技术解读GaussDB (for MySQL)流控机制
本文分享自华为云社区《【华为云MySQL技术专栏】GaussDB (for MySQL)流控技术解读》，作者：GaussDB 数据库。本文主要介绍GaussDB (for MySQL) 在不同服务层次上是如何实现过载保护的，具体包括反馈式和主动平滑流控两种机制。
1.背景介绍
GaussDB (for MySQL)是存储计算分离架构的云原生数据库，如图1所示：
图1 GaussDB (for MySQL)架构示意图
GaussDB (for MySQL)存算分离架构，主要分为3层：
[*]SQL计算层，包括多个数据库实例，每个实例有1个主节点和多个只读节点
[*]DFV存储层，由DFV存储服务的多个节点组成，这些节点协同，为上层应用提供高效的日志读写与页面读取能力
[*]SAL层，即存储抽象层，位于SQL计算层和存储层之间。其中位于计算节点的部分，称为SAL-SQL层
DFV存储层对数据按照slice进行分片（每个分片10G），SAL层则根据Slice粒度进行数据管理。
在计算层，不同租户的多个数据库实例会共享同一个存储服务。当其中一个或多个用户实例处于压力过载时，可能会对共享存储池产生冲击，造成存储服务的CPU、内存或者IO资源的瓶颈，进而影响服务稳定性。
GaussDB(for MySQL) 的过载保护机制分布在SQL层、SAL层以及存储层多个层级，能够基于不同维度进行分级流控。
2. 分层级的流控机制
按照流量控制方向，GaussDB(for MySQL) 的过载保护分为两种机制：第一种是由下层到上层的反馈式流控，即存储层流控后，驱动计算层流控；另一种则是计算层主动流控，精细化控制上层流量。
2.1存储层反馈式流控
存储层的反馈式流控是存储过载保护的主要机制。由于存储服务的每个Server会管理不同数据库实例的多个Slice，因此，需要在存储节点级过载保护的基础上，完成实例级、Slice级别的精确流控和分级限流。
整个流程概括为以下几个步骤：
第一步，对存储节点的关键资源和业务指标进行监控，并生成资源状态、指标统计等；
第二步，在存储层流控，基于以上状态和统计进行策略判断和决策；
第三步，将过载信息反馈计算层流控。
2.1.1 存储层流控策略
在存储节点的消息处理流程中，通过增加多处限流检查点，分别观测内部消息处理队列、任务队列、内存资源。例如，回放日志所需的Delta Cache、待处理Pending Table等，均可以作为输入监控指标。
在以上的限流检查点，可以采用多种策略进行控制：
第一种方式：通过关联较少的资源，设置单一阈值进行限流，对上下游影响较小。这里以盘级流控为例，如图2所示，每个存储节点管理多块存储磁盘，每个磁盘处理读写请求相互独立。通过监控每个磁盘的读写频率和读请求时延，来判断其是否超过阈值。如果超过，则为热点盘。
热点盘上有多个活跃Slice，如果某个Slice的写速度超过平均速度，则按照阶梯进行限速。图中Slice4的写入速度30MB/s超过平均速度20MB/s，因此，需要将Slice4进行限速。
图2 盘级流控示意图
第二种方式：对Delta cache，Pending Table等内存资源，进行使用率实时统计，识别出活跃Slice，再按照周期汇总计算出下一周期的可用配额，对当前活跃Slice进行公平分配；基于使用情况，可设置多个级别实施不同梯度的控制策略。例如，占比60%为流控触发点，进入基础限流阶段，设置80%为过载点，90%为停止服务阈值。其中，基础阶段采用线性流控，过载阶段则采用比例限速。
如图3所示，3个数据库实例共有6个Slice分配到当前存储节点，当前周期总的写入速度是30MB/s, 平均分配给每个Slice 的配额是5MB/s。
图3 Slice配额分配示意图
第三种方式，对于节点的IO资源，系统也支持根据租户设置的QoS（Quality of Service，即服务质量）阈值，来触发流控机制。例如，对某租户的Slice进行标记，在IO流控时，可以给予更大的配额。
基于上一周期的流控情况，迭代更新下一周期的流控策略，这样能够达到快速调整实时流控，并及时反馈到计算层，进而触发计算层的流控。
SQL节点的用户查询需要及时响应，可视为前台业务，而存储节点内部的数据合并等操作，通常不需要及时响应，可作为后台业务。针对前后台业务的差异性，GaussDB(for MySQL)支持优先级策略，并能够识别故障组件并进行隔离，从而避免少量业务影响整个系统运行。
此外，流控后也能够及时恢复，快速解除限流状态。
2.1.2 计算层流控策略
存储层流控时，通常设置每个Slice一个周期的可写入流量上限阈值，即WAL阈值（Window Access Limit）。例如，当前时间窗口Slice1的写入上限为2MB，SAL-SQL层查询得到该上限阈值，基于此，可以在数据流转过程中进行有效限速。
图4 计算层两个限流点示意图
如图4所示，计算层数据库实例的限速点分布在SQL层和SAL-SQL层。
第一个限速点在SAL-SQL层。SliceFlush线程将每个Slice的日志发送给存储服务，此时，系统需要进行限速判断，具体这里包括以下几点：
