作者 | 李欣

近十年來互聯網技術得到了飛速的發展，越來越多的行業加入到了互聯網的矩陣，由此帶來了更為豐富且復雜的業務場景需求，這對于資料應用系統的性能無疑是巨大的挑戰，?

關系型資料庫 MySQL 是應用系統中最廣泛使用的資料庫產品，擁有強大的資料查詢和強事務處理能力，在如今的云時代，應用系統逐漸演進到基于云原生 Serverless 架構去進行搭建，因為它具有低成本、高彈性的優勢，但基于 MySQL 的資料存盤在 Serverless 架構體系下仍存在一些明顯的不足：

1. 彈性擴展能力差，Serverless 場景中一個重要特點是應用負載具有顯著的波峰波谷，當面臨流量洪峰時，DBA 又需要手動對集群進行擴容以避免集群被打爆；而適逢流量低谷時，則需要對集群進行縮容以節省成本，
2. 運維復雜度高，MySQL 搭建需要進行購置集群、安裝服務、管理連接，業務上線后還要關注資料安全、服務可用性、回應時間等等，用于集群運維的時間占比會變高，無法把更多的精力專注于業務研發上，
3. 成本高，通常 DBA 需要預估業務規模來事先設定資料庫初始容量，當業務請求量未達到預估值時，集群中的資源會一直處于閑置狀態，造成資源浪費，?

Serverless DataBase

?

MySQL 支持的關系模型和其強事務的特性，使其在應用系統中有非常重要的位置，是目前不可完全替代的存盤組件之一，但若一味地依賴 MySQL 又會使得應用系統無法完全 Serverless 化，不能享受 Serverless 帶來的極致彈性，
?

在阿里內部我們有一些新的架構實踐，那些需要強事務處理的資料仍舊使用關系表存盤，而對于非強事務表資料存盤，我們則設計出了一款擁有極致彈性的 Serverless 表存盤，

關于 Serverless 資料庫產品，我們的設計要求是必須具備以下幾個特征：
?

• 完全彈性，可根據應用負載自動彈性擴縮容，這一特性可為用戶帶來更經濟的計費模式和更絲滑的體驗，
• 按量計費，Serverless 資料庫的使用成本主要來自于計算成本和存盤成本，用戶只需為業務實際產生的存盤單元和回應單元付費，節省成本，
• 零運維，即開即用，無需管理容量、水位、軟體升級、內核優化等運維事項，真正讓研發專注于業務開發，

?

Serverless 架構在諸多業務場景中都有廣泛的應用實踐，例如世紀聯華集團在其核心的電商業務中，針對自建 IDC 機房遇到的資源難以預算、系統部署困難等痛點問題，將業務實作全面上云并逐步改造為全 Serverless 架構的中臺模式，

世紀聯華集團采用了函式計算+ API 網關+ Tablestore 方案，輕松支撐起了 6.18、雙 11 等大促活動，其中，表格存盤 Tablestore 作為世紀聯華電商系統的云上 Serverlesss 架構中的核心存盤，具備極致彈性、免運維、成本低等優勢，

表格存盤 Tablestore 簡介

?

表格存盤 Tablestore 于 2009 年阿里云成立之初便立項研發，基于底層飛天平臺從零開始構建，是一款多模型、多引擎的 Serverless 表存盤，在公共云上輸出了國內外 30 多個區域，擁有 1.5 萬服務器規模和 200PB 存盤規模，是阿里云眾多商業化產品的底層核心存盤，
?

同時在線下已輸出到金融、能源、電力、物流、醫療、政企等行業，服務于公共云 1000+ 企業客戶和 500+ 線下專案，
?

表格存盤 Tablestore 具備 HBase 和 ElasticSearch 的融合功能，擁有極致彈性體驗、免運維、即開即用的特性，支持 GB 到 PB 的彈性存盤和 十萬級 TPS 服務能力的無感知擴展，支撐海量的表資料的同時，提供豐富的資料檢索與分析能力，是集存盤、搜索和分析多功能一體的一站式結構化資料存盤平臺，
?

表格存盤 Tablestore 的整體架構如下圖所示：

Tablestore 架構圖

表格存盤提供了多種資料模型，主要包括寬表模型（Widecolumn）、訊息模型（Timeline）和時序模型（Timeseries），

• 寬表模型主要承載表結構資料存盤，例如電商訂單資料，
• 訊息模型主要承載訊息資料存盤，例如 IM/Feeds 訊息，
• 時序模型主要承載時序資料存盤，例如物聯網設備時序資料，

下面我們將以電商訂單場景為例子，帶大家體驗基于 Tablestore 的寬表模型構建一個 Serverless 的訂單存盤系統，?

