数据库中间件TDDL调研笔记

前篇：

• 《数据库中间件cobar调研笔记》

13年底负责数据库中间件设计时的调研笔记，拿出来和大家分享，轻拍。

一，TDDL是什么

• TDDL是Taobao Distribute Data Layer的简称
• 淘宝一个基于客户端的数据库中间件产品
• 基于JDBC规范，没有server，以client-jar的形式存在

画外音：数据库中间件有基于服务端的，也有基于客户端的，TDDL属于后者；而cobar是一个中间层服务，使用mysql协议，属于前者。

二，TDDL不支持什么SQL

• 不支持各类join
• 不支持多表查询
• 不支持between/and
• 不支持not（除了支持not like）
• 不支持comment，即注释
• 不支持for update
• 不支持group by中having后面出现集函数
• 不支持force index
• 不支持mysql独有的大部分函数

画外音：分布式数据库中间件，join都是很难支持的，cobar号称的对join的支持即有限，又低效。

三，TDDL支持什么SQL

• 支持CURD基本语法
• 支持as
• 支持表名限定，即"table_name.column"
• 支持like/not like
• 支持limit，即mysql的分页语法
• 支持in
• 支持嵌套查询，由于不支持多表，只支持单表的嵌套查询

画外音：分布式数据库中间件，支持的语法都很有限，但对于与联网的大数据/高并发应用，足够了，服务层应该做更多的事情。

四，TDDL其他特性

• 支持oracle和mysql
• 支持主备动态切换
• 支持带权重的读写分离
• 支持分库分表
• 支持主键生成：oracle用sequence来生成，mysql则需要建立一个用于生成id的表
• 支持单库事务，不支持夸库事务
• 支持多库多表分页查询，但会随着翻页，性能降低

画外音：可以看到，其实TDDL很多东西都不支持，那么为什么它还如此流行呢？它解决的根本痛点是“分布式”“分库分表”等。

加入了解决“分布式”“分库分表”的中间件后，SQL功能必然受限，但是，我们应该考虑到：MYSQL的CPU和MEM都是非常珍贵的，我们应该将MYSQL从复杂的计算（事务，JOIN，自查询，存储过程，视图，用户自定义函数，，，）中释放解脱出来，将这些计算迁移到服务层。

当然，有些后台系统或者支撑系统，数据量小或者请求量小，没有“分布式”的需求，为了简化业务逻辑，写了一些复杂的SQL语句，利用了MYSQL的功能，这类系统并不是分布式数据库中间件的潜在用户，也不可能强行让这些系统放弃便利，使用中间件。

五，TDDL层次结构

TDDL是一个客户端jar，它的结构分为三层：

对应上面图例：matrix数据水平分为了两个group，每个group有主备atom组成。

matrix层

• 核心是规则引擎
• 实现分库分表
• 主要路径：sql解析 => 规则引擎计算（路由） => 执行 => 合并结果

group层

• 读写分离
• 权重计算
• 写HA切换
• 读HA切换
• 动态新增slave（atom）节点

atom层

• 单个数据库的抽象；
• ip /port /user /passwd /connection 动态修改，动态化jboss数据源
• thread count（线程计数）：try catch模式，保护业务处理线程
• 动态阻止某些sql的执行
• 执行次数的统计和限制

整个SQL执行过程

• BEGIN(sql+args)，输入是sql和参数
• sql解析
• 规则计算
• 表名替换
• 选择groupDS执行sql
• 根据权重选择atomDS
• 具备重试策略的在atomDS执行sql
• 读写控制，并发控制，执行sql，返回结果
• 合并结果集
• END(ResultSet)，输出是结果集

画外音：感觉难点在SQL的解析上。

六，TDDL最佳实践

• 尽可能使用1对多规则中的1进行数据切分（patition key），例如“用户”就是一个简单好用的纬度
• 买家卖家的多对多问题，使用数据增量复制的方式冗余数据，进行查询
• 利用表结构的冗余，减少走网络的次数，买家卖家都存储全部的数据

画外音：这里我展开一下这个使用场景。

以电商的买家卖家为例，业务方既有基于买家的查询需求，又有基于卖家的查询需求，但通常只能以一个纬度进行数据的分库（patition），假设以买家分库， 那卖家的查询需求如何实现呢？

如上图所示：查询买家所有买到的订单及商品可以直接定位到某一个分库，但要查询卖家所有卖出的商品，业务方就必须遍历所有的买家库，然后对结果集进行合并，才能满足需求。

所谓的“数据增量复制”“表结构冗余”“减少网络次数”，是指所有的数据以买家卖家两个纬度冗余存储两份，如下图：

采用一个异步的消息队列机制，将数据以另一个纬度增量复制一份，在查询的时候，可以直接以卖家直接定位到相应的分库。

这种方式有潜在的数据不一致问题。

继续tddl最佳实践：

• 利用单机资源：单机事务，单机join
• 存储模型尽量做到以下几点： - 尽可能走内存 - 尽可能将业务要查询的数据物理上放在一起 - 通过数据冗余，减少网络次数 - 合理并行，提升响应时间 - 读瓶颈通过增加slave（atom）解决 - 写瓶颈通过切分+路由解决

画外音：相比数据库中间件内核，最佳实践与存储模型，对我们有更大的借鉴意义。

七、TDDL的未来？

• kv是一切数据存取最基本的组成部分
• 存储节点少做一点，业务代码就要多做一点
• 想提升查询速度，只有冗余数据一条路可走
• 类结构化查询语言，对查询来说非常方便

画外音：潜台词是，在大数据量高并发下，SQL不是大势所趋，no-sql和定制化的协议+存储才是未来方向？

13年底的调研笔记，文中的“画外音”是我当时的批注，希望能让大家对TDDL能有一个初步的认识，有疑问之处，欢迎交流。