为了让你搞定数据库选型,这些工程师重写了 26 万行代码

SphereEx

以下文章来源于InfoQ 架构头条

作者|王一鹏

无论多么有主见的架构师,在做数据库选型的时候,也可能会犯难。

传统 SOL、NoSQL 还是 NewSQL?架构风格是以久经考验的关系型数据库为主,还是偏向所谓原生的分布式架构?如果提及具体产品,那选择就更多了,TiDB、OceanBase、PolarDB、TDSQL、GaussDB、MongoDB…… 现在还有许多服务于新场景的产品,比如处理时序数据的 TDengine,处理图数据的 Nebula Graph……以及最老派又最完善的 Oracle。

如果从业务场景或即将面临的迁移成本来看,问题会更加复杂。牵扯到底层数据的选型和架构设计,有时更像一锤子买卖,一旦定了某种方案,再想替换代价可不是一般的大。

差不多在 10 年前,这事儿还没有那么棘手。Oracle、IBM Db2,二选一而已。但今时不同往日,这是一个数据量急速膨胀、业务高度复杂的时代,真正让人焦虑的不是单纯的选型问题,而是将“降本提效”推向极致的数字化转型问题。

那么,除了咬牙硬选一个数据库,或者基于现有数据库的基础上自研一套存储方案,真的没有其他路可走了吗?其实也有,只不过在分布式数据库热度越来越高的当下,显得有些“透明”,那就是中间件 + 多商业数据库的解决方案。

看到这个答案,你可能会有些失望。中间件方案出现的时间,尚在分布式数据库成熟之前。因此在业内很多架构师看来,这种方案在技术上不够超前,只能算是某种“过渡策略”,本质上是 NewSQL 数据库成熟前的无奈之举。

但来自金融等行业的诸多落地实践证明,事实可能并非如此。

我们为此特别采访了全球顶级开源项目 Apache ShardingSphere 的作者,以及背后商业公司 SphereEx 的 CEO 张亮,他一直对分布式架构设计保持关注,关于整个数据库行业的选型和架构设计问题,张亮有着特别的思考。

1、可插拔架构,或许是答案

“需求是多元化的,一部分用户适合分布式数据库,一部分用户适合用数据库中间件,甚至还有一部分适合两种都用,没有太绝对的答案”,张亮说。

这是个无错的答案,但也可以得出一个推论:如果场景是多元化的,数据库是多元化的,那么架构师应该尽量规避扩展性、兼容性不好的数据库解决方案。

无独有偶,Oracle ACE、数据库专家韩锋也在其个人公众号里发表过类似的观点:“(关于数据库选型)为了规避路线选择、厂商绑定的风险,比较现实的方法是选择一款兼容通用性协议的产品,并且在应用中仅使用标准数据库的用法。”

二者结合起来,我们能抽离出一些关键词:中立、兼容、标准,对于很多在选型问题上难以抉择的架构师来说,这让中间件路线看起来更加实际。

与数据库行业不同,以 ShardingSphere 为代表的中间件层由于不涉及存储引擎,如今已将目光从单纯的水平扩展问题转向业务支持和灵活性问题,也因此得以实现对异构数据库的统一管理。

灵活性、兼容性,是数据库中间件产品的核心,也是解决“数据库选型”问题的关键。据张亮透露,近两年的主要研发重点一直是可插拔架构,以将灵活性和兼容性推向极致。好消息是,ShardingSphere 的可插拔架构预计将在未来一段时间内正式上线。

所谓的可插拔架构,是指在架构层面,将整个系统分为基座和插件两部分,插件部分互相隔离、互不影响,基座可以自由接入多个插件。可插拔架构多见于相对轻量级的前端领域,属于微前端体系的一部分,但在基础软件部分则相当少见。

张亮认为,可插拔架构形式是未来数据库中间件的主要趋势之一,一则产品需要高度的灵活性,二则还有大量的能力需要被构建,比如数据安全、异构数据网关等功能,可插拔架构自然成为了产品核心。

话虽如此,但可插拔架构的设计难度却很大,让人望而生畏。这种设计难度,大致可分为两部分来谈:

第一,可插拔架构是对 OCP(Open-Closed Principle)原则的一次彻底执行,力图仅通过增加新模块来满足新需求,旧有模块完全保持 0 修改。这意味着,可插拔架构要清晰地定义出,什么是基座,什么是插件。它对上层、下层都无感知,一切面向接口。用张亮的话说,就是:“完全面向一个抽象的、虚无的东西,不涉及任何的业务细节”。

比如,ShardingSphere 转向可插拔架构后,其核心流程里已经没有分片功能了,分片会作为可插拔能力的一部分接入到服务中。对于数据库中间件来说,几乎属于产品重定义。与许多人对数据库中间件的固有认知相悖,因为在许多人的理解中,数据库中间件不就是为了分库分表而存在的吗?