Tablestore 體驗

1、準備作業

?

在體驗 Tablestore 帶來的極致彈性之前，需要準備如下幾個步驟：
?

（1）創建一個阿里云賬號，并獲取到阿里云賬號的 AK，（云賬號 AK 是訪問所有云服務包括 Tablestore 的密鑰，后續需要通過 AK 來訪問 Tablestore 服務），

?

（2）下載并啟動 Tablestore 提供的命令列工具 Tablestore CLI，命令列工具提供一些簡單的指令來管理表格存盤服務，
?

首先通過 config 命令配置連接密鑰并通過 enable_service 命令開通 Tablestore 服務：
?

config --id accessKeyID --key accessKeySecretenable_service
?

（3）通過 create_instance 命令創建一個實體：

?

create_instance -d "order storage" -n serverless-db -r cn-hangzhou
?

實體相當于 MySQL 資料庫的概念，實體創建后無需思慮實體所在物理機集群的水位，只需專注開發業務邏輯即可，同時實體上的讀寫和存盤均為按量計費，若無讀寫無存盤，實際則不會產生任何費用，

至此，一個能夠支持 GB 到 PB 存盤的、無并發限制、零運維、完全彈性的 Serverless DataBase 就創建完成了，
?

2、創建表

?

寬表模型是（Widecolumn） 是 Schema-free 的一種資料表，與關系型資料庫 MySQL 不同的是，創建一張表 Widecolumn 模型的資料表僅需要定義主鍵結構，并不需要定義屬性列結構，
?

例如一張訂單表 order 的表結構如下圖表格所示：

|

| id（PrimaryKey） | cName | pType | sId | total_Price | ...... |
| --- | --- | --- | --- | --- | --- | --- |
| 資料型別 | STRING | STRING | STRING | STRING | DOUBLE | ...... |
| 業務含義 | 訂單ID | 消費者姓名 | 訂單商品型別 | 售貨員ID | 訂單總金額 | ...... |

創建一張寬表模型的訂單表，屬性列資訊無需定義，只需定義訂單表主鍵 id ，命令如下：

?

create_instance -d "order storage" -n serverless-db -r cn-hangzhou
?

執行 create 命令后成功創建一張訂單寬表，剛創建的訂單寬表會被初始化 1 個資料磁區，

隨著訂單資料量的增加或訪問量的增加，寬表模型會根據第一主鍵的分布范圍_（上述資料模型中即是訂單ID）分裂擴展成多個資料磁區平均分布到多臺物理機上以支持更大的資料規模（TB 甚至 PB）和讀寫吞吐（十萬 TPS 以上）_，整個擴展程序完全由服務端自動完成，無需人工干預，
?

3、資料匯入

?

模擬生成了 100 萬條樣例訂單資料，并通過 import 命令批量匯入到 order 表中，單資料磁區的寫入速度可以達到幾萬行/s，隨著磁區擴展，寫入吞吐還可以進一步提高，

import -i orderDataFile -l 1000000
Current speed is: 10000 rows/s. Total succeed count 10000, failed count 0.Current speed is: 12600 rows/s. Total succeed count 22600, failed count 0.......Current speed is: 9200 rows/s. Total succeed count 1000000, failed count 0.Import finished, total count is 1000000, failed 0 rows.

4、訂單查詢

使用 get 命令按照訂單號（id）單行查詢寬表模型，得到一條訂單資料，get 命令只能夠基于 rowKey 來進行單行查詢，
?

查詢一條訂單示例：
id = "0000005be2b43dd134eae18ebe079774"

get --pk '["0000005be2b43dd134eae18ebe079774"]'
+----------------------------------+-------+--------+---------+-------------+---------------+--------+--------+----------+--------+---------+-------+-------+--------+------------+| order_id | cId | cName | hasPaid | oId | orderTime | pBrand | pCount | pId | pName | pPrice | pType | sId | sName | totalPrice |+----------------------------------+-------+--------+---------+-------------+---------------+--------+--------+----------+--------+---------+-------+-------+--------+------------+| 0000005be2b43dd134eae18ebe079774 | c0015 | 消周五 | false | o0035062633 | 1507519847532 | 小米 | 3 | p0005003 | 小米 6 | 2299.21 | 手機 | s0017 | 售鄭七 | 6897.63 |+----------------------------------+-------+--------+---------+-------------+---------------+--------+--------+----------+--------+---------+-------+-------+--------+------------+

5、訂單檢索與統計

?

