数据场景。

• 真正金融级高可用

  相比于传统主从 (M-S) 复制方案，基于 Raft 的多数派选举协议可以提供金融级的 100% 数据强一致性保证，且在不丢失大多数副本的前提下，可以实现故障的自动恢复 (auto-failover)，无需人工介入。

2.2.1 水平扩展

无限水平扩展是 TiDB 的一大特点，这里说的水平扩展包括两方面：计算能力(TiDB)和存储能力(TiKV)。

TiDB Server 负责处理 SQL 请求，随着业务的增长，可以简单的添加 TiDB Server 节点，提高整体的处理能力，提供更高的吞吐。

TiKV 负责存储数据，随着数据量的增长，可以部署更多的 TiKV Server 节点解决数据 Scale 的问题。

PD 会在 TiKV 节点之间以 Region 为单位做调度，将部分数据迁移到新加的节点上。

所以在业务的早期，可以只部署少量的服务实例（推荐至少部署 3 个 TiKV， 3 个 PD，2 个 TiDB），随着业务量的增长，按照需求添加 TiKV 或者 TiDB 实例。

2.2.2 高可用

高可用是 TiDB 的另一大特点，TiDB/TiKV/PD 这三个组件都能容忍部分实例失效，不影响整个集群的可用性。下面分别说明这三个组件的可用性、单个实例失效后的后果以及如何恢复。

1、TiDB

TiDB 是无状态的，推荐至少部署两个实例，前端通过负载均衡组件对外提供服务。当单个实例失效时，会影响正在这个实例上进行的 Session，从应用的角度看，会出现单次请求失败的情况，重新连接后即可继续获得服务。单个实例失效后，可以重启这个实例或者部署一个新的实例。

2、PD

PD 是一个集群，通过 Raft 协议保持数据的一致性，单个实例失效时，如果这个实例不是 Raft 的 leader，那么服务完全不受影响；如果这个实例是 Raft 的 leader，会重新选出新的 Raft leader，自动恢复服务。PD 在选举的过程中无法对外提供服务，这个时间大约是3秒钟。推荐至少部署三个 PD 实例，单个实例失效后，重启这个实例或者添加新的实例。

3、TiKV

TiKV 是一个集群，通过 Raft 协议保持数据的一致性（副本数量可配置，默认保存三副本），并通过 PD 做负载均衡调度。单个节点失效时，会影响这个节点上存储的所有 Region。对于 Region 中的 Leader 节点，会中断服务，等待重新选举；对于 Region 中的 Follower 节点，不会影响服务。当某个 TiKV 节点失效，并且在一段时间内（默认 30 分钟）无法恢复，PD 会将其上的数据迁移到其他的 TiKV 节点上。

2.2.3 TiDB 存储和计算能力

2.2.3.1 存储能力-TiKV-LSM

TiKV Server通常是3+的，TiDB每份数据缺省为3副本，这一点与HDFS有些相似，但是通过Raft协议进行数据复制，TiKV Server上的数据的是以Region为单位进行，由PD Server集群进行统一调度，类似HBASE的Region调度。

TiKV集群存储的数据格式是KV的，在TiDB中，并不是将数据直接存储在 HDD/SSD中，而是通过RocksDB实现了TB级别的本地化存储方案，着重提的一点是：RocksDB和HBASE一样，都是通过 LSM树作为存储方案，避免了B+树叶子节点膨胀带来的大量随机读写。从何提升了整体的吞吐量。

2.2.3.2 计算能力-TiDB Server

TiDB Server本身是无状态的，意味着当计算能力成为瓶颈的时候，可以直接扩容机器，对用户是透明的。理论上TiDB Server的数量并没有上限限制。

三、TiDB安装部署

https://pingcap.com/docs-cn/stable/overview/#部署方式

3.1 TiDB-Local单机版

1、下载安装包

wgethttp://download.pingcap.org/tidb-latest-linux-amd64.tar.gz

2、解压文件

tar-zxvftidb-latest-linux-amd64.tar.gz-C/usr/local/src/tidb/

3、启动

cd/usr/local/src/tidb/tidb-latest-linux-amd64#启动PD./bin/pd-server --data-dir=pd --log-file=pd.log&#启动tikv./bin/tikv-server--pd="127.0.0.1:2379"--data-dir=tikv --log-file=tikv.log&#启动tidb-server./bin/tidb-server--store=tikv--path="127.0.0.1:2379"--log-file=tidb.log&