首先，Flush机制是积攒日志量到一定数量（例如64K）或者一定时间后才会Flush，避免频繁发送过小的请求；
其次，判断逻辑按照周期进行（目前周期为1s），根据每个周期的写入量和写入配额(即WAL，Write Access Limit)来决策，分为以下几种情况：
[*]如果待发送的数据量小于当前周期的配额，则直接发送
[*]如果超过当前配额，且当前窗口配额没有被预消费，则超发当前数据，并且预消费接下来周期的配额
[*]如果当前窗口已经被之前的窗口预支，则需要补偿，限流不发送数据
另一个限流点是SQL层。在mtr（mini-transaction）提交时，检查SAL层的流控状态、内部资源情况，再结合Slice维度统计的日志积累情况，进行多级别的流控策略。其中，主关键指标是TLB（Transport Log Buffer）的使用情况。TLB是SAL层内部按照Slice把上层写入日志整理合并，并发送给一个Slice的Log buffer。详细策略包括：
[*]当内部资源处于基本限流阶段，即mtr涉及到的Slice处于流控时，则系统会根据日志积累量，换算出相应的等待时间，从而执行睡眠操作，以实现Slice的缓慢提交
[*]当内部资源过载阶段，则禁止提交mtr，直到过载解除
同时，按照相同顺序进行限速和解除限速，避免不公平的限速导致某些线程饿死。
2.2 计算层主动平滑流控
单个数据库实例在读写压力过载，甚至超过资源瓶颈时，也可能出现雪崩现象，导致整体业务响应出现异常。例如，某种子业务突增，引发大量的并发批量读请求，会导致同一实例的其他业务请求也受到影响，因此，对计算层进行流控也是必要的。
在计算层数据库节点上，分别针对读写请求，进行细粒度平滑流控，可以避免计算节点本身过载。
首先，在SAL-SQL层，数据库节点会统计每个周期的日志写频率和页面读取频率，作为核心指标。这些统计包括同步请求和异步请求，将其统称为页面更新频率。统计过程具体是在SAL层日志写链路和页面读取接口实现。
其次，根据数据库节点的读写能力，按照不同规格预设合适的读写阈值上限。当统计到的页面读写频率超过对应的读写阈值时，触发主动平滑流控机制。
图5 主动限流在SAL层的两个控制点示意图
主要的控制逻辑分为两种：
Strong限流，即需要当前线程sleep，直到指标降低到阈值内；
Weak限流，通过算法计算出等待时间，并sleep一定时间。
目前有3个控制点：
[*]第一个是Redo日志加入SAL-SQL层调度线程时，如图中限流点1所示，如果日志写频率超过写阈值时，则进行Strong限流，否则按需进行Weak限流
[*]第二个是在每个Slice刷新线程中进行Weak限流，如图中限流点2所示
[*]第三个是在页面读取链路中，根据页面读取频率和阈值进行Weak限速
概括来说，等待时间是基于放大倍数和一个基础步长来决定的。其中，放大倍数能够快速放大等待时间，达到快速流控的效果。放大倍数是根据页面频率超过阈值的比例来决定的，目前设置4个级别，分别对应1-4倍。基础步长是权衡性能消耗和流控灵敏度之后的一个预设参数值。
同时，在限速阶段，采用串行队列管理机制来处理并行提交的请求，确保按照先来的请求先得到处理。
3. 流控效果
为了演示反馈式流控，我们对多个数据库实例同时进行压力测试，包括：
[*]2个8U，2个16U，13个32U规格实例，按照某真实业务读写比例1:4的业务模型进行sysbench读写压测，每个实例64张表，单表1000万行
[*]5条数据迁移链路，其中5个32U规格实例作为目标端，插入数据。实验过程中，通过人工降低存储层流控触值，模拟触发流控场景
可以观察到压力上涨触发存储层流控后，较大写入压力的计算节点实例的QPS下降，系统处于限流状态。恢复阈值后，限流状态解除，业务QPS恢复，如图6 QPS所示。同时，较小写入压力的计算节点实例，对QPS无影响，如图7 QPS所示。
图示数据对比说明，反馈式流控可以精准的控制大压力数据库实例。
图6 反馈式流控大压力实例QPS图
图7 反馈式流控小压力实例QPS图
接下来演示计算层主动平滑流控。
首先，对一个4U16G实例进行sysbench读写混合模式压测，观察其读写的页面频率指标。其日志写频率为6093次/秒，页面读频率为3195次/秒。
其次，通过运维平台设置较小的读写阈值。
本实验设置日志写阈值为4500次/秒，页面读阈值为3000次/秒，随后可以观察到很快触发平滑限流，业务QPS快速下降，且较为平稳的维持在一个限流后的水位，并该状态一直持续到测试结束，整体效果图8所示。
图8 主动平滑流控实例QPS图
4. 小结
本文详细分析了GaussDB (for MySQL) 在不同层级的流控机制，包括反馈式流控在存储层和计算层的策略和流程，以及计算节点的主动平滑流控的方案。作为过载保护的主要手段，流控一方面可以避免流量过大造成服务资源耗尽产生雪崩效应，另一方面也力求高效快速，尽可能地充分利用服务资源，产生更大价值。
点击关注，第一时间了解华为云新鲜技术~
来源:https://www.cnblogs.com/huaweiyun/p/18451324
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]