訂單場景中經常會出現依賴多條件組合篩選，這種情況下需要依賴 Tablestore 的多元索引特性，多元索引是 Tablestore 提供的類似 Elasticsearch 的表資料索引，支持豐富的查詢方式和資料聚合能力，可在多個列上分別建立索引，和 MySQL 中的聯合索引不同的是，多元索引可根據任意欄位組合查詢，不會按照多列的最左前綴來匹配，

例如我們在 id、pName、totalPrice 等欄位上分別建立索引，采用倒排索引、分詞、BKDTree 等資料結構，提供了精確查詢、全文檢索、范圍查詢等查詢能力，另外，多元索引也支持按欄位分組、多欄位排序以及統計聚合能力，

使用 create_search_index 命令在寬表上建立多元索引，起到查詢加速的作用，

create_search_index -t order -n order_index{ "IndexSetting": null, "FieldSchemas": [{ "FieldName": "id", "FieldType": "KEYWORD", "Index": true, "EnableSortAndAgg": true, "Store": true },{ "FieldName": "pName", "FieldType": "TEXT", "Index": true, "EnableSortAndAgg": false, "Store": true },{ "FieldName": "totalPrice", "FieldType": "DOUBLE", "Index": true, "EnableSortAndAgg": true, "Store": true } ...//其他欄位 ] }?

Tablestore 支持 SQL 查詢能力，兼容了 MySQL 的查詢語法，并且盡量保留了關系型資料庫的使用習慣，SQL 能夠自動選擇索引并進行查詢加速，通過多元索引的查詢加速，在百億資料規模下也具備了毫秒級延遲查詢的能力，
?

根據 sName、pBrand、pName 三個欄位條件進行訂單檢索：

select * from order where sName = "售周五" and pBrand = "小米" and pName like "紅米%"limit 3;
+----------------------------------+-------+--------+---------+-------------+---------------+--------+--------+----------+---------+--------+-------+---------------+-------+--------+------------+| id | cId | cName | hasPaid | oId | orderTime | pBrand | pCount | pId | pName | pPrice | pType | payTime | sId | sName | totalPrice |+----------------------------------+-------+--------+---------+-------------+---------------+--------+--------+----------+---------+--------+-------+---------------+-------+--------+------------+| 00001c760c04126da067e90409467c4e | c0022 | 消趙一 | true | o0009999792 | 1494976931954 | 小米 | 3 | p0005004 | 紅米 5s | 499.01 | 手機 | 1494977189780 | s0005 | 售周五 | 1497.03 |+----------------------------------+-------+--------+---------+-------------+---------------+--------+--------+----------+---------+--------+-------+---------------+-------+--------+------------+| 0000d89f46952ac03da71a33c8e83eef | c0012 | 消錢二 | false | o0024862442 | 1502415559707 | 小米 | 2 | p0005004 | 紅米 5s | 499.01 | 手機 | null | s0015 | 售周五 | 998.02 |+----------------------------------+-------+--------+---------+-------------+---------------+--------+--------+----------+---------+--------+-------+---------------+-------+--------+------------+| 0000f560b62779285e86947f8e8d0e4c | c0008 | 消馮八 | false | o0000826505 | 1490386088808 | 小米 | 1 | p0005004 | 紅米 5s | 499.01 | 手機 | null | s0015 | 售周五 | 499.01 |+----------------------------------+-------+--------+---------+-------------+---------------+--------+--------+----------+---------+--------+-------+---------------+-------+--------+------------+

?

統計所有訂單中每個商品品牌的訂單數：

select pBrand,count() from order group bypBrand;
+--------+----------+| pBrand | count() |+--------+----------+| vivo | 162539 |+--------+----------+| 聯想 | 304252 |+--------+----------+| oppo | 242513 |+--------+----------+| 蘋果 | 96153 |+--------+----------+| 小米 | 194543 |+--------+----------+

總結
?

表格存盤 Tablestore 作為一款廣泛應用 Serverless DataBase，提供了經濟的計費模式，能大幅縮減業務成本，以上文訂單場景為例子，在一億訂單資料量級和平均 2000TPS 的讀寫量下，采用表格存盤 Tablestore 僅需不到 400元/月 的使用成本，與此同時，Tablestore 具備極致的彈性服務能力和完全零運維的特性，能夠給用戶帶來更絲滑的使用體驗，

如對本文中所述有疑問或者希望進一步了解表格存盤，可以釘釘搜索群號：“23307953”，群內提供免費的在線專家服務，歡迎加入，

更多內容關注 Serverless 微信公眾號（ID：serverlessdevs），匯集 Serverless 技術最全內容，定期舉辦 Serverless 活動、直播，用戶最佳實踐，

標籤：其他

上一篇：三角形的生命——英偉達的邏輯流水線

下一篇：Serverless 年終技術盤點 ：工業、學術、社區遍地開花，國內廠商迅速卡位