任何應(yīng)用系統(tǒng)都離不開對數(shù)據(jù)的處理，數(shù)據(jù)也是驅(qū)動(dòng)業(yè)務(wù)創(chuàng)新以及向智能化發(fā)展最核心的東西。這也是為何目前大多數(shù)企業(yè)都在構(gòu)建數(shù)據(jù)中臺的原因，數(shù)據(jù)處理的技術(shù)已經(jīng)是核心競爭力。在一個(gè)完備的技術(shù)架構(gòu)中，通常也會(huì)由應(yīng)用系統(tǒng)以及數(shù)據(jù)系統(tǒng)構(gòu)成。應(yīng)用系統(tǒng)負(fù)責(zé)處理業(yè)務(wù)邏輯，而數(shù)據(jù)系統(tǒng)負(fù)責(zé)處理數(shù)據(jù)。

傳統(tǒng)的數(shù)據(jù)系統(tǒng)就是所謂的『大數(shù)據(jù)』技術(shù)，這是一個(gè)被創(chuàng)造出來的名詞，代表著新的技術(shù)門檻。近幾年得益于產(chǎn)業(yè)的發(fā)展、業(yè)務(wù)的創(chuàng)新、數(shù)據(jù)的爆發(fā)式增長以及開源技術(shù)的廣泛應(yīng)用，經(jīng)歷多年的磨煉以及在廣大開發(fā)者的共建下，大數(shù)據(jù)的核心組件和技術(shù)架構(gòu)日趨成熟。特別是隨著云的發(fā)展，讓『大數(shù)據(jù)』技術(shù)的使用門檻進(jìn)一步降低，越來越多的業(yè)務(wù)創(chuàng)新會(huì)由數(shù)據(jù)來驅(qū)動(dòng)完成。

『大數(shù)據(jù)』技術(shù)會(huì)逐步向輕量化和智能化方向發(fā)展，最終也會(huì)成為一個(gè)研發(fā)工程師的必備技能之一，而這個(gè)過程必須是由云計(jì)算技術(shù)來驅(qū)動(dòng)以及在云平臺之上才能完成。應(yīng)用系統(tǒng)和數(shù)據(jù)系統(tǒng)也會(huì)逐漸融合，數(shù)據(jù)系統(tǒng)不再隱藏在應(yīng)用系統(tǒng)之后，而是也會(huì)貫穿在整個(gè)業(yè)務(wù)交互邏輯。傳統(tǒng)的應(yīng)用系統(tǒng)，重點(diǎn)在于交互。而現(xiàn)代的應(yīng)用系統(tǒng)，在與你交互的同時(shí)，會(huì)慢慢的熟悉你。數(shù)據(jù)系統(tǒng)的發(fā)展驅(qū)動(dòng)了業(yè)務(wù)系統(tǒng)的發(fā)展，從業(yè)務(wù)化到規(guī)?；?，再到智能化。

業(yè)務(wù)化：完成最基本的業(yè)務(wù)交互邏輯。

規(guī)?；悍植际胶痛髷?shù)據(jù)技術(shù)的應(yīng)用，滿足業(yè)務(wù)規(guī)模增長的需求以及數(shù)據(jù)的積累。

智能化：人工智能技術(shù)的應(yīng)用，挖掘數(shù)據(jù)的價(jià)值，驅(qū)動(dòng)業(yè)務(wù)的創(chuàng)新。

向規(guī)?；椭悄芑陌l(fā)展，仍然存在一定的技術(shù)門檻。成熟的開源技術(shù)的應(yīng)用能讓一個(gè)大數(shù)據(jù)系統(tǒng)的搭建變得簡單，同時(shí)大數(shù)據(jù)架構(gòu)也變得很普遍，例如廣為人知的Lambda架構(gòu)，一定程度上降低了技術(shù)的入門門檻。但是對數(shù)據(jù)系統(tǒng)的后續(xù)維護(hù)，例如對大數(shù)據(jù)組件的規(guī)?；瘧?yīng)用、運(yùn)維管控和成本優(yōu)化，需要掌握大數(shù)據(jù)、分布式技術(shù)及復(fù)雜環(huán)境下定位問題的能力，仍然具備很高的技術(shù)門檻。

數(shù)據(jù)系統(tǒng)的核心組件包含數(shù)據(jù)管道、分布式存儲和分布式計(jì)算，數(shù)據(jù)系統(tǒng)架構(gòu)的搭建會(huì)是使用這些組件的組合拼裝。每個(gè)組件各司其職，組件與組件之間進(jìn)行上下游的數(shù)據(jù)交換，而不同模塊的選擇和組合是架構(gòu)師面臨的最大的挑戰(zhàn)。

