小螞蟻說：
相信大家對螞蟻金服自主研發的金融級分佈式關係數據庫OceanBase的故事不再陌生了。在剛剛過去的2018年天貓雙11中，成交額2135億再次創造了新紀錄，而支撐今年雙11的支付寶核心鏈路就是OceanBase 2.0版本。
本文小螞蟻將爲大家詳述OceanBase如何在去年同樣機器數量的情況下，來支撐今年雙11的流量洪峯，一起來學習一下吧~
本文作者爲螞蟻金服OceanBase團隊資深技術專家顏然，他也是OceanBase初創成員之一，目前負責事務引擎以及性能優化方面的研發工作。
OceanBase：在普通硬件上提供極限性能的數據庫服務
OceanBase是完全自主研發的金融級分佈式關係數據庫，從架構上可以通過擴展機器來解決集羣服務能力的擴展需求。
OceanBase採用多副本複製的方案解決了可靠性和可用性的需求，而且構建在普通PC服務器上，不依賴於高端引擎。
我們的目標是在普通硬件上提供極限性能的數據庫服務。那麼，OceanBase的存儲引擎有什麼特點呢？
OceanBase的存儲引擎類似於LSMTree，所有新增的修改都會先記錄在Memtable中，這些數據的變更並不會實時寫到磁盤上，而會在後臺定期寫到硬盤上。
不管是磁盤還是SSD，當有大量寫入的時候，它的讀取性能都會受到很大影響。從一開始OceanBase的架構就是爲了適應這種硬件的特性，所以沒有隨機寫的操作，對於SSD和磁盤都很友好，可以將硬盤的吞吐量優勢發揮出來，把硬件資源最好的性能壓榨出來。
OceanBase從0.x版本到1.x版本，再到現在的2.0版本，一直在推動的一件事就是把硬件的性能做到極致，希望在同樣的硬件條件下能給業務帶來更多性能的空間。OceanBase的目標一直是有極致性能並且性價比最好的數據庫。
OceanBase的性能目標：極致壓榨硬件性能
從用戶使用角度來看，數據庫有兩個重要的指標，延遲（Latency）和吞吐量（Throughput）。這是兩個非常不一樣的指標。
根據排隊論模型，這兩者之間的關係如上圖所示：隨着吞吐量增加，延遲近似指數倍增長。
當整體系統的性能不是特別高的時候，可以保持延遲的穩定性。當系統性能壓力很高的情況下，延遲會增加，我們要做的事情就是要在一個合理的延遲情況下，讓吞吐量可以儘可能大。換句話說，其實就是把一個請求要做的事情儘可能的減少，然後讓單位時間內能做的請求儘可能的多。性能優化的最終目標就是在延遲可以接受的場景下，儘可能提高系統的吞吐量。
性能優化工作
在剛剛過去的2018年天貓雙11中，成交額2135億再次創造了新紀錄。那麼在螞蟻金服/支付寶這樣的場景下，支付的壓力會全部落在OceanBase 2.0版本上。在2.0版本里我們做了一個很重要的事情來進一步壓榨硬件的性能——也就是在去年同樣機器數量的情況下，來支撐今年的流量洪峯。
在同樣的硬件環境，同樣的機器規模數這些條件下，通過升級的服務器版本以及服務器的部署方式，來提供今年雙11在0:00:00洪峯到來時的抗壓能力。 雙11的支付壓力是典型的OLTP模型，有大量的增刪改查操作。OceanBase的存儲模型決定了操作主要在內存中進行，所以在滿負荷運轉下CPU是主要瓶頸。
CPU的資源如何壓榨到極致，其實主要包含兩方面的工作：
一是優化語句執行消耗指令數（Instructions /SQL），即每個請求需要執行的指令數，指令越少越好；
二是優化系統執行指令的效率（Cycles /Instruction），可以用CPI（Cyclesper Instruction）表示。
系統性能由每一行代碼決定
任何一段代碼都可能導致bug，任何一行代碼也都有性能優化的空間。針對不同的場景，我們需要深入到每行代碼裏去看可以做什麼樣的優化。
OceanBase 2.0版本進行了深度的優化獲得了很好的性能提升。上圖所列的只是其中一部分優化工作。性能優化是一個事無鉅細的工作，有點類似於測試工作，本質上每一行代碼都會影響系統的性能。
優化CPU開銷
Commit異步化
在OceanBase已有的模型裏，網絡模塊有單獨的線程池負責和客戶端通信，接受用戶請求和返回請求結果。接收到的請求會發在任務隊列中由工作線程處理。
相比較於每一個用戶的連接使用一個獨立的線程服務的模型，OceanBase的模型可以大大減少上下文切換的次數。
對於SQL語句的執行，這已經是一個很好的模型了。但是對於事務的提交操作，需要將日誌在本地持久化和發送到其他副本持久化，提交操作又會使得工作線程出現等待的情況。
Commit異步化是在事務提交日誌後不再等待日誌持久化，工作線程可以直接去隊列中取下一個任務執行。等日誌持久化完成後，通過回調的方式出發事務提交完成的操作和給用戶發送請求的結果。
優化系統擴展性
擴展性問題
我們做了很多事情讓系統少做無謂的事情，多做有用的事情，也就是增加CPU做有效工作的時間佔比。
機器的CPU核數越來越多，從原來的幾十個核和現在的一百多個核，在英特爾的PC Server上都是很常見的場景。系統在服務器上運行，多核CPU的擴展性是一個很重要的方面。這裏以計數器場景舉例，單個線程和多個線程一起操作同一個計數器，後者因爲多個核之間競爭同一個內存單元，性能會下降幾百倍。其實有時候人多不一定力量大，人多也有可能導致大家一起搶賽道。
在系統中也大量存在類似的競爭場景，內存分配器是一個常見場景。多個線程在操作同一個memtable時，會從連續的內存塊中分配內存，分配內存的操作就好似計數器的競爭。所以，要把memtable的內存分配操作做成分區的形式，減少多個核之間的競爭。
說到底性能優化其實就是在優化系統的各個細節，每個細節都要做到極致，最終性能才能壓榨到最好的那個點，才能把硬件本身的性能發揮到最好。
性能無止境
我們可以看到，藍色塊代表的是OceanBase 1.4版本，也就是我們現在使用的主力版本，綠色塊代表了OceanBase 2.0版本。A場景是下單場景，也就是點提交訂單時的操作，B場景是支付場景，就是登到支付寶裏去最終付款的場景。
最後結果是：在下單場景下，OceanBase 2.0版本比1.4版本的性能提升了63%，在支付場景下，提升了58%。
OceanBase的未來
未來OceanBase會加強面向全棧的優化，同時會對工作負載進行優化，也會有面向新硬件方面的優化工作。
OceanBase會持續進行性能優化的工作，目的是持續爲用戶提供具有最高極限性能以及最好性價比的產品。這是OceanBase所一直秉承的理念。