共计 3861 个字符，预计需要花费 10 分钟才能阅读完成。
“如果说中小企业是一片片沿溪而耕的农田，那么咱们的愿景就是建一座大坝来治理好上游的水资源，来灌溉上游企业。”
腾讯云数据库高级工程师杨珏吉说这是他投身数据库畛域的初衷。初创企业、中小企业在数据库层面的最大需要就是低成本。助力企业降本增效是腾讯云数据库始终在致力的方向，尤其在疫情冲击下的经济社会中，更是一份社会责任。
在技术上深研，冲破极致弹性，让客户像应用自来水一样的应用数据库，用多少、怎么用由客户决定，计费由使用量决定，这是杨珏吉及其团队给出的答案。TDSQL-C Serverless 数据库通过应用计算存储拆散架构，实现主动扩缩容、按使用量计费、无应用无计费性能，从而实现大幅降低成本，上面将具体介绍性能实现背地的架构原理及利用场景。
点击此处观看完整版视频
一、产品特点
Serverless 分为 FaaS 和 BaaS，其中 FaaS 是函数即服务，也就是咱们相熟的云函数，能够了解成是云主机的一种形象，免去了简单的运维，帮忙开发者主动扩缩容，实现服务的高可用，并按使用量计费。
BaaS 是后端即服务，比方对象存储，它也免去了开发者的文件存储管理的累赘，能提供足够的弹性能力，实现依照使用量计费，所以它也满足 Serverless 的要求。
目前云数据库的售卖形式还是与云主机相似，开发者须要购买一个固定规格的云数据库，比方 CPU 4 核内存 8G，即便开发者没有 SQL 申请，也将依照 4 核 8G 进行计费。
业界场景的云数据库，的确帮忙开发者实现了高可用和主动备份，缩小了运维累赘，但开发者须要提前预测业务申请量，并发动扩缩容，也无奈在没有应用的时候不免费。
传统云数据库同机部署计算和存储，内核过程间接写本地数据文件。当一台机器的存储应用曾经靠近 90%，即便整机存量实例的计算资源负载再低，也无奈再调配新实例了。在这种状况下，该机器上存量实例的用户，尽管没有应用计算资源，CPU 内存都是 0，也仍然要承当此机器计算资源的费用。反过来也一样，计算应用 90%，而存储使用量较少，也将导致残余存储无奈再售卖。
按理论用量付费的问题实质是按理论用量分配资源。所以云数据库如果要迈向 Serverless 这个指标，要做的就是计算存储拆散。
计算存储拆散的劣势很多，比方存储空间和写带宽能冲破单机下限，更强的容灾能力等等，本文重点解说 资源分配弹性灵便 的特点。
计算存储拆散能使计算和存储解耦，任意计算节点能拜访工作的存储节点。计算和存储保护各自的资源池，别离最大化、最灵便地进行资源分配。存储层按寄存的数据量免费，计算层按真正的负载免费。
另一方面，传统云数据库扩缩容须要搬迁数据到另一台物理设施，所以耗时长。而计算存储拆散架构，计算层扩缩容不须要搬迁存储层的数据，间接调配计算层资源即可，秒级实现扩缩容。
在计算存储拆散之上，TDSQL-C 实现了 Serverless 产品性能的设计，让咱们来看看具体是怎么做的。
二、架构设计
上图是开发者拜访的全链路，应用程序通过接入层拜访计算层，计算层从存储层返回数据。
咱们的 Serverless 状态是利用监控计算层实现的。通过监控，咱们对计算资源进行主动扩缩容，并对该时刻所耗费的资源进行计费。当发现没有申请时，监控服务就会触发计算资源的回收，并告诉接入层。用户再次拜访时，接入层则会唤醒实例，再次提供拜访。
从客户角度总结起来就是三大特点：
主动扩缩容：依据业务负载扩缩容实例，开发者无需预测负载并提前扩容资源；
按使用量计费：以理论应用的负载进行计费，开发者无需为本人没有应用到的资源付费；
无应用无费用：无数据申请时，不对计算资源计费。
1. 主动扩缩容
主动扩缩容的指标是让客户能够像应用自来水那样应用数据库，既能够一滴一滴，也能够像瀑布一样泼洒地用。
开发者在购买一个 Serverless 实例时，须要指定扩缩容的范畴，也就是最小和最大规格。比方开发者购买了一个最小 1 核 2G 最大 2 核 4G 的实例。咱们对 CPU 和内存限度到最大规格，也就是说 CPU 和内存不存在扩容的工夫，而 Buffer Pool 依据 CPU 负载定时调整。
