【腾讯云 TDSQL-C Serverless 产品体验】| 实战分享

@[TOC](目录)

# 一. 🦁 产品引入

在当今云计算时代，不同类型的业务对高弹性、高可用性和可扩展性的需求越来越强烈，按需使用资源成为企业所需要的关键功能。为了满足这些需求，云原生数据库的Serverless化已经成为云数据库发展的重要方向之一。

过去，云数据库的发展经历了几个时代。在1.0时代，`主要侧重于提供云托管的数据库服务，使用户能够将数据库迁移到云中，但管理仍然需要一定程度的关注`。在2.0时代，`随着容器技术的发展，出现了容器架构的云原生数据库，使数据库能够更好地与容器和微服务一起工作，实现更灵活的部署和管理`。

然而，3.0时代正在迅速到来，云Serverless数据库将成为主流趋势。Serverless数据库将进一步解放用户，让他们无需关心底层基础设施的管理。这种模型下，用户只需关注数据和应用逻辑，而云服务提供商会自动处理底层的资源管理、扩展性和备份等任务。**这不仅可以提高开发效率，还可以降低成本**，**因为资源使用是按需付费的**。


`腾讯云数据库的"TDSQL-C Serverless"新版本的发布，标志着云原生数据库的Serverless化进程已经进入全面推进的阶段`。这个趋势将继续推动云数据库的创新，满足不断变化的业务需求，为企业提供更强大、更灵活的数据库解决方案。

新升级的TDSQL-C推出全球首个可释放存储架构的Serverless服务。当前，业内的Serverless无法完全做到不使用不付费，一般实例暂停后仍然会收取高昂的存储费用，可释放存储将彻底解决这一问题。**当实例暂停后，数据会进行归档存储，用户无需再为高额的分布式存储进行付费，可在原实例暂停后的存储费用上降低成本80%**。

`看到这里小伙伴们已经非常迫不及待了吧？跟着狮子来体验一下这个产品的性能是否真如介绍那样优秀叭`！！！

# 二. 🦁 TDSQL-C数据库使用体验——实战案例

## 2.1 实战案例介绍

本次我们使用python 语言 进行TDSQL Serverless MySQL 进行体验, 实现思路如下:

>- 读取多个本地的 excel 文件 ,并将读取的数据存储到TDSQL 中

>- 从TDSQL 读取存储的数据

>- 将读取的数据生成词云图,并展示；

## 2.2 实操指导

### 1. 购买TDSQL数据库

- 点击链接进入腾讯云 [腾讯云链接](https://cloud.tencent.com/) 注册并登录

- 在搜索框输入 `TDSQL-C MYSQL 版` , 点击搜索


### 2. [配置选择](https://buy.cloud.tencent.com/cynosdb#/)

`注意 选择Serverless 的实例形态哦!!!`



### 3. 配置TDSQL-C 集群

>将外部读写地址开启


### 4. 点击授权并创建


### 5. 记住主机名和端口


### 6. 登录TDSQL

>点击集群的登录按钮


### 7. 链接数据库


### 8. 自己创建相应的库（这里省略）


### 9. 项目目录结构

拉取完相关资源文件后，来实操一把，项目目录结构如下：


### 10. 创建读取excel文件的函数

```python

def excelTomysql():

path = '词频' # 文件所在文件夹

files = [path + "/" + i for i in os.listdir(path)] # 获取文件夹下的文件名,并拼接完整路径

for file_path in files:

print(file_path)

filename = os.path.basename(file_path)

table_name = os.path.splitext(filename)[0] # 使用文件名作为表名，去除文件扩展名

# 使用pandas库读取Excel文件

data = pd.read_excel(file_path, engine="openpyxl", header=0) # 假设第一行是列名

columns = {col: "VARCHAR(255)" for col in data.columns} # 动态生成列名和数据类型

create_table(table_name, columns) # 创建表

save_to_mysql(data, table_name) # 将数据保存到MySQL数据库中，并使用文件名作为表名

print(filename + ' uploaded and saved to MySQL successfully')