本篇文章主要面向數(shù)據(jù)系統(tǒng)的研發(fā)工程師和架構(gòu)師，我們會(huì)首先對數(shù)據(jù)系統(tǒng)核心組件進(jìn)行拆解，介紹每個(gè)組件下對應(yīng)的開源組件以及云上產(chǎn)品。之后會(huì)深入剖析數(shù)據(jù)系統(tǒng)中結(jié)構(gòu)化數(shù)據(jù)的存儲技術(shù)，介紹阿里云Tablestore選擇哪種設(shè)計(jì)理念來更好的滿足數(shù)據(jù)系統(tǒng)中對結(jié)構(gòu)化數(shù)據(jù)存儲的需求。

數(shù)據(jù)系統(tǒng)架構(gòu)

核心組件

上圖是一個(gè)比較典型的技術(shù)架構(gòu)，包含應(yīng)用系統(tǒng)和數(shù)據(jù)系統(tǒng)。這個(gè)架構(gòu)與具體業(yè)務(wù)無關(guān)聯(lián)，主要用于體現(xiàn)一個(gè)數(shù)據(jù)應(yīng)用系統(tǒng)中會(huì)包含的幾大核心組件，以及組件間的數(shù)據(jù)流關(guān)系。應(yīng)用系統(tǒng)主要實(shí)現(xiàn)了應(yīng)用的主要業(yè)務(wù)邏輯，處理業(yè)務(wù)數(shù)據(jù)或應(yīng)用元數(shù)據(jù)等。數(shù)據(jù)系統(tǒng)主要對業(yè)務(wù)數(shù)據(jù)及其他數(shù)據(jù)進(jìn)行匯總和處理，對接BI、推薦或風(fēng)控等系統(tǒng)。整個(gè)系統(tǒng)架構(gòu)中，會(huì)包含以下比較常見的幾大核心組件：

關(guān)系數(shù)據(jù)庫：用于主業(yè)務(wù)數(shù)據(jù)存儲，提供事務(wù)型數(shù)據(jù)處理，是應(yīng)用系統(tǒng)的核心數(shù)據(jù)存儲。

高速緩存：對復(fù)雜或操作代價(jià)昂貴的結(jié)果進(jìn)行緩存，加速訪問。

搜索引擎：提供復(fù)雜條件查詢和全文檢索。

隊(duì)列：用于將數(shù)據(jù)處理流程異步化，銜接上下游對數(shù)據(jù)進(jìn)行實(shí)時(shí)交換。異構(gòu)數(shù)據(jù)存儲之間進(jìn)行上下游對接的核心組件，例如數(shù)據(jù)庫系統(tǒng)與緩存系統(tǒng)或搜索系統(tǒng)間的數(shù)據(jù)對接。也用于數(shù)據(jù)的實(shí)時(shí)提取，在線存儲到離線存儲的實(shí)時(shí)歸檔。

非結(jié)構(gòu)化大數(shù)據(jù)存儲：用于海量圖片或視頻等非結(jié)構(gòu)化數(shù)據(jù)的存儲，同時(shí)支持在線查詢或離線計(jì)算的數(shù)據(jù)訪問需求。

結(jié)構(gòu)化大數(shù)據(jù)存儲：在線數(shù)據(jù)庫也可作為結(jié)構(gòu)化數(shù)據(jù)存儲，但這里提到的結(jié)構(gòu)化數(shù)據(jù)存儲模塊，更偏在線到離線的銜接，特征是能支持高吞吐數(shù)據(jù)寫入以及大規(guī)模數(shù)據(jù)存儲，存儲和查詢性能可線性擴(kuò)展?？纱鎯γ嫦蛟诰€查詢的非關(guān)系型數(shù)據(jù)，或者是用于關(guān)系數(shù)據(jù)庫的歷史數(shù)據(jù)歸檔，滿足大規(guī)模和線性擴(kuò)展的需求，也可存儲面向離線分析的實(shí)時(shí)寫入數(shù)據(jù)。

批量計(jì)算：對非結(jié)構(gòu)化數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，批量計(jì)算中又分為交互式分析和離線計(jì)算兩類，離線計(jì)算需要滿足對大規(guī)模數(shù)據(jù)集進(jìn)行復(fù)雜分析的能力，交互式分析需要滿足對中等規(guī)模數(shù)據(jù)集實(shí)時(shí)分析的能力。

流計(jì)算：對非結(jié)構(gòu)化數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)進(jìn)行流式數(shù)據(jù)分析，低延遲產(chǎn)出實(shí)時(shí)視圖。

對于數(shù)據(jù)存儲組件我們再進(jìn)一步分析，當(dāng)前各類數(shù)據(jù)存儲組件的設(shè)計(jì)是為滿足不同場景下數(shù)據(jù)存儲的需求，提供不同的數(shù)據(jù)模型抽象，以及面向在線和離線的不同的優(yōu)化偏向。我們來看下下面這張?jiān)敿?xì)對比表：

