CloudNative Days Tokyo 2022 -リアルタイム分析サービスをクラウドネイティブDBで作るとこうなる

このスライドでは、OSS Insight (50億を超えるGitHubのイベントデータを分析)というサービスの裏側で使われている技術のキモであるHTAPデータベース「TiDB」の役割と、さらにTiDBの機能の全てをクラウド上で利用できるフルマネージドサービスTiDB Cloudの裏側について解説します。

参考リンク：
アーカイブ動画　https://youtu.be/YlW9kfI8pi4
OSS Insight　https://ossinsight.io/
HTAPとは？　https://pingcap.co.jp/blog/technical-paths-to-htap-greenplum-and-tidb-as-examples/
TiDB Cloud　https://docs.pingcap.com/ja/tidbcloud/

Transcript

1. リアルタイム分析サービスを クラウドネイティブDBで作るとこうなる PingCAP株式会社 Japan CTO 林正記（Hayashi Masaki） 

2. PingCAPの自己紹介
 - NewSQLデータベース TiDBを継続的に開発
 - 2015年設立後、TiDBを開発し毎年メジャーアップデートを実施
 - CNCFに寄贈し、現在Graduatedステータス
 - フルマネージド型DBサービス「TiDB Cloud」の展開も強化中
 
 - ワールドワイドでビジネス展開
 - 2021年4月に日本支社設立
 - MySQL開発MgrのSanny Bains等も入社
 - 元日本マイクロソフト社長 平野拓也がアドバイザーとして参画
 Sunny Bains
 ex. InnoDB R&D Mgr 
 平野 拓也氏
 ex. 日本マイクロソフト社長 

3. ある日のCEOからの指令
 「オープンソースプロジェクトの最新状況を理解できるツールを作れ」
 
 「Yes, Sir！！」
 
 ～～中略～～
 
 「期限は一週間な」
 
 「！！！！！！………Yes, Sir……」

4. OSSの活発度が知りたい？OSS insight！
 GitHub上のイベント情報をうまく使えばグラフィカルに表示すればプロジェクトを理解できる https://ossinsight.io
5. 利用データとデータストアの要件
 GitHubデータを調達 （データストアに対する）要件 GitHub上のイベントデータをグラフィカルに表示させるために
 ・アーカイブデータ - GHarchive(1時間ごとに更新) - 46億レコード(現在は50億レコード) ・リアルタイムデータ - GitHubイベントAPI - 平均30万レコード/時間 ①スケーラビリティ 　　⇒データは増え続ける ②複雑な分析クエリ 　　⇒色んな条件でグラフ化したい ③更新がまあまあある 　　⇒リアルタイムデータの情報 ④セカンダリインデックス 　　⇒ユーザーIDとレポジトリIDの分析が必要
6. アプローチと課題
 1つのDBで全てをかなえることは難しい RDB (OLTP) RDB (OLAP) NoSQL Hadoop +色々 ①スケーラビリティ △ △ 〇 〇 ②複雑な分析クエリ △ 〇 x 〇～△ ③更新がまあまあある 〇 △ 〇 △ ④セカンダリインデックス 〇 〇 〇 or x 〇
7. 現実解？の構築は結構難しい
 更新用にRDBをシャーディングして、ETLパイプラインを構築し、DWHに同期 シャーディングして スケーラビリティ担保 Kafka経由でデータを流し て、分析クエリに対応 よく使うクエリは クエリキャッシュ 勉強することいっぱい…
8. シンプル化できる？
 更新用にRDBをシャーディングして、ETLパイプラインを構築し、DWHに同期 ①NewSQLでシャーディング不要に - Spanner - TiDB - CockroachDB - YugabyteDB ②HTAPでOLTP,OLAPを1つのDBで実現 - AlloyDB - SingleStore - TiDB - Snowflake
9. ①NewSQLでシャーディング不要に
 RDB (ex. MySQL) NoSQL (ex. Cassandra) New SQL (ex. TiDB) CAPの考え方 CA AP CP+HA クエリ SQL API, SQL(CQL) SQL 　- トランザクション 〇 X 〇 　- JOIN 〇 X 〇 Readスケーラビリティ 〇 リードレプリカ テーブル再設計 ◎ 分散アーキテクチャ ◎ 分散アーキテクチャ テーブル再設計不要 Writeスケーラビリティ △ Writerは単一ボトルネック （要シャーディング） ◎ 分散アーキテクチャ ◎ 分散アーキテクチャ (大きい1テーブル対応可) - NewSQL = 分散アーキテクチャによるスケーラビリティ＋ACIDトランザクション
 　⇒シャーディングに頼らないRDB+スケーラビリティの直接的回答
 - 有名プロトコルを互換しているので、RDBのスキルセットを活かせる