```

### 11. 根据excel文件名创建数据库表名

```c

def create_table(table_name, columns):

# 建立MySQL数据库连接

conn = pymysql.connect(**db_config)

cursor = conn.cursor()

# 组装创建表的 SQL 查询语句

query = f"CREATE TABLE IF NOT EXISTS {table_name} ("

for col_name, col_type in columns.items():

query += f"{col_name} {col_type}, "

query = query.rstrip(", ") # 去除最后一个逗号和空格

query += ")"

# 执行创建表的操作

cursor.execute(query)

# 提交事务并关闭连接

conn.commit()

cursor.close()

conn.close()

```

### 12. 将读取的excel 数据保存到数据库对应的表中

```python

def save_to_mysql(data, table_name):

# 建立MySQL数据库连接

conn = pymysql.connect(**db_config)

cursor = conn.cursor()

# 将数据写入MySQL表中（假设数据只有一个Sheet）

for index, row in data.iterrows():

query = f"INSERT INTO {table_name} ("

for col_name in data.columns:

query += f"{col_name}, "

query = query.rstrip(", ") # 去除最后一个逗号和空格

query += ") VALUES ("

values = tuple(row)

query += ("%s, " * len(values)).rstrip(", ") # 动态生成值的占位符

query += ")"

cursor.execute(query, values)

# 提交事务并关闭连接

conn.commit()

cursor.close()

conn.close()

```

### 13. 读取数据库中存入的数据

```c

def query_data():

# 建立MySQL数据库连接

conn = pymysql.connect(**db_config)

cursor = conn.cursor()

# 查询所有表名

cursor.execute("SHOW TABLES")

tables = cursor.fetchall()

data = []

dic_list = []

table_name_list = []

for table in tables:

# for table in [tables[-1]]:

table_name = table[0]

table_name_list.append(table_name)

query = f"SELECT * FROM {table_name}"

# # 执行查询并获取结果

cursor.execute(query)

result = cursor.fetchall()

if len(result) > 0:

columns = [desc[0] for desc in cursor.description]

table_data = [{columns[i]: row[i] for i in range(len(columns))} for row in result]

data.extend(table_data)

dic = {}

for i in data:

dic[i['word']] = float(i['count'])

dic_list.append(dic)

conn.commit()

cursor.close()

conn.close()

return dic_list, table_name_list

```

### 14. 执行函数,并生成词云图

```c

if __name__ == '__main__':

##excelTomysql()方法将excel写入到mysql

excelTomysql()

print("excel写入到mysql成功！")

# query_data()方法将mysql中的数据查询出来，每张表是一个dic，然后绘制词云

result_list, table_name_list = query_data()

print("从mysql获取数据成功！")

for i in range(len(result_list)):

maskImage = np.array(Image.open('background.PNG')) # 定义词频背景图

# 定义词云样式

wc = wordcloud.WordCloud(

font_path='PingFangBold.ttf', # 设置字体

mask=maskImage, # 设置背景图

max_words=500, # 最多显示词数

max_font_size=100) # 字号最大值

# 生成词云图

wc.generate_from_frequencies(result_list[i]) # 从字典生成词云

# 保存图片到指定文件夹

wc.to_file("词云图/{}.png".format(table_name_list[i]))

print("生成的词云图【{}】已经保存成功！".format(table_name_list[i] + '.png'))

# 在notebook中显示词云图

plt.imshow(wc) # 显示词云

plt.axis('off') # 关闭坐标轴

plt.show() # 显示图像