派生數(shù)據(jù)體系

在數(shù)據(jù)系統(tǒng)架構(gòu)中，我們可以看到會(huì)存在多套存儲組件。對于這些存儲組件中的數(shù)據(jù)，有些是來自應(yīng)用的直寫，有些是來自其他存儲組件的數(shù)據(jù)復(fù)制。例如業(yè)務(wù)關(guān)系數(shù)據(jù)庫的數(shù)據(jù)通常是來自業(yè)務(wù)，而高速緩存和搜索引擎的數(shù)據(jù)，通常是來自業(yè)務(wù)數(shù)據(jù)庫的數(shù)據(jù)同步與復(fù)制。不同用途的存儲組件有不同類型的上下游數(shù)據(jù)鏈路，我們可以大概將其歸類為主存儲和輔存儲兩類，這兩類存儲有不同的設(shè)計(jì)目標(biāo)，主要特征為：

主存儲：數(shù)據(jù)產(chǎn)生自業(yè)務(wù)或者是計(jì)算，通常為數(shù)據(jù)首先落地的存儲。ACID等事務(wù)特性可能是強(qiáng)需求，提供在線應(yīng)用所需的低延遲業(yè)務(wù)數(shù)據(jù)查詢。

輔存儲：數(shù)據(jù)主要來自主存儲的數(shù)據(jù)同步與復(fù)制，輔存儲是主存儲的某個(gè)視圖，通常面向數(shù)據(jù)查詢、檢索和分析做優(yōu)化。

為何會(huì)有主存儲和輔存儲的存在？能不能統(tǒng)一存儲統(tǒng)一讀寫，滿足所有場景的需求呢？目前看還沒有，存儲引擎的實(shí)現(xiàn)技術(shù)有多種，選擇行存還是列存，選擇B+tree還是LSM-tree，存儲的是不可變數(shù)據(jù)、頻繁更新數(shù)據(jù)還是時(shí)間分區(qū)數(shù)據(jù)，是為高速隨機(jī)查詢還是高吞吐掃描設(shè)計(jì)等等。數(shù)據(jù)庫產(chǎn)品目前也是分兩類，TP和AP，雖然在往HTAP方向走，但實(shí)現(xiàn)方式仍然是底層存儲分為行存和列存。

再來看主輔存儲在實(shí)際架構(gòu)中的例子，例如關(guān)系數(shù)據(jù)庫中主表和二級索引表也可以看做是主與輔的關(guān)系，索引表數(shù)據(jù)會(huì)隨著主表數(shù)據(jù)而變化，強(qiáng)一致同步并且為某些特定條件組合查詢而優(yōu)化。關(guān)系數(shù)據(jù)庫與高速緩存和搜索引擎也是主與輔的關(guān)系，采用滿足最終一致的數(shù)據(jù)同步方式，提供高速查詢和檢索。在線數(shù)據(jù)庫與數(shù)倉也是主與輔的關(guān)系，在線數(shù)據(jù)庫內(nèi)數(shù)據(jù)集中復(fù)制到數(shù)倉來提供高效的BI分析。

這種主與輔的存儲組件相輔相成的架構(gòu)設(shè)計(jì)，我們稱之為『派生數(shù)據(jù)體系』。在這個(gè)體系下，最大的技術(shù)挑戰(zhàn)是數(shù)據(jù)如何在主與輔之間進(jìn)行同步與復(fù)制。

上圖我們可以看到幾個(gè)常見的數(shù)據(jù)復(fù)制方式：

應(yīng)用層多寫：這是實(shí)現(xiàn)最簡單、依賴最少的一種實(shí)現(xiàn)方式，通常采取的方式是在應(yīng)用代碼中先向主存儲寫數(shù)據(jù)，后向輔存儲寫數(shù)據(jù)。這種方式不是很嚴(yán)謹(jǐn)，通常用在對數(shù)據(jù)可靠性要求不是很高的場景。因?yàn)榇嬖诘膯栴}有很多，一是很難保證主與輔之間的數(shù)據(jù)一致性，無法處理數(shù)據(jù)寫入失效問題；二是數(shù)據(jù)寫入的消耗堆積在應(yīng)用層，加重應(yīng)用層的代碼復(fù)雜度和計(jì)算負(fù)擔(dān)，不是一種解耦很好的架構(gòu)；三是擴(kuò)展性較差，數(shù)據(jù)同步邏輯固化在代碼中，比較難靈活添加輔存儲。

異步隊(duì)列復(fù)制：這是目前被應(yīng)用比較廣的架構(gòu)，應(yīng)用層將派生數(shù)據(jù)的寫入通過隊(duì)列來異步化和解耦。這種架構(gòu)下可將主存儲和輔存儲的數(shù)據(jù)寫入都異步化，也可僅將輔存儲的數(shù)據(jù)寫入異步化。第一種方式必須接受主存儲可異步寫入，否則只能采取第二種方式。而如果采用第二種方式的話，也會(huì)遇到和上一種『應(yīng)用層多寫』方案類似的問題，應(yīng)用層也是多寫，只不過是寫主存儲與隊(duì)列，隊(duì)列來解決多個(gè)輔存儲的寫入和擴(kuò)展性問題。

