目前，大多數(shù)企業(yè)采用Apache Flink與Kafka相結(jié)合的方式進行實時數(shù)據(jù)處理，即kafka從其他端獲取數(shù)據(jù)后，?刻到Flink進行計算，F(xiàn)link計算完后結(jié)果導(dǎo)入到數(shù)據(jù)庫，整個過程是數(shù)據(jù)流式處理。然而，由于Kafka不在磁盤中持久保存數(shù)據(jù)，在極端情況下，數(shù)據(jù)可能會丟失。

綜合研究了市場上主流的數(shù)據(jù)庫和存儲系統(tǒng)以后，筆者發(fā)現(xiàn)了一個更有效、更準(zhǔn)確的實時數(shù)據(jù)倉庫解決方案，即通過Pravega+TiDB這種架構(gòu)組合，來構(gòu)建實時數(shù)據(jù)倉庫。

在這篇文章中，我們將重點介紹Pravega分布式流存儲系統(tǒng)、TiDB分布式SQL數(shù)據(jù)庫能給用戶帶來哪些價值，以及這種組合如何解決Kafka數(shù)據(jù)持久性挑戰(zhàn)。同時，Pravega+TiDB在自動擴展、實時數(shù)據(jù)倉庫的高并發(fā)性、可用性和安全性等方面有哪些表現(xiàn)。

Pravega——重構(gòu)流式存儲架構(gòu) 

Pravega 是Dell Emc開源分布式流存儲系統(tǒng)，也是全球頂級開源基金會CNCF(云原生計算基金會)的沙盒項目。與Kafka和Apache Pulsar相似，Pravega重點解決了流批統(tǒng)一問題。

除此之外，Pravega功能更豐富：

• 自動化擴展能力更強。
• Pravega，是一個完整的存儲接口，提供以 stream 為抽象的接口，支持上層計算引擎的統(tǒng)一訪問。

▲Pravega架構(gòu)

在分布式系統(tǒng)中，客戶端應(yīng)用程序和消息系統(tǒng)之間的異步傳遞信息，一般基于消息隊列來實現(xiàn)。提到消息隊列，大家首先會想到Kafka。Kafka是一個基于Zookeeper的分布式日志系統(tǒng)。它支持多分區(qū)、多副本和多訂閱者。

可以說，Pravega重構(gòu)了流式存儲架構(gòu)，主要為解決Kafka無法解決的問題而建立。作為一個實時流式存儲解決方案，Pravega支持長期數(shù)據(jù)保留。Pravega在Hadoop分布式文件系統(tǒng)（HDFS）或S3上寫入數(shù)據(jù)，從而消除了對數(shù)據(jù)持久性的擔(dān)憂。此外，Pravega在整個系統(tǒng)中只存儲一個數(shù)據(jù)副本，從架構(gòu)設(shè)計上解決了Kafka無法解決的問題。

為什么Pravega勝過Kafka？

你可能會問，"既然已經(jīng)有了Kafka，為什么還要重新發(fā)明輪子？" 答案是，使用Kafka存在一個重要挑戰(zhàn)，那就是數(shù)據(jù)丟失、數(shù)據(jù)保留和再平衡問題。Kafka吃的數(shù)據(jù)比它吐出的多，存在著數(shù)據(jù)丟失的風(fēng)險。

• 當(dāng)你設(shè)置acks = all時，只有當(dāng)所有消費者確認(rèn)消息被保存時才會返回ACK，不會丟失數(shù)據(jù)。
• 當(dāng)acks = 1時，如果leader消費者保存了消息，就會返回ACK。如果leader在備份數(shù)據(jù)之前就關(guān)閉了，數(shù)據(jù)就會丟失。
• 當(dāng)acks=0時，Kafka不等待消費者的確認(rèn)。當(dāng)消費者關(guān)閉時，數(shù)據(jù)就會丟失。

Kafka沒有提供一個簡單有效的解決方案來將數(shù)據(jù)持久化到HDFS或S3，所以數(shù)據(jù)保留成為一個問題。雖然Confluent提供了相關(guān)解決方案，但你必須使用兩套存儲接口來訪問不同層的數(shù)據(jù)。

• 使用Apache Flume通過Kafka -> Flume -> HDFS訪問數(shù)據(jù)。
• 使用kafka-hadoop-loader通過Kafka -> kafka-hadoop-loader -> HDFS來訪問數(shù)據(jù)。
• 使用Kafka Connect HDFS通過Kafka -> Kafka Connect HDFS -> HDFS來訪問數(shù)據(jù)。

消費者再平衡也是有害的。因為新的消費者被添加到隊列中，隊列可能在重新平衡期間停止消費消息。因為提交間隔時間長，消費者可能會重復(fù)處理數(shù)據(jù)。無論哪種方式，重新平衡都可能導(dǎo)致消息積壓，從而增加延遲。

與Kafka相比，Pravega提供了更多的功能。

▲Pravega VS Kafka

Pravega的特別之處在于，使用Apache BookKeeper來處理低延遲、高并發(fā)和數(shù)據(jù)的實時寫入等問題。然而，BookKeeper只作為一個緩存層，用于批量寫入。所有對Pravega的讀取請求都是直接向HDFS或S3發(fā)出，以利用其高吞吐量能力。