```

### 15. 词云图效果展示




### 16.终端效果展示


### 17. 完整代码

```python

import pymysql

import pandas as pd

import os

import wordcloud

import numpy as np

from PIL import Image

import matplotlib.pyplot as plt

# MySQL数据库连接配置

db_config = {

'host': "gz-xxxxxxysql-grp-kb212sal.sql.tencentcdb.com", # 主机名

'port': 25648, # 端口

'user': "root", # 账户

'password': "TDSQL-C@!@Rgpk14.", # 密码

'database': 'db0',

}

def create_table(table_name, columns):

# 建立MySQL数据库连接

conn = pymysql.connect(**db_config)

cursor = conn.cursor()

# 组装创建表的 SQL 查询语句

query = f"CREATE TABLE IF NOT EXISTS {table_name} ("

for col_name, col_type in columns.items():

query += f"{col_name} {col_type}, "

query = query.rstrip(", ") # 去除最后一个逗号和空格

query += ")"

# 执行创建表的操作

cursor.execute(query)

# 提交事务并关闭连接

conn.commit()

cursor.close()

conn.close()

def excelTomysql():

path = '词频' # 文件所在文件夹

files = [path + "/" + i for i in os.listdir(path)] # 获取文件夹下的文件名,并拼接完整路径

for file_path in files:

print(file_path)

filename = os.path.basename(file_path)

table_name = os.path.splitext(filename)[0] # 使用文件名作为表名，去除文件扩展名

# 使用pandas库读取Excel文件

data = pd.read_excel(file_path, engine="openpyxl", header=0) # 假设第一行是列名

columns = {col: "VARCHAR(255)" for col in data.columns} # 动态生成列名和数据类型

create_table(table_name, columns) # 创建表

save_to_mysql(data, table_name) # 将数据保存到MySQL数据库中，并使用文件名作为表名

print(filename + ' uploaded and saved to MySQL successfully')

def save_to_mysql(data, table_name):

# 建立MySQL数据库连接

conn = pymysql.connect(**db_config)

cursor = conn.cursor()

# 将数据写入MySQL表中（假设数据只有一个Sheet）

for index, row in data.iterrows():

query = f"INSERT INTO {table_name} ("

for col_name in data.columns:

query += f"{col_name}, "

query = query.rstrip(", ") # 去除最后一个逗号和空格

query += ") VALUES ("

values = tuple(row)

query += ("%s, " * len(values)).rstrip(", ") # 动态生成值的占位符

query += ")"

cursor.execute(query, values)

# 提交事务并关闭连接

conn.commit()

cursor.close()

conn.close()

def query_data():

# 建立MySQL数据库连接

conn = pymysql.connect(**db_config)

cursor = conn.cursor()

# 查询所有表名

cursor.execute("SHOW TABLES")

tables = cursor.fetchall()

data = []

dic_list = []

table_name_list = []

for table in tables:

# for table in [tables[-1]]:

table_name = table[0]

table_name_list.append(table_name)

query = f"SELECT * FROM {table_name}"

# # 执行查询并获取结果

cursor.execute(query)

result = cursor.fetchall()

if len(result) > 0:

columns = [desc[0] for desc in cursor.description]

table_data = [{columns[i]: row[i] for i in range(len(columns))} for row in result]

data.extend(table_data)

dic = {}

for i in data:

dic[i['word']] = float(i['count'])

dic_list.append(dic)

conn.commit()

cursor.close()

conn.close()

return dic_list, table_name_list

if __name__ == '__main__':

##excelTomysql()方法将excel写入到mysql

excelTomysql()

print("excel写入到mysql成功！")

# query_data()方法将mysql中的数据查询出来，每张表是一个dic，然后绘制词云

result_list, table_name_list = query_data()

print("从mysql获取数据成功！")

for i in range(len(result_list)):

maskImage = np.array(Image.open('background.PNG')) # 定义词频背景图

# 定义词云样式

wc = wordcloud.WordCloud(

font_path='PingFangBold.ttf', # 设置字体

mask=maskImage, # 设置背景图

max_words=500, # 最多显示词数

max_font_size=100) # 字号最大值

# 生成词云图

wc.generate_from_frequencies(result_list[i]) # 从字典生成词云

# 保存图片到指定文件夹

wc.to_file("词云图/{}.png".format(table_name_list[i]))

print("生成的词云图【{}】已经保存成功！".format(table_name_list[i] + '.png'))

# 在notebook中显示词云图

plt.imshow(wc) # 显示词云

plt.axis('off') # 关闭坐标轴

plt.show() # 显示图像