CDC（Change Data Capture）技術(shù)：這種架構(gòu)下數(shù)據(jù)寫入主存儲后會(huì)由主存儲再向輔存儲進(jìn)行同步，對應(yīng)用層是最友好的，只需要與主存儲打交道。主存儲到輔存儲的數(shù)據(jù)同步，則可以再利用異步隊(duì)列復(fù)制技術(shù)來做。不過這種方案對主存儲的能力有很高的要求，必須要求主存儲能支持CDC技術(shù)。一個(gè)典型的例子就是MySQL+Elasticsearch的組合架構(gòu)，Elasticsearch的數(shù)據(jù)通過MySQL的binlog來同步，binlog就是MySQL的CDC技術(shù)。

『派生數(shù)據(jù)體系』是一個(gè)比較重要的技術(shù)架構(gòu)設(shè)計(jì)理念，其中CDC技術(shù)是更好的驅(qū)動(dòng)數(shù)據(jù)流動(dòng)的關(guān)鍵手段。具備CDC技術(shù)的存儲組件，才能更好的支撐數(shù)據(jù)派生體系，從而能讓整個(gè)數(shù)據(jù)系統(tǒng)架構(gòu)更加靈活，降低了數(shù)據(jù)一致性設(shè)計(jì)的復(fù)雜度，從而來面向高速迭代設(shè)計(jì)。可惜的是大多數(shù)存儲組件不具備CDC技術(shù)，例如HBase。而阿里云Tablestore具備非常成熟的CDC技術(shù)，CDC技術(shù)的應(yīng)用也推動(dòng)了架構(gòu)的創(chuàng)新，這個(gè)在下面的章節(jié)會(huì)詳細(xì)介紹。

一個(gè)好的產(chǎn)品，在產(chǎn)品內(nèi)部會(huì)采用派生數(shù)據(jù)架構(gòu)來不斷擴(kuò)充產(chǎn)品的能力，能將派生的過程透明化，內(nèi)部解決數(shù)據(jù)同步、一致性及資源配比問題。而現(xiàn)實(shí)中大多數(shù)技術(shù)架構(gòu)采用產(chǎn)品組合的派生架構(gòu)，需要自己去管理數(shù)據(jù)同步與復(fù)制等問題，例如常見的MySQL+Elasticsearch，或HBase+Solr等。這種組合通常被忽視的最大問題是，在解決CDC技術(shù)來實(shí)時(shí)復(fù)制數(shù)據(jù)后，如何解決數(shù)據(jù)一致性問題？如何追蹤數(shù)據(jù)同步延遲？如何保證輔存儲與主存儲具備相同的數(shù)據(jù)寫入能力？

存儲組件的選型

架構(gòu)師在做架構(gòu)設(shè)計(jì)時(shí)，最大的挑戰(zhàn)是如何對計(jì)算組件和存儲組件進(jìn)行選型和組合，同類的計(jì)算引擎的差異化相對不大，通常會(huì)優(yōu)先選擇成熟和生態(tài)健全的計(jì)算引擎，例如批量計(jì)算引擎Spark和流計(jì)算引擎Flink。而對于存儲組件的選型是一件非常有挑戰(zhàn)的事，存儲組件包含數(shù)據(jù)庫（又分為SQL和NoSQL兩類，NoSQL下又根據(jù)各類數(shù)據(jù)模型細(xì)分為多類）、對象存儲、文件存儲和高速緩存等不同類別。帶來存儲選型復(fù)雜度的主要原因是架構(gòu)師需要綜合考慮數(shù)據(jù)分層、成本優(yōu)化以及面向在線和離線的查詢優(yōu)化偏向等各種因素，且當(dāng)前的技術(shù)發(fā)展還是多樣化的發(fā)展趨勢，不存在一個(gè)存儲產(chǎn)品能滿足所有場景下的數(shù)據(jù)寫入、存儲、查詢和分析等需求。有一些經(jīng)驗(yàn)可以分享給大家：

數(shù)據(jù)模型和查詢語言仍然是不同數(shù)據(jù)庫最顯著的區(qū)別，關(guān)系模型和文檔模型是相對抽象的模型，而類似時(shí)序模型、圖模型和鍵值模型等其他非關(guān)系模型是相對具象的抽象，如果場景能匹配到具象模型，那選擇范圍能縮小點(diǎn)。

存儲組件通常會(huì)劃分到不同的數(shù)據(jù)分層，選擇面向規(guī)模、成本、查詢和分析性能等不同維度的優(yōu)化偏向，選型時(shí)需要考慮清楚對這部分?jǐn)?shù)據(jù)存儲所要求的核心指標(biāo)。

區(qū)分主存儲還是輔存儲，對數(shù)據(jù)復(fù)制關(guān)系要有明確的梳理。（主存儲和輔存儲是什么在下一節(jié)介紹）

建立靈活的數(shù)據(jù)交換通道，滿足快速的數(shù)據(jù)搬遷和存儲組件間的切換能力，構(gòu)建快速迭代能力比應(yīng)對未知需求的擴(kuò)展性更重要。

