1.深入TiDB：初见TiDB

本篇文章应该是我研究的 TiDB 的第一篇文章，主要是介绍整个 TiDB 架构以及它能支持哪些功能为主。至于其中的细节，我也是很好奇，所以不妨关注一下，由我慢慢讲述。

为什么要研究 TiDB ？

其实 TiDB 我想要了解已经很久了，但是一直都有点不想去面对这么大一滩代码。由于在项目组当中一直用的是 Mysql，但是数据量越来越大，有些表的数据量已达上亿，数据量在这个数量级其实对 Mysql 来说已经是非常吃力了，所以想找个分布式的数据库。

于是找到了腾讯主推的一款金融级别数据库 TDSQL。TDSQL 是基于 MariaDB 内核，结合 mysql-proxy、ZooKeeper 等开源组件实现的数据库集群系统，并且基于 MySQL 半同步的机制，在内核层面做了大量优化，在性能和数据一致性方面都有大幅的提升，同时完全兼容 MySQL 语法，支持 Shard 模式（中间件分库分表）和 NoShard 模式（单机实例）。

tdsql

通过 TDSQL 的 Shard 模式把一个表 Shard 之后再处理其实需要在功能上做一些牺牲，并且对应用的侵入性比较大，比如所有的表必须定义 shard-key ，对有些分布式事务的场景可能会有瓶颈。

所以在这个背景下我开始研究 NewSQL 数据库，而 TiDB 是 NewSQL 行业中的代表性产品。

对于 NewSQL 数据库可能很多人都没听过，这里说一下。NewSQL 比较通用的定义是：一个能兼容类似 MySQL 的传统单机数据库、可水平扩展、数据强一致性同步、支持分布式事务、存储与计算分离的关系型数据库。

TiDB 介绍

根据官方的介绍 TiDB 具有以下优势：

支持弹性的扩缩容；
支持 SQL，兼容大多数 MySQL 的语法，在大多数场景下可以直接替换 MySQL；
默认支持高可用，自动进行数据修复和故障转移；
支持 ACID 事务；

tidb-architecture

从图上我们可以看出主要分为：TiDB Server 、PD (Placement Driver) Server、存储节点。

TiDB Server：TiDB Server 本身并不存储数据，负责接受客户端的连接，解析 SQL，将实际的数据读取请求转发给底层的存储节点；
PD (Placement Driver) Server：负责存储每个 TiKV 节点实时的数据分布情况和集群的整体拓扑结构，并为分布式事务分配事务 ID。同时它还负责下发数据调度命令给具体的 TiKV 节点；
存储节点：存储节点主要有两部分构成 TiKV Server 和 TiFlash
- TiKV ：一个分布式的提供事务的 Key-Value 存储引擎；
- TiFlash：专门解决OLAP场景。借助ClickHouse实现高效的列式计算

TiDB 存储

这里主要介绍 TiKV 。TiKV 其实可以把它想像成一个巨大的 Map，用来专门存储 Key-Value 数据。但是数据都会通过 RocksDB 保存在磁盘上。

TiKV 存放的数据也是分布式的，它会通过 Raft 协议（关于 Raft 可以看这篇：https://www.luozhiyun.com/archives/287）把数据复制到多台机器上。

TiKV 每个数据变更都会落地为一条 Raft 日志，通过 Raft 的日志复制功能，将数据安全可靠地同步到复制组的每一个节点中。少数几台机器宕机也能通过原生的 Raft 协议自动把副本补全，可以做到对业务无感知。

TiKV 将整个 Key-Value 空间分成很多段，每一段是一系列连续的 Key，将每一段叫做一个 Region。每个 Region 中保存的数据默认是 144MB，我这里还是引用官方的一张图：

tikv-architecture

当某个 Region 的大小超过一定限制（默认是 144MB），TiKV 会将它分裂为两个或者更多个 Region，以保证各个 Region 的大小是大致接近的，同样，当某个 Region 因为大量的删除请求导致 Region 的大小变得更小时，TiKV 会将比较小的两个相邻 Region 合并为一个。

将数据划分成 Region 后，TiKV 会尽量保证每个节点上服务的 Region 数量差不多，并以 Region 为单位做 Raft 的复制和成员管理。

Key-Value 映射数据

由于 TiDB 是通过 TiKV 来存储的，但是关系型数据库中，一个表可能有很多列，这就需要将一行中各列数据映射成一个 (Key, Value) 键值对。

比如有这样一张表：

CREATE TABLE User (
    ID int,
    Name varchar(20),
    Role varchar(20),
    Age int,
    PRIMARY KEY (ID),
    KEY idxAge (Age)
);