但实际情况是,单体数据库的覆盖场景依然很多,分库分表并不是 0 级功能。这是在架构层面,必须具备的关键洞察。

第二,与微服务相似,只要涉及服务拆分,就会涉及颗粒度问题。对于可插拔架构来说,需要插件化的不一定只是产品功能,比如两阶段强一致事务和柔性事务,也是能够实现可插拔的。

基于这些拆分问题,ShardingSphere 把可插拔架构分为三层,分别是内核层、功能层、生态层,分别面向数据库内核、企业功能、数据库生态进行可插拔设计。其中,查询优化器、分布式事务引擎、调度引擎等是内核层的可插拔模块;数据分片、读写分离、数据库高可用、数据加密、影子库都是功能层的可插拔模块;数据库协议、SQL 方言等则是生态层的可插拔模块。

要实现可插拔架构,除了设计难度和颗粒度拆分,其工作量也令人叹为观止。ShardingSphere 有 190 多个模块,近 43 万行代码,核心 Java 代码 29 万行,张亮回忆道:“为了做可插拔架构,老代码留了不到 1/10。”这意味着,有近 26 万行的核心代码被重写了。

可插拔架构是 ShardingSphere 追求灵活性最重要的标志之一,但它对灵活性的追求又不仅限于可插拔架构。

比如,ShardingSphere 还额外提供了两种部署形态,分别为 JDBC 和 Proxy。JDBC 是 Java 访问数据库的标准接口,Proxy 是中间件最常见的服务形式,且两者能够在同一开发环境下进行组合使用,以满足多用户下多类型访问的需求。

这样多种类型的服务接口,一方面服务了不同类型的开发人员,另一方面也实现了性能层面的可定制化,工程师可以结合场景调整数据库分片的键值,实现不同场景下,性能的最大化提升;反之,“全包式”数据库方案,则往往需要放弃部分灵活性,以相对中庸的方案来换取无感知、低侵入的使用体验,体现了与数据库中间件方案的差异性。

2、真正的开源项目,是社区说了算

如果我们要做技术选型,需要注意的另外一点是,备选产品的维护主体是谁,备选产品的基因是什么,是开源,还是闭源?这与搞清楚产品的技术方案、技术理念同样重要。

当下,无论开源的热度如何,大部分分布式中间件、分布式存储、数据库都是闭源的,这是不争的事实。

看到的是,大量的开源创业公司正在出现,资本也在快速进入,比如 SphereEx、欧若数网、Neo4j,以及大家熟知的 PingCAP。同时也有许多数据库宣布开放源代码,比如 OceanBase、Tendis、openGauss。

为什么在数据存储领域,开源这么引人关注?

一个可能的答案是,开源在技术层面的想象空间更大,对开发者更友好。就像 ShardingSphere 的可插拔架构,架构设计完成只是第一步,后续还有海量的不同模块的开发工作。对于创业公司来说,如果不借助社区的力量,美好的可插拔架构也可能成为公司的研发黑洞。

产品的中立性,也是导致开源项目集中迎来爆发的另一个要素。尤其是在数据存储领域,最美好的答案可能是无依赖、跨多云,最差的答案才是被单一产品强绑定。

当然,开源再好,也抵不过现实的骨感。开源两年,Star 几百,花钱不少,效果为零,这恐怕是众多开源项目的常态。社区的健康程度,往往直接定义了开源项目的生死,这导致即便架构师想做选型,也没有太多的好选择。

在张亮看来,一个开源项目能不能成功,大致可以分为三个维度来考察:

第一,能否耐住寂寞,团队是真的相信开源,还是拿开源当做商业上的捷径。一个最简单的考核指标便是运营时间,“开源项目一定要度过‘静默期’才会迎来爆发,只做了半年、一年,是没法预估项目未来的”,张亮说。

第二,一些必备的运营技巧。张亮一方面把 ShardingSphere 捐献给 Apache 基金会,另一方面也带着项目参与了许多活动,比如谷歌举办的黑客马拉松、编程夏令营,除国内用户以外,也吸引了大批的海外开发者、学生参与到社区建设中来。

第三,观念的转变,也是最关键的部分。从小处着眼,是从“自己开发”到“社区开发”;从大处着眼,就是在真正意义上拥抱开源,而不只是嘴上说说。

“ShardingSphere 的项目发展是受社区的引导。比如说,社区认为 ShardingSphere 该做基于影子库的压测和可观察性,ShardingSphere 就真的做了。这些都不是项目自上而下的设计,只要需求爆发,且在项目的 Scope 内,就可以实现。但如果一个公司在运营开源项目时,遇见所谓的偏离主线设计的社区诉求,就拒掉它,那么大概率也会影响这个项目的成长,因为它不算真正扎根社区的开源项目。”

3、未来的发展方向

目前相关的中间件产品,还是把核心聚焦在水平分片、弹性迁移和 MySQL 实例管理上。

但某种程度上,ShardingSphere 可能代表了未来数据库中间件发展的核心方向之一,即 0 级功能是可插拔,1 级功能才是数据分片。开源和可插拔架构结合在一起,等于打开了数据库中间件在技术和产品维度的想象空间。张亮透露,SQL 审计、基于数据的权限引擎、多租户、TTL(Time To Live)都会被提上开发日程。

除此之外,ShardingSphere 还有一个正在开发中的构想,叫做 Database Mesh,力争实现数据库上云的原生体验,但还需要一定的开发周期。

Database Mesh 会在数据库集群之上,封装一层代理,做智能的负载均衡。传统的负载层无法识别 SQL 特征,只能用轮询或权重的方式透传。但 Database Mesh 会根据不同的 SQL,匹配计算实例的标签,更加智能选择要访问的数据库计算或存储节点。

对于架构师而言,最重要的是打开技术选型的眼界与想象力。分布式数据库对业务的侵入性更低,但中间件方案规避了对厂商的依赖问题,究竟如何选择,要以实际场景为判断依据。但这并不妨碍我们给出阶段性的推论:

很可能,在未来的 5 - 10 年间,数据库中间件都是底层架构最重要的解决方案之一,值得每一个架构师认真调研。

阅读 136

根植于Apache 顶级项目「ShardingSphere」,SphereEx 始终秉承开源、共享、生态、平台理念。

29 声望
3 粉丝
0 条评论
你知道吗?

根植于Apache 顶级项目「ShardingSphere」,SphereEx 始终秉承开源、共享、生态、平台理念。

29 声望
3 粉丝
文章目录
宣传栏