某邮储银行数据归集系统在HTAP场景下的选型与实践
导语：面对HTAP能力的需求与云原生时代的趋势，以及国产化的浪潮，某邮储银行携手OceanBase打造了云原生时代下的国产分布式数据库场景实践体验。以下内容整理自某邮储银行运维方DBA的自述。
业务痛点
我们有一套针对业务内部的运营数据归集系统，各地的服务网点都将各类生产数据、经营数据及运营数据进行上报，还有前端用户埋点数据、各子系统生产数据表单汇集，数据源的格式多样，数据聚合程度不一，计算方式复杂多样。目前，我们采用两种方式进行数据采集。
-
人工上报：通过员工自行制表、填表将数据上报至系统中的固定页面，进行运算。
-
机器抓取：一些老系统或无法提供接口，就需要通过RPA自动化机器人抓取数据，这是整个基础数据的来源。抓取数据后汇总，并用Java在程序中进行计算，将数据沉淀至报表，以供前台实时读取。
面对每天的数据增长，而且内部运营系统的数据不能直接完成实时分析，需要将其汇总成特定格式进行转换计算，做成战略面板，提供顶层决策分析能力。我们使用的数据库系统是MySQL，在大众印象中，MySQL侧重于OLTP(联机事务处理)，在OLAP（在线分析处理）方面的性能如高可用、备份等方面表现较弱，这些痛点在我们使用MySQL的过程中也确实感受到了。而随着我们业务并发量的提高和数据量的增长，既要求较强的OLTP能力，又需要OLAP能力的支撑，且软硬件及服务成本不断升高。面对传统关系型数据库的许多技术难题，比如海量数据下sacle in or out（弹性扩展）的算力不足、不能原生解决单点故障和全链路高可用、OLTP+OLAP场景无法实现一体化，我们决定探索HTAP（混合事务分析处理）数据库，实现降本增效的目标。
产品调研
在决定探索HTAP数据库后，我们最先了解到的是OceanBase。因为公司有一个项目正在使用阿里云的PolarDB，但PolarDB必须在云端部署，而我们的业务需求是本地部署，所以，OceanBase成为我们的首个研究目标。OceanBase兼容MySQL的特性很吸引我们，而最终选择OceanBase是出于以下几个因素。
- 因素1：稳定可靠。 OceanBase十二年稳定可靠的产品力和在支付宝全核心场景替换MySQL的实践，以及应用于众多行业多个大型客户核心场景，为我们在业务场景中使用它建立了信心。
- 因素2：AP性能优秀。 在类似的OLAP场景中，我们曾经使用过GBase、PostgreSQL、Greenplum，在复杂的SQL查询方面速度较慢，并且当用户量大的时候再连接这些数据库，都会出现各种各样的问题，也有可能是我们自身资源不足的导致的。我们在测试OceanBase的性能时，采用现有环境即2核40C80线程、256GB内存的环境，测试了TPS和QPS， 以下是在3000并发量下Sysbench的读写混合测试结果。这个测试结果完全满足了业务要求。
SQL statistics:
queries performed:
read: 2405494
write: 687284
other: 343642
total: 3436420
transactions: 171821 (2859.31 per sec.)
queries: 3436420 (57186.17 per sec.)
ignored errors: 0 (0.00 per sec.)
reconnects: 0 (0.00 per sec.)
