阿里云李飛飛：數(shù)據(jù)庫發(fā)展的幾個(gè)重要趨勢(shì)

本文作者：李飛飛，阿里巴巴集團(tuán)副總裁、高級(jí)研究員，阿里云智能數(shù)據(jù)庫事業(yè)部總負(fù)責(zé)人

上世紀(jì)80年代初，數(shù)據(jù)庫系統(tǒng)逐步走上信息技術(shù)舞臺(tái)的中央；2000年開始，大數(shù)據(jù)技術(shù)興起；再到2010年后，云計(jì)算熱度持續(xù)升溫；技術(shù)的進(jìn)程走到了今天這個(gè)奇妙的節(jié)點(diǎn)，看向未來有幾個(gè)趨勢(shì)可能會(huì)發(fā)生。

僅以此文，分享一些淺見和實(shí)踐。

三段交叉的技術(shù)史

過去40年，數(shù)據(jù)庫系統(tǒng)、大數(shù)據(jù)和云計(jì)算三項(xiàng)技術(shù)交替興起。

首先是數(shù)據(jù)庫系統(tǒng)，成型于上個(gè)世紀(jì)80年代，是計(jì)算機(jī)領(lǐng)域三大基礎(chǔ)軟件系統(tǒng)之一。早期的關(guān)系型數(shù)據(jù)庫以甲骨文數(shù)據(jù)庫為代表，取得了巨大的商業(yè)成功。后來出現(xiàn)了MySQL、PostgreSQL等開源的關(guān)系型數(shù)據(jù)庫。

90年代，隨著關(guān)系型數(shù)據(jù)庫的廣泛應(yīng)用，產(chǎn)生了大量的數(shù)據(jù)，分析這些結(jié)構(gòu)化的數(shù)據(jù)對(duì)分析型的數(shù)據(jù)庫系統(tǒng)提出了很高的要求，因而在90年代涌現(xiàn)出了一批分析型數(shù)據(jù)庫系統(tǒng)。

世紀(jì)更迭，2000年到2010年，大數(shù)據(jù)技術(shù)走上歷史舞臺(tái)的時(shí)代。大數(shù)據(jù)技術(shù)誕生的原因有以下兩方面：

一是大數(shù)據(jù)的產(chǎn)生。隨著以谷歌為代表的互聯(lián)網(wǎng)公司的發(fā)展，產(chǎn)生了大量數(shù)據(jù)。

二是獲取、處理、分析數(shù)據(jù)的方式不一樣。比如說銀行最簡單的交易、轉(zhuǎn)賬，對(duì)隔離、一致性、持久性有非常嚴(yán)格的要求，大數(shù)據(jù)不一樣，單一數(shù)據(jù)對(duì)最終結(jié)果沒有特別影響，這種應(yīng)用場(chǎng)景和傳統(tǒng)的聯(lián)機(jī)交易關(guān)系型數(shù)據(jù)庫完全不同。

于是，大數(shù)據(jù)系統(tǒng)應(yīng)運(yùn)而生。谷歌發(fā)表了耳熟能詳?shù)姆植际轿募到y(tǒng)、分布式表格存儲(chǔ)、MapReduce三大論文，奠定了今天大數(shù)據(jù)的整個(gè)技術(shù)生態(tài)圈的基石。

2010年后，另一個(gè)趨勢(shì)是云計(jì)算的熱度逐漸升溫。云計(jì)算的本質(zhì)就是利用分布式技術(shù)將資源高效池化，而對(duì)應(yīng)用做到透明的集中式部署。

把云計(jì)算、數(shù)據(jù)庫以及大數(shù)據(jù)發(fā)展結(jié)合起來看，數(shù)據(jù)系統(tǒng)本質(zhì)上就是對(duì)數(shù)據(jù)從生產(chǎn)到處理、消費(fèi)、存儲(chǔ)的一個(gè)全鏈路的過程。

云計(jì)算對(duì)數(shù)據(jù)處理系統(tǒng)產(chǎn)生了非常大的影響：

第一，  云原生技術(shù)在數(shù)據(jù)處理系統(tǒng)深入的應(yīng)用；

第二，  傳統(tǒng)的關(guān)系型數(shù)據(jù)庫和傳統(tǒng)大數(shù)據(jù)生態(tài)正在快速發(fā)生融合。

業(yè)界發(fā)展的趨勢(shì)，是資源的池化、資源解耦，以云原生、分布式的技術(shù)為基礎(chǔ)，打造下一代的數(shù)據(jù)處理系統(tǒng)。舉例來說，阿里云數(shù)據(jù)庫之所以能夠支撐雙11，也是在不斷實(shí)踐基于這些理念的思考。

