Upgrade to Pro — share decks privately, control downloads, hide ads and more …

談 Uber 從 PostgreSQL 轉用 MySQL 的技術爭議

談 Uber 從 PostgreSQL 轉用 MySQL 的技術爭議

➀ Uber 為什麼從 PostgreSQL 轉用 MySQL?
➁ PostgreSQL 專家怎麼說?MySQL 專家怎麼回擊?
➂ 他們說的有沒有道理?

Ffe61c981651f09952d858fea7eaccd3?s=128

Yi-Feng Tzeng

August 05, 2016
Tweet

Transcript

  1. 談 Uber 從 PostgreSQL 轉用 MySQL 的技術爭議 Ant yftzeng@gmail.com 2016-08-05

  2. 2/69 《 Why Uber Engineering Switched from Postgres to MySQL

    》 https://eng.uber.com/mysql-migration/ 今日的討論主角。
  3. 3/69 本次演講為了清楚傳達 會大量使用白板描述

  4. 4/69 議程 ➀ 跳脫技術及政治鬥爭本位 ➁ 架構先決 ➂ 探嚢取物

  5. 5/69 Ref: http://fortune.com/2016/02/25/uber-patent-just-in-time-rides/ 跳脫技術及政治鬥爭本位

  6. 6/69 架構先決 《業務需求是什麼》

  7. 7/69 2015 ➊ 架構先決 無視人員、流程只講技術,是耍白痴 架構會影響公司文化、商業擴展;思維更要超越程式碼層次

  8. 8/69 2015 ➋ 沒有完美的架構,只有最適的架構 無視場景只講架構,是耍流氓 若無法舉出架構的缺陷,代表你還無法掌握 盲目套用別人的架構,並不會讓你變得跟他一樣好

  9. 9/69 2015 ➌ 架構是演進的,預想但不過早調優 無視未來只求現有,是耍自閉 兵馬未動,糧草先行,預想下一步,下下一步,甚至下下下一步 ...

  10. 10/69 Orient Intensive Capacity CPU intensive Memory intensive Storage/IO intensive

    Bandwidth intensive OLTP OLAP Data warehouse Throughput Latency Memory footprint Bond Performance Security Cost reduction 架構先決 Service-level agreement
  11. 11/69 2015 千萬人同時在線 電子商務、線上媒體 低延遲回應 廣告平台 (30ms) 、高頻交易 (0.5~3ms) 、醫療等關鍵設備

  12. 12/69 Capacity 架構先決

  13. 13/69 Capacity Optimal capacity 架構先決

  14. 14/69 Capacity Optimal capacity 架構先決

  15. 15/69 探嚢取物 为 PostgreSQL 讨说法 – 浅析 《 UBER ENGINEERING

    SWITCHED FROM POSTGRES TO MYSQL 》 https://yq.aliyun.com/articles/58421 將以這篇討論為主
  16. 16/69 《業務需求是什麼》 ➀ 更新頻繁 (UPDATE-heavy) ➁ 無模式 (Schemaless) ➂ 異地同步

    探嚢取物
  17. 17/69 Orient Intensive Capacity CPU intensive Memory intensive Storage/IO intensive

    Bandwidth intensive OLTP OLAP Data warehouse Throughput Latency Memory footprint Bond Performance Security Cost reduction 探嚢取物 Service-level agreement
  18. 18/69 《業務需求是什麼》 ➀ 更新頻繁 (UPDATE-heavy) ➁ 無模式 (Schemaless) ➂ 異地同步

    探嚢取物
  19. 19/69 Orient Intensive Capacity CPU intensive Memory intensive Storage/IO intensive

    Bandwidth intensive OLTP OLAP Data warehouse Throughput Latency Memory footprint Bond Performance Security Cost reduction 探嚢取物 Service-level agreement
  20. 20/69 《業務需求是什麼》 ➀ 更新頻繁 (UPDATE-heavy) ➁ 無模式 (Schemaless) ➂ 異地同步

    探嚢取物
  21. 21/69 Orient Intensive Capacity CPU intensive Memory intensive Storage/IO intensive

    Bandwidth intensive OLTP OLAP Data warehouse Throughput Latency Memory footprint Bond Performance Security Cost reduction 探嚢取物 Service-level agreement
  22. 22/69 《業務需求是什麼》 ➀ 更新頻繁 (UPDATE-heavy) ➁ 無模式 (Schemaless) ➂ 異地同步

    探嚢取物
  23. 23/69 Orient Intensive Capacity CPU intensive Memory intensive Storage/IO intensive

    Bandwidth intensive OLTP OLAP Data warehouse Throughput Latency Memory footprint Bond Performance Security Cost reduction 探嚢取物 Service-level agreement
  24. 24/69 Orient Intensive Capacity CPU intensive Memory intensive Storage/IO intensive

    Bandwidth intensive OLTP OLAP Data warehouse Throughput Latency Memory footprint Bond Performance Security Cost reduction 探嚢取物 Service-level agreement
  25. 25/69 探嚢取物 MySQL – 回滾段

  26. 26/69 探嚢取物 PostgreSQL - MVCC

  27. 27/69 探嚢取物 PostgreSQL - MVCC

  28. 28/69 探嚢取物 Q :一般操作時,誰的 UPDATE 較快?

