共计 5602 个字符，预计需要花费 15 分钟才能阅读完成。
本文首发于 Nebula Graph Community 公众号
一、我的项目背景
微澜是一款用于查问技术、行业、企业、科研机构、学科及其关系的常识图谱利用，其中蕴含着百亿级的关系和数十亿级的实体，为了使这套业务可能完满运行起来，通过调研，咱们应用 Nebula Graph 作为承载咱们常识图谱业务的次要数据库，随着 Nebula Graph 的产品迭代，咱们最终抉择应用 v2.5.1 版本的 Nebula Graph 作为最终版本。
二、为什么抉择 Nebula Graph？
在开源图数据库畛域，无疑存在着很多抉择，但为了撑持如此大规模数据的常识图谱服务，Nebula Graph 比照其余的图数据库具备以下几个长处，这也是咱们抉择 Nebula Graph 的起因：
- 对于内存的占用较小
在咱们的业务场景下，咱们的 QPS 比拟低且没有很高的稳定，同时相比起其余的图数据库，Nebula Graph 具备更小的闲时内存占用，所以咱们能够通过应用内存配置更低的机器去运行 Nebula Graph 服务，这无疑为咱们节俭了老本。
- 应用 multi-raft 一致性协定
multi-raft 相比于传统的 raft，不仅减少了零碎的可用性，而且性能比传统的 raft 要高。共识算法的性能次要在于其是否容许空洞和粒度切分，在应用层无论 KV 数据库还是 SQL，能胜利利用好这两个个性，性能必定不会差。因为 raft 的串行提交极其依赖状态机的性能，这样就导致即便在 KV 上，一个 key 的 op 慢，显著会拖慢其余 key。所以，一个一致性协定的性能高下的要害，肯定是在于状态机如何让能够并行地尽量并行，纵使 multi-raft 的粒度切分比拟粗（相比于 Paxos），但对于不容许空洞的 raft 协定来说，还是有微小的晋升。
- 存储端应用 RocksDB 作为存储引擎
RocksDB 作为一款存储引擎 / 嵌入式数据库，在各种数据库中作为存储端失去了宽泛地应用。更要害的是 Nebula Graph 能够通过调整 RocksDB 的原生参数来改善数据库性能。
- 写入速度快
咱们的业务须要频繁地大量写入，Nebula Graph 即便在具备大量长文本内容的 vertex 的状况下（集群内 3 台机器、3 份数据，16 线程插入）插入速度也能达到 2 万 /s 的插入速度，而无属性边的插入速度在雷同条件下能够达到 35 万 /s。
三、应用 Nebula Graph 时咱们遇到了哪些问题？
在咱们的常识图谱业务中，很多场景须要向用户展现通过分页的一度关系，同时咱们的数据中存在一些超级节点，但依据咱们的业务场景，超级节点肯定会是用户拜访可能性最高的节点，所以这不能被简略归类到长尾问题上；又因为咱们的用户量并不大，所以缓存必然不会常常被撞到，咱们须要一套解决方案来使用户的查问提早更小。
举例：业务场景为查问这个技术的上游技术，同时要依据咱们设置的排序键进行排序，此排序键是部分排序键。比方，某个机构在某一畛域排名特地高，然而在全局或者其余畛域比拟个别，这种场景下咱们必须把排序属性设置在边上，并且对于全局排序项进行拟合与标准化，使得每个维度的数据的方差都为 1，均值都为 0，以便进行部分的排序，同时还要反对分页操作不便用户查问。
语句如下：
MATCH (v1:technology)-[e:technologyLeaf]->(v2:technology) WHERE id(v2) == "foobar" \
RETURN id(v1), v1.name, e.sort_value AS sort ORDER BY sort | LIMIT 0,20;此节点有 13 万邻接边，这种状况下即便对 sort_value 属性加了索引，查问耗时还是将近两秒。这个速度显然无奈承受。
咱们最初抉择应用蚂蚁金服开源的 OceanBase 数据库来辅助咱们实现业务，数据模型如下：
technologydownstream
| technology_id | downstream_id | sort_value |
|---|---|---|
| foobar | id1 | 1.0 |
| foobar | id2 | 0.5 |
| foobar | id3 | 0.0 |
technology
| id | name | sort_value |
|---|---|---|
| id1 | aaa | 0.3 |
| id2 | bbb | 0.2 |
| id3 | ccc | 0.1 |
查问语句如下：
SELECT technology.name FROM technology INNER JOIN (SELECT technologydownstream.downstream_id FROM technologydownstream
WHERE technologydownstream.technology_id = 'foobar' ORDER BY technologydownstream.sort_value DESC LIMIT 0,20) AS t