10. シンプル化できる？
 更新用にRDBをシャーディングして、ETLパイプラインを構築し、DWHに同期 ①NewSQLでシャーディング不要に - Spanner - TiDB - CockroachDB - YugabyteDB ②HTAPでOLTP,OLAPを1つのDBで実現 - AlloyDB - SingleStore - TiDB - Snowflake
11. ②HTAPでOLTP,OLAPを1つのDBで実現
 HTAP = OLTP + リアルタイムOLAP分析を１つの基盤で HTAP的なメッセージがマーケットでも増えてきた
12. ②HTAPでOLTP,OLAPを1つのDBで実現
 HTAPの実装は、メモリ型・ストア型色々ある TiDB AlloyDB プロトコル MySQL PostgreSQL Scalability Read, Write (NewSQL) Read マルチクラウド AWS, GCP(, On-Premise) GCP HTAP実装 ストア （TiFlashにより大容量のカラム化が可能） メモリ内 カラムデータクエリエンジン MPP シングルノード データ容量が増えるほどストア型・ MPP型が有利
13. シンプル化できる？（再掲）
 更新用にRDBをシャーディングして、ETLパイプラインを構築し、DWHに同期 ①NewSQLでシャーディング不要に - Spanner - TiDB - cockroachDB - YugabyteDB ②HTAPでOLTP,OLAPを1つのDBで実現 - AlloyDB - SingleStore - TiDB - Snowflake RDB (OLTP) RDB (OLAP) NoSQL Hadoop +色々 NewSQL NewSQL &HTAP ①スケーラビリティ △ △ 〇 〇 〇 〇 ②複雑な分析クエリ △ 〇 x 〇～△ △ 〇 ③更新がまあまあある 〇 △ 〇 △ 〇 〇 ④セカンダリインデックス 〇 〇 〇 or x 〇 〇 〇
14. 2つを満たしてくれたTiDB
 NewSQL TiDBは、更新・参照業務と分析業務を１アーキテクチャで実現。 TiDBは通常のDBと異なり、２つのエンジンを搭載し、あらゆる業務を１つのプラットフォームで実施可能。 また、全てのコンポーネントがリニアにオンラインスケールアウト /インが可能 アプリケーション TiKV TiKV TiKV TiKV TiFlash TiFlash TiFlash TiFlash 更新・参照用ストレージエンジン … TiKV TiKV TiKV TiKV TiFlash TiFlash PD PD PD TiFlash TiFlash 更新、参照 分析用ストレージエンジン データ同期 分析処理 … 全体管理 TiDB TiDB … TiDB ・更新処理か分析処理かを TiDBで自動判別 ・適切なエンジンで処理を実施 クエリ処理コンポーネント Row-Base Store Column-Base Store
15. TiDB???
16. フルマネージド（TiDB Cloud）を活用
 ソフトウェアの運用ナレッジは不要。 更にMySQLのスキルセットを活かせるのがうれしい - お客様専用のVPC、Compute 
 - デフォルトでマルチAZ構成 
 - 障害・メンテナンス対応は全てPingCAPが実 施
 - VPC Peering, Private Link, Public IP経由で 接続
 - 専用WebコンソールやAPIで操作 

17. TiDB Cloud 無償トライアル https://tidbcloud.com/signup Serverless TierではTiDB Cloudを現在無償でご利用頂けます。
18. アーキテクチャはこうなった(Before)
 更新用にRDBをシャーディングして、ETLパイプラインを構築し、DWHに同期 シャーディングして スケーラビリティ担保 Kafka経由でデータを流し て、分析クエリに対応 よく使うクエリは クエリキャッシュ
19. アーキテクチャはこうなった(After)
 全てTiDBに任せる OLTP, OLAPは 全てTiDBで処理
20. 活用デモ①：スケールアウト(&MySQL互換)
 NewSQL TiDBは、更新・参照業務と分析業務を１アーキテクチャで実現。 TiDBは通常のDBと異なり、２つのエンジンを搭載し、あらゆる業務を１つのプラットフォームで実施可能。 また、全てのコンポーネントがリニアにオンラインスケールアウト /インが可能 アプリケーション TiKV TiKV TiKV TiKV TiFlash TiFlash TiFlash TiFlash 更新・参照用ストレージエンジン … TiKV TiKV TiKV TiKV TiFlash TiFlash PD PD PD TiFlash TiFlash 更新、参照 分析用ストレージエンジン データ同期 分析処理 … 全体管理 TiDB TiDB … TiDB ・更新処理か分析処理かを TiDBで自動判別 ・適切なエンジンで処理を実施 クエリ処理コンポーネント Row-Base Store Column-Base Store
21. 活用デモ②：カラムストア(TiFlash) SELECT l_orderkey, SUM( l_extendedprice * (1 - l_discount) ) AS revenue, o_orderdate, o_shippriority FROM customer, orders, lineitem WHERE c_mktsegment = 'BUILDING' AND c_custkey = o_custkey AND l_orderkey = o_orderkey AND o_orderdate < DATE '1996-01-01' AND l_shipdate > DATE '1996-02-01' GROUP BY l_orderkey, o_orderdate, o_shippriority ORDER BY revenue DESC, o_orderdate limit 10; ①データ作成 (TPCH - Done)
 ②クエリを流す (TiKVで処理)
 ③TiFlash適用 (テーブル単位で適用)
 ④クエリを流す (TiFlashで処理)
 

22. OSS insightのクエリを流す ①レコード数カウント＆リアルタイムで同期している事を確認
 　　select count(*) from github_events; 
 ②条件を設定してクエリかける
 　　select count(*) from github_events where actor_login = '??????'; 
 ③OSS insightで使われているクエリを試す
 　　https://ossinsight.io/blog/explore-deep-in-4.6-billion-github-events/
 　　
 

23. 最後に：早く、早く。
 サイト構築にDocusaurus、グラフ化にApache Echartを利用してすぐに構築
24. まとめ ・TiDB (NewSQL & HTAP)が持つ1システムでの多機能化によって、システム全体のシ ンプル化が図れた
 
 ・結果、全体の運用コスト（＋学習コスト）も抑えられる
 
 ・もう大容量・高性能・分析みたいな要件は怖くない。

25. Thank You! https://www.pingcap.com/ info@pingcap.com