換句話說，Pravega不使用BookKeeper作為數(shù)據(jù)緩沖層，而是提供一個基于HDFS或S3的存儲層。這個存儲層既支持低延遲的尾部讀寫，也支持高吞吐量的追趕式讀取的抽象。當(dāng)數(shù)據(jù)在BookKeeper和HDFS或S3之間移動時，使用BookKeeper作為獨立層的系統(tǒng)可能表現(xiàn)不佳。相比之下，Pravega可以確保令人滿意的性能。

Pravega的優(yōu)勢與價值

通常，DBA有三個主要關(guān)注點：數(shù)據(jù)準(zhǔn)確性、系統(tǒng)穩(wěn)定性和系統(tǒng)可用性。

• 數(shù)據(jù)的準(zhǔn)確性是非常重要的。任何數(shù)據(jù)丟失、損壞或重復(fù)都將是一場災(zāi)難。
• 系統(tǒng)的穩(wěn)定性和可用性使DBA從繁瑣的維護程序中解脫出來，讓他們將時間投入到改善性系統(tǒng)應(yīng)用中。

Pravega解決了DBA的這些擔(dān)憂。它長期保留保證了數(shù)據(jù)的安全性，并且以精確的一次語義保證了數(shù)據(jù)的準(zhǔn)確性，尤其是自動擴展性，使系統(tǒng)維護變得輕而易舉。

實時數(shù)據(jù)倉庫是怎樣一個架構(gòu)？

問題是，實時數(shù)據(jù)倉庫應(yīng)該包含哪些關(guān)鍵組成部分？

一個實時數(shù)據(jù)倉庫通常有四個組成部分：數(shù)據(jù)采集層、數(shù)據(jù)存儲層、實時計算層和實時應(yīng)用層。通過將多種技術(shù)整合到一個無縫的架構(gòu)中，我們可以建立一個可擴展的大數(shù)據(jù)架構(gòu)，可以支持?jǐn)?shù)據(jù)分析和挖掘，在線交易，以及統(tǒng)一的批處理和流處理等等。

▲實時數(shù)據(jù)倉庫的四個組成部分

數(shù)據(jù)存儲層有多種選擇，但不是所有的都適合實時數(shù)據(jù)倉庫：

• Hadoop或傳統(tǒng)的OLAP數(shù)據(jù)庫不能提供令人滿意的實時處理。
• 像HBase這樣的NoSQL解決方案可以實時擴展和處理數(shù)據(jù)，但不能提供分析。
• 獨立的關(guān)系型數(shù)據(jù)庫不能擴大規(guī)模以適應(yīng)大量數(shù)據(jù)。

然而，TiDB解決了所有這些需求。

為什么選用TiDB？

TiDB是一個開源的分布式SQL數(shù)據(jù)庫，支持混合交易和分析處理（HTAP）工作負(fù)載。它與MySQL兼容，具有水平擴展性、強一致性和高可用性。

與其他開源數(shù)據(jù)庫相比，TiDB這種HTAP架構(gòu)更適合于建立實時數(shù)據(jù)倉庫。TiDB擁有一個混合存儲層，由TiKV（行存儲引擎）和TiFlash（列存儲引擎）組成。這兩個存儲引擎使用TiDB作為一個共享的SQL層。TiDB回答在線事務(wù)處理（OLTP）和在線分析處理（OLAP）查詢，并根據(jù)執(zhí)行計劃的成本從任何一個引擎中獲取數(shù)據(jù)。

▲TiDB HTAP架構(gòu)

此外，TiDB 5.0引入了大規(guī)模并行處理（MPP）架構(gòu)。在MPP模式下，TiFlash補充了TiDB的計算能力。在處理OLAP工作負(fù)載時，TiDB成為一個主節(jié)點。用戶向TiDB服務(wù)器發(fā)送請求，所有的TiDB服務(wù)器執(zhí)行表連接，并將結(jié)果提交給優(yōu)化器進行決策。優(yōu)化器評估所有可能的執(zhí)行計劃（基于行、基于列、索引、單服務(wù)器引擎和MPP引擎），并選擇最佳計劃。

▲TiDB的MPP模式

例如，一個訂單處理系統(tǒng)在銷售活動中可能會遇到一個突然的流量高峰。在這個高峰期，企業(yè)需要進行快速分析，以便及時對客戶行為做出反應(yīng)和回應(yīng)。傳統(tǒng)的數(shù)據(jù)倉庫很難在短時間內(nèi)應(yīng)對泛濫的數(shù)據(jù)，而且可能需要很長的時間來進行后續(xù)的數(shù)據(jù)分析處理。

通過MPP計算引擎，TiDB可以預(yù)測即將到來的流量高峰，并動態(tài)地擴展集群，為活動提供更多的資源。并且，它可以輕松地在幾秒鐘內(nèi)響應(yīng)聚合和分析請求。

當(dāng)TiDB遇到Pravega

在Flink的幫助下，當(dāng)TiDB遇到Pravega，構(gòu)成了一個實時、高吞吐量、穩(wěn)定的數(shù)據(jù)倉庫，該數(shù)據(jù)倉庫能夠滿足用戶對大數(shù)據(jù)的各種要求，并能一站式地處理OLTP和OLAP工作負(fù)載。