WHERE t.downstream_id=technology.id; 此语句耗时 80 毫秒。这里是整个架构设计
四、应用 Nebula Graph 时咱们如何调优？
后面讲过 Nebula Graph 的一个很大的劣势就是能够应用原生 RocksDB 参数进行调优，缩小学习老本，对于调优项的具体含意以及局部调优策略咱们分享如下：
| RocksDB 参数 | 含意 |
|---|---|
| max_total_wal_size | 一旦 wal 的文件超过了 max_total_wal_size 会强制创立新的 wal 文件，默认值为 0 时，max_total_wal_size = write_buffer_size max_write_buffer_number 4 |
| delete_obsolete_files_period_micros | 删除过期文件的周期，过期的文件蕴含 sst 文件和 wal 文件，默认是 6 小时 |
| max_background_jobs | 最大的后盾线程数目 = max_background_flushes + max_background_compactions |
| stats_dump_period_sec | 如果非空，则每隔 stats_dump_period_sec 秒会打印 rocksdb.stats 信息到 LOG 文件 |
| compaction_readahead_size | 压缩过程中预读取硬盘的数据量。如果在非 SSD 磁盘上运行 RocksDB，为了性能思考则应将其设置为至多 2 MB。如果是非零，同时会强制 new_table_reader_for_compaction_inputs=true |
| writable_file_max_buffer_size | WritableFileWriter 应用的最大缓冲区大小 RocksDB 的写缓存，对于 Direct IO 模式的话，调优该参数很重要。 |
| bytes_per_sync | 每次 sync 的数据量，累计到 bytes_per_sync 会被动 Flush 到磁盘，这个选项是利用到 sst 文件，wal 文件应用 wal_bytes_per_sync |
| wal_bytes_per_sync | wal 文件每次写满 wal_bytes_per_sync 文件大小时，会通过调用 sync_file_range 来刷新文件，默认值为 0 示意不失效 |
| delayed_write_rate | 如果产生 Write Stall，写入的速度将被限度在 delayed_write_rate 以下 |
| avoid_flush_during_shutdown | 默认状况下，DB 敞开时会刷新所有的 memtable，如果设置了该选项那么将不会强制刷新，可能造成数据失落 |
| max_open_files | RocksDB 能够关上文件的句柄数量(次要是 sst 文件)，这样下次访问的时候就能够间接应用，而不须要从新在关上。当缓存的文件句柄超过 max_open_files 之后，一些句柄就会被 close 掉，要留神句柄 close 的时候相应 sst 的 index cache 和 filter cache 也会一起开释掉，因为 index block 和 filter block 缓存在堆上，数量下限由 max_open_files 选项管制。根据 sst 文件的 index_block 的组织形式判断，一般来说 index_block 比 data_block 大 1 到 2 个数量级，所以每次读取数据必须要先加载 index_block，此时 index 数据放在堆上，并不会被动淘汰数据；如果大量的随机读的话，会导致重大的读放大，另外可能导致 RocksDB 不明起因的占据大量的物理内存，所以此值的调整十分重要，须要依据本人的 workload 在性能和内存占用上做取舍。如果此值为 -1，RocksDB 将始终缓存所有关上的句柄，但这个会造成比拟大量的内存开销 |
| stats_persist_period_sec | 如果非空，则每隔 stats_persist_period_sec 主动将统计信息保留到暗藏列族___ rocksdb_stats_history___。 |
| stats_history_buffer_size | 如果不为零，则定期获取统计信息快照并存储在内存中，统计信息快照的内存大小下限为 stats_history_buffer_size |