以雙11為例，第一張圖是歷年雙11的零點(diǎn)交易峰值的曲線，最新的2020年雙11的零點(diǎn)峰值是58萬筆/秒。每一筆交易還會(huì)有一個(gè)拆單的動(dòng)作，到數(shù)據(jù)庫系統(tǒng)就是每秒幾百萬TPS。

第二張圖是系統(tǒng)零點(diǎn)負(fù)載的瞬間變化曲線，一秒鐘時(shí)間內(nèi)系統(tǒng)負(fù)載瞬間爆發(fā)了145倍。如果不是利用云原生的技術(shù)，簡單依賴傳統(tǒng)技術(shù)根本無法滿足這種高并發(fā)、彈性、高可用的要求。

幾個(gè)重要趨勢(shì)

從架構(gòu)的角度來看，數(shù)據(jù)庫系統(tǒng)的變化如下圖所示：

左邊是傳統(tǒng)的馮諾依曼架構(gòu)，右邊是分布式架構(gòu)，中間是云原生的架構(gòu)，背后大量利用了分布式技術(shù)。這種資源池化帶來的彈性、高可用的能力顯而易見。

這是今天三種不同的架構(gòu)，有以下幾個(gè)趨勢(shì)：

大數(shù)據(jù)和數(shù)據(jù)庫一體化

云原生和分布式技術(shù)結(jié)合

智能化

多模數(shù)據(jù)處理

軟硬件一體化：例如，利用高速網(wǎng)絡(luò)等來提升數(shù)據(jù)處理系統(tǒng)的性能和效率

安全可信：例如，如何確保數(shù)據(jù)不可更改 

結(jié)合阿里云數(shù)據(jù)庫的核心技術(shù)，把以上背景、趨勢(shì)實(shí)例化：

1  云原生關(guān)系型數(shù)據(jù)庫PolarDB

每個(gè)數(shù)據(jù)塊分成三個(gè)物理節(jié)點(diǎn)，不用關(guān)心分布式帶來的挑戰(zhàn)。比如分庫分表、分布式的查詢，對(duì)應(yīng)用完全透明，讀寫一份數(shù)據(jù)，做到了分布式技術(shù)透明化、集中式部署。

PolarDB的存儲(chǔ)與計(jì)算架構(gòu)分離，能在分鐘級(jí)別部署一個(gè)新的計(jì)算節(jié)點(diǎn)，或者擴(kuò)容存儲(chǔ)節(jié)點(diǎn)。同時(shí)，在性能上做了大量的優(yōu)化，非常好地兼容了生態(tài)，比如100%兼容MySQL和PostgreSQL，高度兼容Oracle。

其性價(jià)比在商業(yè)數(shù)據(jù)庫中有非常大的競(jìng)爭(zhēng)優(yōu)勢(shì)，在實(shí)際的客戶案例里，利用PolarDB Oracle兼容版替換現(xiàn)有的Oracle，在性能一樣的前提下，整體成本不到原來的三分之一。

除了云原生的架構(gòu)，也有分布式架構(gòu)版的PolarDB-X。在每個(gè)分區(qū)里面做這種三節(jié)點(diǎn)的架構(gòu)，同時(shí)，三節(jié)點(diǎn)利用協(xié)議做數(shù)據(jù)的一致性保障，而且三節(jié)點(diǎn)可以做到同城跨AZ部署。

2  一體化設(shè)計(jì)是下一代數(shù)據(jù)分析系統(tǒng)的核心理念

下一代的系統(tǒng)是將云原生技術(shù)和分布式技術(shù)合二為一：上面是分布式，而下面是云原生的方式實(shí)現(xiàn)。每個(gè)分區(qū)都可以享受云原生帶來彈性、高可用的能力，同時(shí)，上面有分布式帶來的水平拓展的能力，解決高并發(fā)可能帶來的瓶頸問題。

3  云原生數(shù)據(jù)倉庫AnalyticDB

云原生的數(shù)據(jù)倉庫本質(zhì)上也是云原生的架構(gòu)，存儲(chǔ)池化、計(jì)算池化、存儲(chǔ)計(jì)算分離，同時(shí)實(shí)現(xiàn)海量存儲(chǔ)彈性、輕量化部署。