另外關(guān)于數(shù)據(jù)存儲架構(gòu)，我認(rèn)為最終的趨勢是：

數(shù)據(jù)一定需要分層

數(shù)據(jù)最終的歸屬地一定是OSS

會(huì)由一個(gè)統(tǒng)一的分析引擎來統(tǒng)一分析的入口，并提供統(tǒng)一的查詢語言

結(jié)構(gòu)化大數(shù)據(jù)存儲

定位

結(jié)構(gòu)化大數(shù)據(jù)存儲在數(shù)據(jù)系統(tǒng)中是一個(gè)非常關(guān)鍵的組件，它起的一個(gè)很大的作用是連接『在線』和『離線』。作為數(shù)據(jù)中臺中的結(jié)構(gòu)化數(shù)據(jù)匯總存儲，用于在線數(shù)據(jù)庫中數(shù)據(jù)的匯總來對接離線數(shù)據(jù)分析，也用于離線數(shù)據(jù)分析的結(jié)果集存儲來直接支持在線查詢或者是數(shù)據(jù)派生。根據(jù)這樣的定位，我們總結(jié)下對結(jié)構(gòu)化大數(shù)據(jù)存儲的幾個(gè)關(guān)鍵需求。

關(guān)鍵需求

大規(guī)模數(shù)據(jù)存儲

結(jié)構(gòu)化大數(shù)據(jù)存儲的定位是集中式的存儲，作為在線數(shù)據(jù)庫的匯總（大寬表模式），或者是離線計(jì)算的輸入和輸出，必須要能支撐PB級規(guī)模數(shù)據(jù)存儲。

高吞吐寫入能力

數(shù)據(jù)從在線存儲到離線存儲的轉(zhuǎn)換，通常是通過ETL工具，T+1式的同步或者是實(shí)時(shí)同步。結(jié)構(gòu)化大數(shù)據(jù)存儲需要能支撐多個(gè)在線數(shù)據(jù)庫內(nèi)數(shù)據(jù)的導(dǎo)入，也要能承受大數(shù)據(jù)計(jì)算引擎的海量結(jié)果數(shù)據(jù)集導(dǎo)出。所以必須能支撐高吞吐的數(shù)據(jù)寫入，通常會(huì)采用一個(gè)為寫入而優(yōu)化的存儲引擎。

豐富的數(shù)據(jù)查詢能力

結(jié)構(gòu)化大數(shù)據(jù)存儲作為派生數(shù)據(jù)體系下的輔存儲，需要為支撐高效在線查詢做優(yōu)化。常見的查詢優(yōu)化包括高速緩存、高并發(fā)低延遲的隨機(jī)查詢、復(fù)雜的任意字段條件組合查詢以及數(shù)據(jù)檢索。這些查詢優(yōu)化的技術(shù)手段就是緩存和索引，其中索引的支持是多元化的，面向不同的查詢場景提供不同類型的索引。例如面向固定組合查詢的基于B+tree的二級索引，面向地理位置查詢的基于R-tree或BKD-tree的空間索引或者是面向多條件組合查詢和全文檢索的倒排索引。

存儲和計(jì)算成本分離

存儲計(jì)算分離是目前一個(gè)比較熱的架構(gòu)實(shí)現(xiàn)，對于一般應(yīng)用來說比較難體會(huì)到這個(gè)架構(gòu)的優(yōu)勢。在云上的大數(shù)據(jù)系統(tǒng)下，存儲計(jì)算分離才能完全發(fā)揮優(yōu)勢。存儲計(jì)算分離在分布式架構(gòu)中，最大的優(yōu)勢是能提供更靈活的存儲和計(jì)算資源管理手段，大大提高了存儲和計(jì)算的擴(kuò)展性。對成本管理來說，只有基于存儲計(jì)算分離架構(gòu)實(shí)現(xiàn)的產(chǎn)品，才能做到存儲和計(jì)算成本的分離。

存儲和計(jì)算成本的分離的優(yōu)勢，在大數(shù)據(jù)系統(tǒng)下會(huì)更加明顯。舉一個(gè)簡單的例子，結(jié)構(gòu)化大數(shù)據(jù)存儲的存儲量會(huì)隨著數(shù)據(jù)的積累越來越大，但是數(shù)據(jù)寫入量是相對平穩(wěn)的。所以存儲需要不斷的擴(kuò)大，但是為了支撐數(shù)據(jù)寫入或臨時(shí)的數(shù)據(jù)分析而所需的計(jì)算資源，則相對來說比較固定，是按需的。