| strict_bytes_per_sync | RocksDB 把数据写入到硬盘时为了性能思考，默认没有同步 Flush，因而异常情况下存在失落数据的可能，为了对失落数据数量的可控，须要一些参数来设定刷新的动作。如果此参数为 true，那么 RocksDB 将严格的依照 wal_bytes_per_sync 和 bytes_per_sync 的设置刷盘，即每次都刷新残缺的一个文件，如果此参数为 false 则每次只刷新局部数据：也就是说如果对可能的数据失落不怎么 care，就能够设置 false，不过还是举荐为 true |
| enable_rocksdb_prefix_filtering | 是否开启 prefix_bloom_filter，开了之后会依据写入 key 的前 rocksdb_filtering_prefix_length 位在 memtable 结构 bloom filter |
| enable_rocksdb_whole_key_filtering | 在 memtable 创立 bloomfilter，其中映射的 key 是 memtable 的残缺 key 名，所以这个配置和 enable_rocksdb_prefix_filtering 抵触，如果 enable_rocksdb_prefix_filtering 为 true，则这个配置不失效 |
| rocksdb_filtering_prefix_length | 见 enable_rocksdb_prefix_filtering |
| num_compaction_threads | 后盾并发 compaction 线程的最大数量，理论是线程池的最大线程数，compaction 的线程池默认为低优先级 |
| rate_limit | 用于记录在代码里通过 NewGenericRateLimiter 创立速率控制器的参数，这样重启的时候能够通过这些参数构建 rate_limiter。rate_limiter 是 RocksDB 用来管制 Compaction 和 Flush 写入速率的工具，因为过快的写会影响数据的读取，咱们能够这样设置：rate_limit = {"id":"GenericRateLimiter"; "mode":"kWritesOnly"; "clock":"PosixClock"; "rate_bytes_per_sec":"200"; "fairness":"10"; "refill_period_us":"1000000"; "auto_tuned":"false";} |
| write_buffer_size | memtable 的最大 size，如果超过了这个值，RocksDB 就会将其变成 immutable memtable，并创立另一个新的 memtable |
| max_write_buffer_number | 最大 memtable 的个数，蕴含 mem 和 imm。如果满了，RocksDB 就会进行后续的写入，通常这都是写入太快然而 Flush 不及时造成的 |
| level0_file_num_compaction_trigger | Leveled Compaction 专用触发参数，当 L0 的文件数量达到 level0_file_num_compaction_trigger 的值时，则触发 L0 和 L1 的合并。此值越大，写放大越小，读放大越大。当此值很大时，则靠近 Universal Compaction 状态 |
| level0_slowdown_writes_trigger | 当 level0 的文件数大于该值，会升高写入速度。调整此参数与 level0_stop_writes_trigger 参数是为了解决过多的 L0 文件导致的 Write Stall 问题 |
| level0_stop_writes_trigger | 当 level0 的文件数大于该值，会回绝写入。调整此参数与 level0_slowdown_writes_trigger 参数是为了解决过多的 L0 文件导致的 Write Stall 问题 |
| target_file_size_base | L1 文件的 SST 大小。减少此值会缩小整个 DB 的 size，如需调整能够使 target_file_size_base = max_bytes_for_level_base / 10，也就是 level 1 会有 10 个 SST 文件即可 |
| target_file_size_multiplier | 使得 L1 下层 (L2…L6) 的文件的 SST 的 size 都会比以后层大 target_file_size_multiplier 倍 |
| max_bytes_for_level_base | L1 层的最大容量（所有 SST 文件大小之和），超过该容量就会触发 Compaction |
| max_bytes_for_level_multiplier | 每一层相比上一层的文件总大小的递增参数 |
| disable_auto_compactions | 是否禁用主动 Compaction |
交换图数据库技术？退出 Nebula 交换群请先填写下你的 Nebula 名片，Nebula 小助手会拉你进群~~