  29. 29/69 2015 索引數據結構 : B+tree 索引 資料表: 1 user1 pass1

    2 user2 pass2 3 user3 pass3 4 user4 pass4 5 user5 pass5 13 4 7 1 2 3 4 5 6 7
  30. 30/69 Ref: https://yq.aliyun.com/articles/58421

  31. 31/69 Ref: https://yq.aliyun.com/articles/58421

  32. 32/69 Ref: https://yq.aliyun.com/articles/58421

  33. 33/69 探嚢取物 Q :一般操作時,誰的 UPDATE 較快? InnoDB 需要把 Older row

    搬到 Rollback Segment , 造成 UPDATE 比較慢。 PostgreSQL 是複製該 row 在同一 Page , 並改 Pointer 。
  34. 34/69 《業務需求是什麼》 ➀ 更新頻繁 (UPDATE-heavy) ➁ 無模式 (Schemaless) ➂ 異地同步

  35. 35/69 探嚢取物 Q : UPDATE-heavy ?

  36. 36/69 探嚢取物 Q : UPDATE-heavy ? PostgreSQL 是複製該 row 在同一

    Page , 並改 Pointer 。
  37. 37/69 2015 索引頁分裂 觸發:頁剩餘空間 - 保留空間 < 新增資料 問題:頁分裂時會 Latch(

    小鎖 ) page page page latch page
  38. 38/69 2015 索引頁分裂 : 亂序式新增資料 操作:新增 5( 假設頁只能存三筆資料 ) 20

    6 12 2 4 6 8 10 12 5 20 4 6 12 2 4 5 6 8 10 12 p1 p1 p2 p2 p4 p3 p3 p4 p5 latch fragmentation fragmentation
  39. 39/69 探嚢取物 Q : PostgreSQL HOT-updated ?

  40. 40/69 探嚢取物 Q : PostgreSQL HOT-updated ? HOT-updated 是有條件的: ➀

    只有在所有索引屬性都沒有被更新時才能使用 HOT ➁ 只有在被更新記錄所在頁面能夠存儲新版本時才能用 HOT
  41. 41/69 探嚢取物 Q : PostgreSQL HOT-updated ? HOT-updated 是有條件的: ➀

    只有在所有索引屬性都沒有被更新時才能使用 HOT 為了目標的 Column 可支援 HOT-updated , 勢必就不行加上索引,損失 Read 效能。 ( 三個月沒登入的會員 ? ) ➁ 只有在被更新記錄所在頁面能夠存儲新版本時才能用 HOT UPDATE-heavy 下, fillfactor 要調更小, 浪費的空間更多, I/O 開銷更大。 PostgreSQL 預設 100% ,博主使用 80% , 8K*20%=1.6K 為空, 假設 Record Size 200 bytes , 1.6K 約可放 8.2 個。
  42. 42/69 探嚢取物 Q : MySQL 的 Primary Key 更新的開銷非常大?

  43. 43/69 探嚢取物 Q : MySQL 的 Primary Key 更新的開銷非常大? PostgreSQL

    更新的 Column 為 Index 時, 沒有 HOT-updated 效果,且全 Index 皆需要更新。 MySQL 雖然沒有這個問題,但若是 Primary Key 更新時, 問題也是很嚴重。
  44. 44/69 探嚢取物 Q : MySQL 的 Primary Key 更新的開銷非常大? PostgreSQL

    更新的 Column 為 Index 時, 沒有 HOT-updated 效果,且全 Index 皆需要更新。 MySQL 雖然沒有這個問題,但若是 Primary Key 更新時, 問題也是很嚴重。 但通常 Primary Key 是不會更新的。
  45. 45/69 探嚢取物

  46. 46/69 《業務需求是什麼》 ➀ 更新頻繁 (UPDATE-heavy) ➁ 無模式 (Schemaless) ➂ 異地同步

  47. 47/69 探嚢取物 Q :寫次數放大?