數(shù)據(jù)派生能力

一個(gè)完整的數(shù)據(jù)系統(tǒng)架構(gòu)下，需要有多個(gè)存儲組件并存。并且根據(jù)對查詢和分析能力的不同要求，需要在數(shù)據(jù)派生體系下對輔存儲進(jìn)行動(dòng)態(tài)擴(kuò)展。所以對于結(jié)構(gòu)化大數(shù)據(jù)存儲來說，也需要有能擴(kuò)展輔存儲的派生能力，來擴(kuò)展數(shù)據(jù)處理能力。而判斷一個(gè)存儲組件是否具備更好的數(shù)據(jù)派生能力，就看是否具備成熟的CDC技術(shù)。

計(jì)算生態(tài)

數(shù)據(jù)的價(jià)值需要靠計(jì)算來挖掘，目前計(jì)算主要?jiǎng)潪榕坑?jì)算和流計(jì)算。對于結(jié)構(gòu)化大數(shù)據(jù)存儲的要求，一是需要能夠?qū)又髁鞯挠?jì)算引擎，例如Spark、Flink等，作為輸入或者是輸出；二是需要有數(shù)據(jù)派生的能力，將自身數(shù)據(jù)轉(zhuǎn)換為面向分析的列存格式存儲至數(shù)據(jù)湖系統(tǒng)；三是自身提供交互式分析能力，更快挖掘數(shù)據(jù)價(jià)值。

滿足第一個(gè)條件是最基本要求，滿足第二和第三個(gè)條件才是加分項(xiàng)。

開源產(chǎn)品

目前開源界比較知名的結(jié)構(gòu)化大數(shù)據(jù)存儲是HBase和Cassandra，Cassandra是WideColumn模型NoSQL類別下排名Top-1的產(chǎn)品，在國外應(yīng)用比較廣泛。但這里我們重點(diǎn)提下HBase，因?yàn)樵趪鴥?nèi)的話相比Cassandra會(huì)更流行一點(diǎn)。

HBase是基于HDFS的存儲計(jì)算分離架構(gòu)的WideColumn模型數(shù)據(jù)庫，擁有非常好的擴(kuò)展性，能支撐大規(guī)模數(shù)據(jù)存儲，它的優(yōu)點(diǎn)為：

存儲計(jì)算分離架構(gòu)：底層基于HDFS，分離的架構(gòu)可帶來存儲和計(jì)算各自彈性擴(kuò)展的優(yōu)勢，與計(jì)算引擎例如Spark可共享計(jì)算資源，降低成本。

LSM存儲引擎：為寫入優(yōu)化設(shè)計(jì)，能提供高吞吐的數(shù)據(jù)寫入。

開發(fā)者生態(tài)成熟，接入主流計(jì)算引擎：作為發(fā)展多年的開源產(chǎn)品，在國內(nèi)也有比較多的應(yīng)用，開發(fā)者社區(qū)很成熟，對接幾大主流的計(jì)算引擎。

HBase有其突出的優(yōu)點(diǎn)，但也有幾大不可忽視的缺陷：

查詢能力弱：提供高效的單行隨機(jī)查詢以及范圍掃描，復(fù)雜的組合條件查詢必須使用Scan+Filter的方式，稍不注意就是全表掃描，效率極低。HBase的Phoenix提供了二級索引來優(yōu)化查詢，但和MySQL的二級索引一樣，只有符合最左匹配的查詢條件才能做索引優(yōu)化，可被優(yōu)化的查詢條件非常有限。

數(shù)據(jù)派生能力弱：前面章節(jié)提到CDC技術(shù)是支撐數(shù)據(jù)派生體系的核心技術(shù)，HBase不具備CDC技術(shù)。HBase Replication具備CDC的能力，但是僅為HBase內(nèi)部主備間的數(shù)據(jù)同步機(jī)制。有一些開源組件利用其內(nèi)置Replication能力來嘗試擴(kuò)展HBase的CDC技術(shù)，例如用于和Solr同步的Lily Indexer，但是比較可惜的是這類組件從理論和機(jī)制上分析就沒法做到CDC技術(shù)所要求的數(shù)據(jù)保序、最終一致性保證等核心需求。

成本高：前面提到結(jié)構(gòu)化大數(shù)據(jù)存儲的關(guān)鍵需求之一是存儲與計(jì)算的成本分離，HBase的成本取決于計(jì)算所需CPU核數(shù)成本以及磁盤的存儲成本，基于固定配比物理資源的部署模式下CPU和存儲永遠(yuǎn)會(huì)有一個(gè)無法降低的最小比例關(guān)系。即隨著存儲空間的增大，CPU核數(shù)成本也會(huì)相應(yīng)變大，而不是按實(shí)際所需計(jì)算資源來計(jì)算成本。要達(dá)到完全的存儲與計(jì)算成本分離，只有云上的Serverless服務(wù)模式才能做到。

運(yùn)維復(fù)雜：HBase是標(biāo)準(zhǔn)的Hadoop組件，最核心依賴是Zookeeper和HDFS，沒有專業(yè)的運(yùn)維團(tuán)隊(duì)幾乎無法運(yùn)維。