表中有三行数据：

1, "TiDB", "SQL Layer", 10
2, "TiKV", "KV Engine", 20
3, "PD", "Manager", 30

那么这些数据在 TiKV 上存储的时候会构建 key。对于主键和唯一索引会在每条数据带上表的唯一 ID，以及表中数据的 RowID。如上面的三行数据会构建成：

t10_r1 --> ["TiDB", "SQL Layer", 10]
t10_r2 --> ["TiKV", "KV Engine", 20]
t10_r3 --> ["PD", "Manager", 30]

其中 key 中 t 是表示 TableID 前缀，t10 表示表的唯一ID 是 10；key 中 r 表示 RowID 前缀，r1 表示这条数据 RowID 值是1，r2 表示 RowID 值是2 等等。

对于不需要满足唯一性约束的普通二级索引，一个键值可能对应多行，需要根据键值范围查询对应的 RowID。上面的数据中 idxAge 这个索引会映射成：

t10_i1_10_1 --> null
t10_i1_20_2 --> null
t10_i1_30_3 --> null

上面的 key 对应的意思就是：t表ID_i索引ID_索引值_RowID 。

可以看到无论是唯一索引还是二级索引，都是构建 key 的映射规则来查找数据，比如这样的一个 SQL：

select count(*) from user where name = "TiDB"

where 条件没有走索引，那么需要读取表中所有的数据，然后检查 name 字段是否是 TiDB，执行流程就是：

构造出 Key Range ，也就是需要被扫描的数据范围，这个例子中是全表，所以 Key Range 就是 [0, MaxInt64) ；
扫描 Key Range 读取数据；
对读取到的数据进行过滤，计算 name = "TiDB" 这个表达式，如果为真，则向上返回这一行，否则丢弃这一行数据；
计算 Count(*)：对符合要求的每一行，累计到 Count(*) 的结果上面。

TIDB

SQL 执行过程

sql_core_layer

Parser & validator：将文本解析成结构化数据，也就是抽象语法树（AST），然后对 AST 进行合法性验证；
Logical Optimize 逻辑优化：对输入的逻辑执行计划按顺序应用一些优化规则，从而使整个逻辑执行计划变得更好。例如：关联子查询去关联、Max/Min 消除、谓词下推、Join 重排序等；
Physical Optimize 物理优化：用来为上一阶段产生的逻辑执行计划制定物理执行计划。优化器会为逻辑执行计划中的每个算子选择具体的物理实现。对于同一个逻辑算子，可能有多个物理算子实现，比如 LogicalAggregate，它的实现可以是采用哈希算法的 HashAggregate，也可以是流式的 StreamAggregate；
Coprocessor ：在 TiDB 中，计算是以 Region 为单位进行，SQL 层会分析出要处理的数据的 Key Range，再将这些 Key Range 根据 PD 中拿到的 Region 信息划分成若干个 Key Range，最后将这些请求发往对应的 Region，各自 Region 对应的 TiKV 数据并计算的模块称为 Coprocessor ；
TiDB Executor：TiDB 会将 Region 返回的数据进行合并汇总结算；

作为分布式数据库，分布式事务是既是重要特性之一。TiDB 实现了快照隔离级别的分布式事务，支持悲观事务和乐观事务。

乐观事务：事务间没有冲突或允许事务因数据冲突而失败；追求极致的性能。
悲观事务：事务间有冲突且对事务提交成功率有要求；因为加锁操作的存在，性能会比乐观事务差。

transaction

TiDB 使用两阶段提交(Two-Phase Commit）来保证分布式事务的原子性，分为 Prewrite 和 Commit 两个阶段：

Prewrite
- TiDB 从当前要写入的数据中选择一个 Key 作为当前事务的 Primary Key；
- TiDB 并发地向所有涉及的 TiKV 发起 Prewrite 请求；
- TiKV 检查数据版本信息是否存在冲突，符合条件的数据会被加锁；
- TiDB 收到所有 Prewrite 响应且所有 Prewrite 都成功；
Commit
- TiDB 向 TiKV 发起第二阶段提交；
- TiKV 收到 Commit 操作后，检查锁是否存在并清理 Prewrite 阶段留下的锁；

使用乐观事务模型时，在高冲突率的场景中，事务很容易提交失败。

transaction2