摘要：小螞蟻說相信大家對螞蟻金服自主研發的金融級分布式關系數據庫的故事不再陌生了。文末有彩蛋在普通硬件上提供極限性能的數據庫服務是完全自主研發的金融級分布式關系數據庫，從架構上可以通過擴展機器來解決集群服務能力的擴展需求。

小螞蟻說：
相信大家對螞蟻金服自主研發的金融級分布式關系數據庫OceanBase的故事不再陌生了。在剛剛過去的2018年天貓雙11中，成交額2135億再次創造了新紀錄，而支撐今年雙11的支付寶核心鏈路就是OceanBase
2.0版本。
本文小螞蟻將為大家詳述OceanBase如何在去年同樣機器數量的情況下，來支撐今年雙11的流量洪峰，一起來學習一下吧~

本文作者為螞蟻金服OceanBase團隊資深技術專家顏然，他也是OceanBase初創成員之一，目前負責事務引擎以及性能優化方面的研發工作。（文末有彩蛋）

OceanBase：在普通硬件上提供極限性能的數據庫服務

OceanBase是完全自主研發的金融級分布式關系數據庫，從架構上可以通過擴展機器來解決集群服務能力的擴展需求。

OceanBase采用多副本復制的方案解決了可靠性和可用性的需求，而且構建在普通PC服務器上，不依賴于高端引擎。

我們的目標是在普通硬件上提供極限性能的數據庫服務。那么，OceanBase的存儲引擎有什么特點呢？

OceanBase的存儲引擎類似于LSMTree，所有新增的修改都會先記錄在Memtable中，這些數據的變更并不會實時寫到磁盤上，而會在后臺定期寫到硬盤上。

不管是磁盤還是SSD，當有大量寫入的時候，它的讀取性能都會受到很大影響。從一開始OceanBase的架構就是為了適應這種硬件的特性，所以沒有隨機寫的操作，對于SSD和磁盤都很友好，可以將硬盤的吞吐量優勢發揮出來，把硬件資源最好的性能壓榨出來。

OceanBase從0.x版本到1.x版本，再到現在的2.0版本，一直在推動的一件事就是把硬件的性能做到極致，希望在同樣的硬件條件下能給業務帶來更多性能的空間。OceanBase的目標一直是有極致性能并且性價比最好的數據庫。

OceanBase的性能目標：極致壓榨硬件性能

從用戶使用角度來看，數據庫有兩個重要的指標，延遲（Latency）和吞吐量（Throughput）。這是兩個非常不一樣的指標。

根據排隊論模型，這兩者之間的關系如上圖所示：隨著吞吐量增加，延遲近似指數倍增長。

當整體系統的性能不是特別高的時候，可以保持延遲的穩定性。當系統性能壓力很高的情況下，延遲會增加，我們要做的事情就是要在一個合理的延遲情況下，讓吞吐量可以盡可能大。換句話說，其實就是把一個請求要做的事情盡可能的減少，然后讓單位時間內能做的請求盡可能的多。性能優化的最終目標就是在延遲可以接受的場景下，盡可能提高系統的吞吐量。

性能優化工作

在剛剛過去的2018年天貓雙11中，成交額2135億再次創造了新紀錄。那么在螞蟻金服/支付寶這樣的場景下，支付的壓力會全部落在OceanBase 2.0版本上。在2.0版本里我們做了一個很重要的事情來進一步壓榨硬件的性能——也就是在去年同樣機器數量的情況下，來支撐今年的流量洪峰。

在同樣的硬件環境，同樣的機器規模數這些條件下，通過升級的服務器版本以及服務器的部署方式，來提供今年雙11在0:00:00洪峰到來時的抗壓能力。 雙11的支付壓力是典型的OLTP模型，有大量的增刪改查操作。OceanBase的存儲模型決定了操作主要在內存中進行，所以在滿負荷運轉下CPU是主要瓶頸。

CPU的資源如何壓榨到極致，其實主要包含兩方面的工作：

一是優化語句執行消耗指令數（Instructions /SQL），即每個請求需要執行的指令數，指令越少越好；
二是優化系統執行指令的效率（Cycles /Instruction），可以用CPI（Cyclesper Instruction）表示。

系統性能由每一行代碼決定

任何一段代碼都可能導致bug，任何一行代碼也都有性能優化的空間。針對不同的場景，我們需要深入到每行代碼里去看可以做什么樣的優化。

OceanBase 2.0版本進行了深度的優化獲得了很好的性能提升。上圖所列的只是其中一部分優化工作。性能優化是一個事無巨細的工作，有點類似于測試工作，本質上每一行代碼都會影響系統的性能。

優化CPU開銷

Commit異步化

在OceanBase已有的模型里，網絡模塊有多帶帶的線程池負責和客戶端通信，接受用戶請求和返回請求結果。接收到的請求會發在任務隊列中由工作線程處理。

相比較于每一個用戶的連接使用一個獨立的線程服務的模型，OceanBase的模型可以大大減少上下文切換的次數。

對于SQL語句的執行，這已經是一個很好的模型了。但是對于事務的提交操作，需要將日志在本地持久化和發送到其他副本持久化，提交操作又會使得工作線程出現等待的情況。

Commit異步化是在事務提交日志后不再等待日志持久化，工作線程可以直接去隊列中取下一個任務執行。等日志持久化完成后，通過回調的方式出發事務提交完成的操作和給用戶發送請求的結果。

優化系統擴展性

擴展性問題

我們做了很多事情讓系統少做無謂的事情，多做有用的事情，也就是增加CPU做有效工作的時間占比。

機器的CPU核數越來越多，從原來的幾十個核和現在的一百多個核，在英特爾的PC Server上都是很常見的場景。系統在服務器上運行，多核CPU的擴展性是一個很重要的方面。這里以計數器場景舉例，單個線程和多個線程一起操作同一個計數器，后者因為多個核之間競爭同一個內存單元，性能會下降幾百倍。其實有時候人多不一定力量大，人多也有可能導致大家一起搶賽道。

在系統中也大量存在類似的競爭場景，內存分配器是一個常見場景。多個線程在操作同一個memtable時，會從連續的內存塊中分配內存，分配內存的操作就好似計數器的競爭。所以，要把memtable的內存分配操作做成分區的形式，減少多個核之間的競爭。

說到底性能優化其實就是在優化系統的各個細節，每個細節都要做到極致，最終性能才能壓榨到最好的那個點，才能把硬件本身的性能發揮到最好。

性能無止境

我們可以看到，藍色塊代表的是OceanBase 1.4版本，也就是我們現在使用的主力版本，綠色塊代表了OceanBase 2.0版本。A場景是下單場景，也就是點提交訂單時的操作，B場景是支付場景，就是登到支付寶里去最終付款的場景。

最后結果是：在下單場景下，OceanBase 2.0版本比1.4版本的性能提升了63%，在支付場景下，提升了58%。

OceanBase的未來

未來OceanBase會加強面向全棧的優化，同時會對工作負載進行優化，也會有面向新硬件方面的優化工作。

OceanBase會持續進行性能優化的工作，目的是持續為用戶提供具有最高極限性能以及最好性價比的產品。這是OceanBase所一直秉承的理念。