熱點(diǎn)處理能力差：HBase的表的分區(qū)是Range Partition的方式，相比Hash Partition的模式最大的缺陷就是會(huì)存在嚴(yán)重的熱點(diǎn)問題。HBase提供了大量的最佳實(shí)踐文檔來指引開發(fā)者在做表的Rowkey設(shè)計(jì)的時(shí)候避免熱點(diǎn)，例如采用hash key，或者是salted-table的方式。但這兩種方式下能保證數(shù)據(jù)的分散均勻，但是無法保證數(shù)據(jù)訪問的熱度均勻。訪問熱度取決于業(yè)務(wù)，需要一種能根據(jù)熱度來對Region進(jìn)行Split或Move等負(fù)載均衡的自動(dòng)化機(jī)制。

國內(nèi)的高級玩家大多會(huì)基于HBase做二次開發(fā)，基本都是在做各種方案來彌補(bǔ)HBase查詢能力弱的問題，根據(jù)自身業(yè)務(wù)查詢特色研發(fā)自己的索引方案，例如自研二級索引方案、對接Solr做全文索引或者是針對區(qū)分度小的數(shù)據(jù)集的bitmap索引方案等等?？偟膩碚f，HBase是一個(gè)優(yōu)秀的開源產(chǎn)品，有很多優(yōu)秀的設(shè)計(jì)思路值得借鑒。

Tablestore

Tablestore是阿里云自研的結(jié)構(gòu)化大數(shù)據(jù)存儲產(chǎn)品，具體產(chǎn)品介紹可以參考官網(wǎng)以及權(quán)威指南。Tablestore的設(shè)計(jì)理念很大程度上顧及了數(shù)據(jù)系統(tǒng)內(nèi)對結(jié)構(gòu)化大數(shù)據(jù)存儲的需求，并且基于派生數(shù)據(jù)體系這個(gè)設(shè)計(jì)理念專門設(shè)計(jì)和實(shí)現(xiàn)了一些特色的功能。

設(shè)計(jì)理念

Tablestore的設(shè)計(jì)理念一方面吸收了優(yōu)秀開源產(chǎn)品的設(shè)計(jì)思路，另一方面也是結(jié)合實(shí)際業(yè)務(wù)需求演化出了一些特色設(shè)計(jì)方向，簡單概括下Tablestore的技術(shù)理念：

存儲計(jì)算分離架構(gòu)：采用存儲計(jì)算分離架構(gòu)，底層基于飛天盤古分布式文件系統(tǒng)，這是實(shí)現(xiàn)存儲計(jì)算成本分離的基礎(chǔ)。

LSM存儲引擎：LSM和B+tree是主流的兩個(gè)存儲引擎實(shí)現(xiàn)，其中LSM專為高吞吐數(shù)據(jù)寫入優(yōu)化，也能更好的支持?jǐn)?shù)據(jù)冷熱分層。

Serverless產(chǎn)品形態(tài)：基于存儲計(jì)算分離架構(gòu)來實(shí)現(xiàn)成本分離的最關(guān)鍵因素是Serverless服務(wù)化，只有Serverless服務(wù)才能做到存儲計(jì)算成本分離。大數(shù)據(jù)系統(tǒng)下，結(jié)構(gòu)化大數(shù)據(jù)存儲通常會(huì)需要定期的大規(guī)模數(shù)據(jù)導(dǎo)入，來自在線數(shù)據(jù)庫或者是來自離線計(jì)算引擎，在此時(shí)需要有足夠的計(jì)算能力能接納高吞吐的寫入，而平時(shí)可能僅需要比較小的計(jì)算能力，計(jì)算資源要足夠的彈性。另外在派生數(shù)據(jù)體系下，主存儲和輔存儲通常是異構(gòu)引擎，在讀寫能力上均有差異，有些場景下需要靈活調(diào)整主輔存儲的配比，此時(shí)也需要存儲和計(jì)算資源彈性可調(diào)。

多元化索引，提供豐富的查詢能力：LSM引擎特性決定了查詢能力的短板，需要索引來優(yōu)化查詢。而不同的查詢場景需要不同類型的索引，所以Tablestore提供多元化的索引來滿足不同類型場景下的數(shù)據(jù)查詢需求。

CDC技術(shù)：Tablestore的CDC技術(shù)名為Tunnel Service，支持全量和增量的實(shí)時(shí)數(shù)據(jù)訂閱，并且能無縫對接Flink流計(jì)算引擎來實(shí)現(xiàn)表內(nèi)數(shù)據(jù)的實(shí)時(shí)流計(jì)算。

擁抱開源計(jì)算生態(tài)：除了比較好的支持阿里云自研計(jì)算引擎如MaxCompute和Data Lake Analytics的計(jì)算對接，也能支持Flink和Spark這兩個(gè)主流計(jì)算引擎的計(jì)算需求，無需數(shù)據(jù)搬遷。