```

# 三. 🦁 传统主从架构与TDSQL-C 计算与存储分离架构的对比


## 3.1 传统MySQL主从架构痛点

- **复制延迟**： 主从复制中，从服务器复制主服务器上的数据。由于网络延迟、大事务、复杂查询等原因，从服务器上的数据可能会滞后于主服务器，造成数据不一致。

- **单点故障**： 主从复制架构中，主服务器是关键的单点。如果主服务器发生故障，从服务器无法继续同步数据，可能需要进行手动切换以恢复。

- **数据一致性**： 由于复制延迟等原因，从服务器上的数据可能不是实时更新的，这可能会导致应用程序在读取从服务器时获得不一致的结果。

- **写入压力集中**： 所有写入操作都要发送到主服务器，可能会导致主服务器成为性能瓶颈，尤其是在高写入负载下。

- **复制链路故障**： 如果主从复制链路遇到故障，可能会导致从服务器无法正常复制数据，需要进行手动干预来修复。

- **数据冲突**： 如果在主从复制架构中同时进行写入操作，可能会导致数据冲突和不一致，需要谨慎处理。

- **拓扑复杂性**： 在复杂的应用场景中，可能涉及多个主服务器和从服务器，管理和维护这些服务器的拓扑关系可能会变得复杂。

- **备份和恢复**： 备份和恢复可能会变得复杂，需要确保备份不会影响主从复制的正常运行。

- **数据处理能力不均衡**： 由于主从复制是单向的，从服务器无法直接处理写入操作，可能导致主服务器和从服务器之间的数据处理能力不均衡。

## 3.2 TDSQL-C 计算与存储分离架构的优势

在传统的 MySQL 主从复制架构的基础上进行了创新，带来了许多优势：


- **性能与扩展性**： **基于全新架构 HTAP 能力，基于列的数据存储和查询处理,与面向行的传统存储相比，最多可实现十倍以上的查询性能提升**，计算与存储分离架构使得计算节点和存储节点可以独立扩展。这意味着可以根据实际需求，独立地扩展计算资源和存储资源，从而更好地适应不同的负载情况，提高了数据库的整体性能和扩展性。

- **资源隔离**： 通过将计算和存储分开，可以更好地隔离不同的工作负载。计算节点可以专注于处理查询、分析等任务，而存储节点可以专注于数据的持久化和管理，从而降低了互相干扰的可能性。

- **灵活性和弹性**： 由于计算和存储是独立的，可以根据需要灵活地调整计算资源和存储资源的比例。这样在负载波动较大的情况下，可以更有效地分配资源，提供更好的弹性。

- **降低复杂性**： 传统的主从复制架构中，主从之间需要保持同步，管理复杂。计算与存储分离架构简化了复制和同步的逻辑，减少了复杂性和潜在的问题。

- **高可用性**： 由于计算和存储是分离的，可以更容易地实现计算节点和存储节点的高可用性。在某个节点发生故障时，可以更快速地进行故障转移或恢复。

- **资源利用率**： 通过独立扩展计算和存储节点，可以更有效地利用资源。例如，可以根据查询和分析的需求，灵活地配置计算资源，从而提高资源利用率。

## 3.3 存储架构原理


- **DBClient数据路由机制**

- 1. 当计算节点启动时，DBClient 从 DBMaster 查询 Space 信息、Range 列表等；

- 2. 计算节点写入表数据时,DBClient 根据路由信息,将 log 发送到对应的 cell pair。存储层接受日志并持久化到物理存储后回复 DBCIient,后者回复给计算节点，最终完成写入；

- 3. 当计算节点读取数据时，将请求委派给 DBCIent，后者通过路由信息从存储获取数据页，并返回给计算节点，从而完成数据读取。

- **存储层架构**

- 1. 1个存储集群由几十或上百个 cell pair 组成；

- 2. cell pair 采用主从架构，保证数据三副本；

- 3. 每个range 是2G(可调整)文件,一张大表(比如 100G)拆分成多个range 分布在多个 cell pair,最终实现海量存储空间及超高10 能力；

# 四. 🦁 总结

>云原生时代，面对海量数据的存储，高并发负载和复杂查询等场景，这样的数据库出现，你爱了吗？

**更多活动可继续关注上方🦁的博客，好运总会轮到你！！！**