General statistics:
total time: 60.0903s
total number of events: 171821
Latency (ms):
min: 29.15
avg: 104.83
max: 414.93
95th percentile: 155.80
sum: 18012703.78
Threads fairness:
events (avg/stddev): 572.7367/30.91
execution time (avg/stddev): 60.0423/0.02
因素3：运维简单。 目前的业务需求需要在AP与TP之间找到一个平衡点，如果AP场景和TP场景使用不同的数据库，势必会增加技术栈的深度，增大运维难度，而业务对于两种使用场景并不是强依赖的关系。使用混合型的HTAP产品，无疑是最好的选择，也是一种良好的探索与尝试。OceanBase运维简单，只需一套OCP工具就能搞定。且系统告警提供了丰富的扩展功能，可以与现有监控对接。运维人员每天只是关注重要数值，观察有没有报警，运维管理比较轻松。
因素4：国产化趋势。 我们无法预料MySQL在未来是否会被限制，也无法确定是否所有系统都会逐渐成Linux，但可以肯定的是要防患于未然。因此，研究完全国产自研且开源的数据库是一条出路，未来如果真要替换全部系统，至少到那时我们已经有一定的技术积累和沉淀，能够应对引进软件限制的问题。
因素5：适用业务且容错。 OceanBase主打HTAP，具有高可用和容灾能力，非常适用于我们的业务。同时，我们要应用数据库的系统不完全是生产系统，而是一个后台的报表，它处于核心系统与边缘系统之间，有一定的容错性，因此，决定先在这个报表环境中尝试使用OceanBase。
因素6：及时响应。 OceanBase开源后社区活动与响应都很积极，虽然有些生态还在完善，但是能感觉到OceanBase开源的产品力在显著提高。
场景实践
决定使用OceanBase后，我们开始了环境部署，表1列出部署参数。
图1 OceanBase三节点部署架构
上文提到，随着业务数据量的增大，我们原本使用的MySQL不符合业务要求，部署OceanBase后，我们开始重构系统和底层数据底座，经历了以下四个阶段。
第一，POC阶段。 “如果有什么问题或者和MySQL不一致，你们就直接报错，我们看如何解决”，这是我当时对OceanBase的研发支持人员说的话，但我惊喜地发现，OceanBase能够与我们使用的MySQL 5.7.18版本良好兼容，可以轻松实现零成本迁移。在此过程中，我们遇到了两个问题，一是SQLSTATE[0A000]: Feature not supported: 1235 while parameter _ob_enable_prepared_statement is disabled, prepared statement not supported，通过参数调整，轻松搞定；二是应用数据的迁移人员在使用Navicat进行迁移的时候，出现了一些结构化语句不兼容的问题，我们惊喜地发现Navicat16.1版本开始，有了OceanBase的专用驱动连接，使用后兼容性问题完美解决。
第二，数据迁移阶段。 我们使用了OceanBase 迁移服务（OceanBase Migration Service，OMS）完成了MySQL数据的在线无缝迁移。
第三，数据库侧改造阶段。 我们的应用测试基本不用改造，就将MySQL的分区数据、表结构等迁移到了OceanBase，并且一切运行正常，查询性能和查询效率都超出预期。同时，对于开发人员来说，他们无需投入学习成本，在OB上操作与此前在mysql上无异。
第四，实际上线阶段。 在该阶段，我们暂停了业务写入，等待系统迁移完成，并在新业务流量写入OceanBase集群后，观察业务波动。割接后近一个月的试用，系统运行稳定，分析数据处理时间缩短到了原来的1/3，达到了我们的使用预期。
业务收获
以上就是我们应用OceanBase的实践过程。从业务角度看，在此次的数据库实践中，我们有五点收获。
- 原生的高可用体系： OceanBase基于PAXOS协议高可用，避免单点故障，RPO=0。
- 无感知的DDL： OceanBase DDL无感知，可以加快业务迭代效率。
- 完善的管理平台： OCP平台集成了部署、监控、诊断等功能，大大降低了运维与开发成本。
- 线上扩展能力： 后期业务数据体系可以通过横向增加机器资源实现scale in or out。
- 赋能HTAP能力： 数据读写与实时统计分析场景用一个数据产品解决。
当然，对于OceanBase，我们也有三个期望与建议。
-
希望OCP实现集成性能测试。
-
使用SATA硬盘实际测试出的TPS是官网的1/2，建议使用SSD作为硬盘存储。
-
期望OceanBase能在更多场景替换MySQ，并不断完善其三地五中心等高级能力。
不得不说，随着国产化浪潮和云原生趋势的推动，企业对数据产品的要求日趋增高。面对老牌数据产品的能力，或许勇于尝试一些优秀的新型产品才能找到良好的解决方案。此次对OceanBase的探索，让我们解决了以往在高可用、线性扩展、存储成本等方面遇到的难题，并且，在拥有了HTAP能力的同时还能持续降低业务成本。