利用這些技術(shù)實(shí)現(xiàn)數(shù)據(jù)處理和計(jì)算分析的離在線一體化、數(shù)據(jù)庫與大數(shù)據(jù)一體化。如同現(xiàn)實(shí)生活中的倉庫，所有物品要分門別類放好。所以，數(shù)據(jù)倉庫比較適合已經(jīng)范式化的數(shù)據(jù)格式、業(yè)務(wù)類型比較固定的場(chǎng)景，性價(jià)比非常高。

這是我們?cè)谠圃鷶?shù)倉方面做的一些工作，我們也利用這套架構(gòu)研發(fā)了AnalyticDB(ADB)，支持了淘寶天貓對(duì)實(shí)時(shí)交易數(shù)據(jù)進(jìn)行在線交互式分析和計(jì)算的需求，同時(shí)支持復(fù)雜的離線ETL與在線分析的融合。

4 數(shù)據(jù)湖

數(shù)據(jù)湖，“湖底”的數(shù)據(jù)參差不齊，“湖面”卻是平的。不同于數(shù)據(jù)倉庫，數(shù)據(jù)湖的存儲(chǔ)是多源異構(gòu)的，只需要有一個(gè)統(tǒng)一的界面對(duì)這些數(shù)據(jù)進(jìn)行分析、處理。

我們打造了一個(gè)云原生的Serverless數(shù)據(jù)湖解決方案DLA——基于對(duì)象存儲(chǔ)，對(duì)多源異構(gòu)的數(shù)據(jù)存儲(chǔ)進(jìn)行統(tǒng)一的計(jì)算和分析，利用云原生的Serverless技術(shù)，可以用非常低的成本實(shí)現(xiàn)彈性高可用的能力，并且滿足安全性的要求。

5 多模、智能化和安全可信

在管控這一層實(shí)現(xiàn)異常檢測(cè)、安全診斷，通過K8S這套編排技術(shù)，把多源異構(gòu)的資源管理起來，打造智能化的運(yùn)維管控平臺(tái)。

我們做了全加密的數(shù)據(jù)庫，數(shù)據(jù)進(jìn)入內(nèi)核以后不需要解密。利用安全硬件技術(shù)做了全加密的流程和保護(hù)，實(shí)現(xiàn)了不解密也能進(jìn)行數(shù)據(jù)加工和處理。

數(shù)據(jù)業(yè)務(wù)的多樣化帶來了除了結(jié)構(gòu)化數(shù)據(jù)之外的多模數(shù)據(jù)，例如文本、時(shí)序、圖片、圖數(shù)據(jù)等非結(jié)構(gòu)化數(shù)據(jù)。針對(duì)多模數(shù)據(jù)，我們?cè)O(shè)計(jì)研發(fā)了基于云原生架構(gòu)的多模數(shù)據(jù)庫Lindorm以及云原生內(nèi)存數(shù)據(jù)庫Tair來支持多模數(shù)據(jù)處理。

最后是生態(tài)工具，從傳輸、備份到管理。傳輸采用DTS，做端到端數(shù)據(jù)的同步，用DBS數(shù)據(jù)備份做多云多端的邏輯備份、物理備份，DMS做企業(yè)級(jí)的開發(fā)建模流程，ADAM做針對(duì)基于傳統(tǒng)數(shù)據(jù)庫和數(shù)據(jù)倉庫開發(fā)的應(yīng)用評(píng)估和遷移。

今年疫情期間，各行各業(yè)有一個(gè)非常大的變化——傳統(tǒng)的離線業(yè)務(wù)和在線業(yè)務(wù)在快速融合，線上線下的邊界越來越模糊。這帶來的挑戰(zhàn)是，業(yè)務(wù)波峰波谷的變化越來越劇烈。這是疫情帶來的必然變化，數(shù)字化的轉(zhuǎn)型也是一個(gè)必然發(fā)生的事實(shí)。

這種背景下，阿里云原生數(shù)據(jù)庫PolarDB、云原生數(shù)據(jù)倉庫AnalyticDB，不僅支持了雙11，更在疫情期間服務(wù)了各行各業(yè)，尤其是在線教育、游戲等傳統(tǒng)的線上線下邊界越來越模糊的行業(yè)。

本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請(qǐng)至雷鋒網(wǎng)官網(wǎng)申請(qǐng)授權(quán)。