金山云云数据库MongoDB与阿里云PolarDB的比较
金山云云数据库MongoDB与阿里云PolarDB的比较
伴随着互联网IT应用从私有化部署转向云化服务，实现计算能力整合和计算资源能效，作为IT三大核心领域的数据库也逐步迁移到云环境，即云数据库。传统数据库相对商业数据库具有绝对的性价比（成本只有商业数据库的十分之一）和开放性优势，但传统关系型数据库在云托管环境下暴露出诸如备份归档慢、容量伸缩难、系统性能瓶颈、故障恢复慢、数据可用性等方面的问题。
在数据库的实际应用中面临的主要问题：
l 海量存储：需要具备弹性扩容能力
l 高并发访问：需要提高数据库吞吐
l 数据一致性：需要保证多副本数据的一致性（数据可用性）
针对以上问题，业内各大云服场商针对业务痛点研发了一系列云数据库产品，通过对比各大云数据库产品，总结归纳如下：
l 海量存储解决方案：利用可灵活扩缩容的分布式存储系统为数据库提供存储服务；
l 高并发访问解决方案
Ø 从数据内容层面进行优化：
（1）减少IO（磁盘IO和网络IO）；
（2）分散负载（计算、日志、事务等）。如亚马逊Aurora数据库。
Ø 从数据链路层面进行优化：高速网络 + 高性能磁盘。 如阿里PolarDB数据库。
l 从数据引擎层面进行优化。优化数据库存储引擎 + 异构计算芯片。如阿里XDB数据库。
l 数据一致性解决方案：利用成熟的一致性协议（如raft，paxos，quorum等）提供多副本数据强一致性保证。
业内成熟的新一代云数据库方案对比如表1。
表1 新一代云数据库对比
通过借鉴业内成熟的云数据库解决方案，金山云设计了一款支持弹性扩容、高性能、高可用的OLTP云数据库，即KingDB。金山云云数据库能够实现：
l 性能：5倍于MySQL（读性能：最多15副本，50wQPS； 写性能：单点写入10wTPS）
l 创建只读副本：TB级数据，分钟级（传统数据库架构小时级）
l 容量：<=64TB
l 成本：商业数据库的1/10
l 创建容灾实例：分钟级
KingDB实现了数据库实例和存储服务相互独立，存储服务层为数据库层提供统一的数据
，数据库实例从存储层获取数据与从本地读取数据一样。利用共享的存储层服务，KingDB不仅能实现动态弹性扩缩容，故障恢复的效率更高，可提高整系统的可用性，物理复制为系统性能的提升带来了很大的空间。
（1） KingDB的每个数据库副本所在机器会部署服务agent，负责数据库实例状态的采集并上报到服务管理器（service manager）；
（2） 数据库集群由一个主副本和若干个从副本构成，一般同region的跨AZ部署；
（3） 不同的服务层做安全隔离，并通过VPC相互通信；
（4） 存储服务由若干存储节点构成分布式存储系统，跨多AZ，支持多点挂载、弹性扩缩容、故障自愈和负载均衡。同时，还承担了数据备份归档的数据源；
（5） 存储系统中的数据（data & log & config）定期备份到备份系统；在需要进行数据回滚时从备份系统中拉取数据恢复到特地时刻数据。
（6） 备份系统可以使用分布式块存储系统EBS或S3；
（7） 为了保障服务的高可用，整系统需要在异常情况下快速发现问题，因此需要监控系统中所有的关键操作，一旦性能或可用性出现问题需要第一时间产生报警。
KingDB的总体解决方案，从存储扩展性、IO链路和一致性等不同方面做出改进和优化，旨在打造一款适合公有云环境的关系型数据库：具备弹性伸缩能力、快速故障恢复能力、快速归档回档能力、高吞吐、低成本。目前的架构还有待完善的方面如下：
（1） 依赖的存储系统建设有待改进：目前使用的云盘不支持在线扩缩容，扩缩容过程对业务连续性有一定的影响；
（2） 网络建设有待升级：目前只有千兆网/万兆网基础设施，网络IO性能可能成为瓶颈；RDMA网络环境建设有助于提高整系统性能；
（3） 新网络硬件及协议以及新存储硬件（磁盘、异构计算芯片、非易失性存储等）引入需要进行适配和对应硬件故障处理；
（4） 数据库层和存储层数据交互需要经过多次内核态和用户态间的拷贝，对时延影响较大，需要考虑在用户态完成数据交互（包括用户态文件系统接口、RDMA网络交互等）；
（5） 基于物理复制的模式需要考虑兼容利用binlog进行数据分析的DTS服务接入，需要实现基于redo日志的数据流同步；
（6） redo日志的可读性相比binlog的可读性要差，在服务运维过程中需要基于redo日志的排查工具和分析工具。
随着公有云数据库应用场景的快速增长，未来云数据库在性能、容量、安全、计算等方面将面临更大的挑战，新硬件+新架构将是云数据库的新迭代模式。