4、登录

mysql-h192.168.52.111-P4000-u root

3.2 TiDB-Docker集群版

略

四、快速开始

4.1 没有主键的表如何存数据

如上图，由1.3节，我们知道一条数据会映射为TiDB的key-value格式，value就是数组的内容，而key的格式是t[tid]_r[主键id]。如果这个表就没有主键，那key是什么呢？

对于没有主键的表，tidb会给一个隐藏字段_tidb_rowid作为表的ID

4.2 聚簇索引和非聚簇索引

传统关系型数据库：

• 聚簇索引：主键就是聚簇索引，索引和数据保存在一起
• 非聚簇索引：索引和数据分开存

TiDB

• 聚簇索引：TiDB的数据是存储在TiKV上面，格式是key-value，聚簇索引可以理解为主键就对应这里的key
• 非聚簇索引：主键不直接直接对应数据，而是主键对应rowid，rowid再指向数据

TiDB的主键具有如下约束：

• 唯一标识表中的行
• 不允许为NULL
• 每个表只允许一个主键
• 如果声明的主键不是INTEGER数据类型，TiDB会字段为表创建非聚簇索引
• 如果没有声明主键，TiDB会为表创建一个隐式主键_tidb_rowid

即主键不一定是聚簇索引

五、Java连接TiDB

和连接MySQL类似，略。

六、TiDB技术内幕

6.1 Key-Value

作为保存数据的系统，首先要决定的是数据的存储模型，也就是数据以什么样的形式保存下来。TiKV 的选择是 Key-Value 模型，并且提供有序遍历方法。简单来讲，可以将 TiKV 看做一个巨大的 Map，其中 Key 和 Value 都是原始的 Byte 数组，在这个 Map 中，Key 按照 Byte 数组中的原始二进制比特位比较顺序排列。

• 这是一个巨大的 Map，也就是存储的是 Key-Value pair
• 这个 Map 中的 Key-Value pair 按照 Key 的二进制顺序有序，也就是我们可以 Seek 到某一个 Key 的位置，然后不断的调用 Next 方法以递增的顺序获取比这个 Key 大的 Key-Value

6.2 RocksDB

任何持久化的存储引擎，数据终归要保存在磁盘上，TiKV 也不例外。但是 TiKV 没有选择直接向磁盘上写数据，而是把数据保存在 RocksDB 中，具体的数据落地由 RocksDB 负责。

6.3 Raft

我们需要想办法把数据复制到多台机器上，这样一台机器挂了，我们还有其他的机器上的副本；复杂来说，我们还需要这个复制方案是可靠、高效并且能处理副本失效的情况。听上去比较难，但是好在我们有 Raft 协议。

6.4 Region

对于一个 KV 系统，将数据分散在多台机器上有两种比较典型的方案：一种是按照 Key 做 Hash，根据 Hash 值选择对应的存储节点；另一种是分 Range，某一段连续的 Key 都保存在一个存储节点上。TiKV 选择了第二种方式，将整个 Key-Value 空间分成很多段，每一段是一系列连续的 Key，我们将每一段叫做一个Region，并且我们会尽量保持每个 Region 中保存的数据不超过一定的大小(这个大小可以配置，目前默认是 64mb)。每一个 Region 都可以用 StartKey 到 EndKey 这样一个左闭右开区间来描述。

6.5 MVCC

很多数据库都会实现多版本控制（MVCC），TiKV 也不例外。

6.6 事务

TiKV 的事务采用乐观锁