流批計(jì)算一體：能支持Spark對表內(nèi)全量數(shù)據(jù)進(jìn)行批計(jì)算，也能通過CDC技術(shù)對接Flink來對表內(nèi)新增數(shù)據(jù)進(jìn)行流計(jì)算，真正實(shí)現(xiàn)批流計(jì)算結(jié)合。

特色功能

多元化索引

Tablestore提供多種索引類型可選擇，包含全局二級索引和多元索引。全局二級索引類似于傳統(tǒng)關(guān)系數(shù)據(jù)庫的二級索引，能為滿足最左匹配原則的條件查詢做優(yōu)化，提供低成本存儲和高效的隨機(jī)查詢和范圍掃描。多元索引能提供更豐富的查詢功能，包含任意列的組合條件查詢、全文搜索和空間查詢，也能支持輕量級數(shù)據(jù)分析，提供基本的統(tǒng)計(jì)聚合函數(shù)，兩種索引的對比和選型可參考這篇文章。

通道服務(wù)

通道服務(wù)是Tablestore的CDC技術(shù)，是支撐數(shù)據(jù)派生體系的核心功能，具體能力可參考這篇文章。能夠被利用在異構(gòu)存儲間的數(shù)據(jù)同步、事件驅(qū)動(dòng)編程、表增量數(shù)據(jù)實(shí)時(shí)訂閱以及流計(jì)算場景。目前在云上Tablestore與Blink能無縫對接，也是唯一一個(gè)能直接作為Blink的stream source的結(jié)構(gòu)化大數(shù)據(jù)存儲。

大數(shù)據(jù)處理架構(gòu)

大數(shù)據(jù)處理架構(gòu)是數(shù)據(jù)系統(tǒng)架構(gòu)的一部分，其架構(gòu)發(fā)展演進(jìn)了多年，有一些基本的核心架構(gòu)設(shè)計(jì)思路產(chǎn)出，例如影響最深遠(yuǎn)的Lambda架構(gòu)。Lambda架構(gòu)比較基礎(chǔ)，有一些缺陷，所以在其基礎(chǔ)上又逐漸演進(jìn)出了Kappa、Kappa+等新架構(gòu)來部分解決Lambda架構(gòu)中存在的一些問題，詳情介紹可以看下這篇文章的介紹。Tablestore基于CDC技術(shù)來與計(jì)算引擎相結(jié)合，基于Lambda架構(gòu)設(shè)計(jì)了一個(gè)全新的Lambda plus架構(gòu)。

Lambda plus架構(gòu)

Lambda架構(gòu)的核心思想是將不可變的數(shù)據(jù)以追加的方式并行寫到批和流處理系統(tǒng)內(nèi)，隨后將相同的計(jì)算邏輯分別在流和批系統(tǒng)中實(shí)現(xiàn)，并且在查詢階段合并流和批的計(jì)算視圖并展示給用戶?；赥ablestore CDC技術(shù)我們將Tablestore與Blink進(jìn)行了完整對接，可作為Blink的stream source、dim和sink，推出了Lambda plus架構(gòu)：

Lambda plus架構(gòu)中數(shù)據(jù)只需要寫入Tablestore，Blink流計(jì)算框架通過通道服務(wù)API直讀表內(nèi)的實(shí)時(shí)更新數(shù)據(jù)，不需要用戶雙寫隊(duì)列或者自己實(shí)現(xiàn)數(shù)據(jù)同步。

存儲上，Lambda plus直接使用Tablestore作為master dataset，Tablestore支持用戶在線系統(tǒng)低延遲讀寫更新，同時(shí)也提供了索引功能進(jìn)行高效數(shù)據(jù)查詢和檢索，數(shù)據(jù)利用率高。

計(jì)算上，Lambda plus利用Blink流批一體計(jì)算引擎，統(tǒng)一流批代碼。

展示層，Tablestore提供了多元化索引，用戶可自由組合多類索引來滿足不同場景下查詢的需求。

總結(jié)

本篇文章我們談了數(shù)據(jù)系統(tǒng)架構(gòu)下的核心組件以及關(guān)于存儲組件的選型，介紹了派生數(shù)據(jù)體系這一設(shè)計(jì)理念。在派生數(shù)據(jù)體系下我們能更好的理清存儲組件間的數(shù)據(jù)流關(guān)系，也基于此我們對結(jié)構(gòu)化大數(shù)據(jù)存儲這一組件提了幾個(gè)關(guān)鍵需求。阿里云Tablestore正是基于這一理念設(shè)計(jì)，并推出了一些特色功能，希望能通過本篇文章對我們有一個(gè)更深刻的了解。

在未來，我們會(huì)繼續(xù)秉承這一理念，為Tablestore內(nèi)的結(jié)構(gòu)化大數(shù)據(jù)派生更多的便于分析的能力。會(huì)與開源計(jì)算生態(tài)做更多整合，接入更多主流計(jì)算引擎。

作者 木洛，阿里云存儲高級技術(shù)專家