  48. 48/69 探嚢取物 Q :寫次數放大? ➀ 場景一: Primary Key 更新時 ➁

    場景二: N 個 Secondary Index 中的 1 個更新時 ➂ 場景三:更新的欄位不是 Index 時
  49. 49/69 探嚢取物 Q :寫次數放大? ➀ 場景一: Primary Key 更新時 ➊

    更新的 Row 在原長度內 (MySQL) ? I/O (PostgreSQL) ? I/O ➋ 更新的 Row 不在原長度內,且發生 Page split (MySQL) ? I/O (PostgreSQL) ? I/O
  50. 50/69 探嚢取物 Q :寫次數放大? ➁ 場景二: 1 個 Secondary Index

    中的 1 個更新時 ➊ 更新的 Row 在原長度內 (MySQL) ? I/O (PostgreSQL) ? I/O ➋ 更新的 Row 不在原長度內,且發生 Page split (MySQL) ? I/O (PostgreSQL) ? I/O
  51. 51/69 探嚢取物 Q :寫次數放大? ➁ 場景二: N 個 Secondary Index

    中的 1 個更新時 ➊ 更新的 Row 在原長度內 (MySQL) ? I/O (PostgreSQL) ? I/O ➋ 更新的 Row 不在原長度內,且發生 Page split (MySQL) ? I/O (PostgreSQL) ? I/O
  52. 52/69 探嚢取物 Q :寫次數放大? ➂ 場景三:更新的欄位不是 Index 時 ➊ 更新的

    Row 在原長度內 (MySQL) ? I/O (PostgreSQL HOT-updated) ? I/O ➋ 更新的 Row 不在原長度內,且發生 Page split (MySQL) ? I/O (PostgreSQL) ? I/O
  53. 53/69 《業務需求是什麼》 ➀ 更新頻繁 (UPDATE-heavy) ➁ 無模式 (Schemaless) ➂ 異地同步

  54. 54/69 探嚢取物 Q :長事務?

  55. 55/69 探嚢取物 Q :長事務? InnoDB 回滾 Rollback Segment 很昂貴。 尤其當長事務常發生時,可能常讀取

    Older data ,效能很差。
  56. 56/69 探嚢取物 Q :長事務? InnoDB 回滾 Rollback Segment 很昂貴。 尤其當長事務常發生時,可能常讀取

    Older data ,效能很差。 但通常事務 (transaction) 回滾的機率是低的。
  57. 57/69 探嚢取物 Q :作者:看我文章中的測試嗎,每秒 13 萬持續強力更新壓測 我的測試機 AWS EC2 c4.xlarge

    (4 vCPU)
  58. 58/69

  59. 59/69

  60. 60/69 2015 High Concurrent Write?(Hotspot:UPDATE) 《 MySQL 》 直接 UPDATE

    在同一 Row ,通常不會造成該 Page 的大小變化。 《 PostgreSQL 》 盡量在同一 Page 寫入新的 Row ,但若該 Page 空間不足時,則 會另新建一 Page 寫入。 Fragmentation ? VACUUM ?
  61. 61/69 2015 High Concurrent Write?(Hotspot:UPDATE) 《 PostgreSQL 》 PostgreSQL 天生容易遇到

    Index bloat 的問題。 Ref: PostgreSQL 9.0 High Performance [PACKT] (2010) (p171)
  62. 62/69 2015 High Concurrent Write?(Hotspot:UPDATE) Ref: http://www.slideshare.net/denishpatel/deploying-maximum-ha-architecture-with-postgresql (p28)

  63. 63/69 《業務需求是什麼》 ➀ 更新頻繁 (UPDATE-heavy) ➁ 無模式 (Schemaless) ➂ 異地同步

  64. 64/69 異地同步 Q : Physical replication vs. Logical replication? MySQL

    只有 Logical replication ; PostgreSQL 9.4 之前只有 Physical replication 。
  65. 65/69 異地同步 Q : Physical replication vs. Logical replication? PostgreSQL

    送出 WAL ,而 MySQL 送出 commands 。 送出 WAL 有一些問題,因為它是直接修改 disk 的資料, 所以可能會造成一些問題。包括 data corruption 導致 整個資料庫下線。 它對於 versioning 版本號的問題非常敏感, 並且如果無法確保我們能支持很多 versioning 版本號的 replicating 到同一台機器時,這會變得非常困難。
  66. 66/69 異地同步 Q : Physical replication vs. Logical replication? Physical

    replication 比 logical replication 快, 因為它在 replication stream 中含 index pointer , 允許 insert 直接進到 index ,比需要先找到該 index 位置再 insert 快。 這很有效率,但確實 replication bandwidth 需要比較多。
  67. 67/69 異地同步 Q : Physical replication vs. Logical replication? statement-based

    replication 對 bandwidth 較有效率。 但對接收端的伺服器效能並不好。 且可能導致很多 replication 非預期的問題,導致需要排錯。
  68. 68/69 最後 PostgreSQL 開發團隊開始深入思考 Uber 遇到的問題, 並著手改善,其中包括 HOT 的寫入次數放大問題。

  69. 69/69 i Ref: https://www.postgresql.org/message-id/CABOikdMop5Rb_RnS2xFdAXMZGSqcJ-P-BY2ruMd%2BbuUkJ4iDPw%40mail.gmail.com