这是一个咱们最开始思考的计划，也是比拟业界常见的扩缩容计划。
上图纵轴示意 CPU，横轴示意内存（Mem），矩形框代表资源限度。实例闲时，就限度实例的规格为 1 核 2G，负载来长期，CPU 迅速打满，监控发现后，再触发扩容，扩成 2 核 4G，其中缓存也是 BP 大小也相应减少，能够看到在扩容产生之前，用户的 CPU 应用是受到限制的，限度的工夫取决于触发扩容的阈值。
咱们起初采纳的计划则是一开始就限度到最大规格，负载来长期，能够一下子应用到更多的资源，而后依据 CPU 的使用量来触发缓存大小的更新。在这个计划下用户应用数据库能够无感知进行 CPU 扩容，并且也不会因为链接突增导致实例 OOM。
2. 按使用量计费
使用量计费的指标是秒级别的计费粒度，以及任意单位的资源规格，比方用到 0.7 核，就按 0.7 核免费，而不是有余 1 核算 1 核。
咱们的监控室每 5 秒采集一次，采集后果对立应用 CCU（TDSQL-C Compute Unit）作为对立的算力单位，其计算方法为 CPU、内存的 1 / 2 以及最小规格三者取最大值。
以上图为例，闲时以最小规格 0.25 CCU 计费，负载来长期以 CPU 进行免费，即为 3；当负载完结时，内存还在开释，为内存的 1 /2，也就是 0.8。
3. 无应用无计费
问题来了，大家可能感觉闲时按最小 0.25 CCU 计费也还是多了，于是咱们推出无应用无费用的性能。
10 分钟没有收到用户连贯，就将回收计算节点，转为暂停的实例。暂停的实例收到用户申请后，启动计算节点，复原为运行中的实例。
咱们通过监控计算的连接数，没有连贯则向管控发动暂停。
暂停后，咱们回收了计算层所有资源，不再对计算资源免费，仅对存储资源进行免费。接入层收到用户申请后，管控则会启动实例，提供给用户拜访。
这当中比拟重要的是复原工夫，也就是冷启动工夫。在复原工夫上，咱们做了相当多的优化，包含找长久化的日志位点以及 BP 和事务零碎的初始化。目前，复原工夫能做到仅需 2 秒。
有的读者可能会感兴趣计算存储拆散的架构细节，接下来简要分享一下架构细节。
在计算层，咱们应用的是的 TXSQL，齐全兼容 MySQL 协定，可能复用社区的 bugfix 和个性。主从复制应用 redo 复制，长处是提早低。redo 日志不落在本地，而是发送给存储层。
在存储层，咱们应用的是云硬盘的 HiStore 存储平台，保障了数据安全、GB 级别的备份回档、以及性能与老本的多种存储抉择计划，咱们在 HiStore 中退出数据库的逻辑，实现日志回放以及算子下推。
大家如果不相熟数据库也不要被这个这些名词吓到，咱们对外其实就是提供的是与 MySQL 统一的数据库服务，区别是外部咱们做了计算存储拆散，拆散之后计算层的资源能够更自在、灵便地调配。
三、利用场景
利用场景是宽广开发者比较关心的，接下来给大家分享六类场景的理论利用。
1. 慢查问
当开发者的 SQL 优化得不够好，或者偶然须要全表扫描剖析数据时，就会呈现慢查问，与慢查问相伴的往往是 CPU 使用率高（因为扫描的数据比拟多）。
这也是用户能切实感知到的，从上图的监控中能够看到 慢查问与 CPU 是正相干的 。如果用户购买一个比拟大的固定规格的实例，那么将承当额定的老本；如果购买的是小规格实例，那么在慢查问到来时用户的 CPU 会被占满，进而影响业务。应用 Serverless 数据库就不必放心这个问题，大部分工夫 Serverless 数据库以低 CCU 进行付费，慢查问降临的时候能够立即用到额定的 CPU，所以 整体上也只是影响慢查问时刻的计费。
2. 定时工作
与慢查问相似，有相当多的业务都有定时解决逻辑，包含定时清理旧数据、定时生成前一天的报表等。上图能够看到，用户在每天 0 点会跑十分多的申请，但平时大部分工夫是一个低负载。用户应用了 Serverless 数据库之后，也不必去对规格和费用做衡量了，和上一个例子一样，用多少就计费多少。
3. 归档数据库
如果长时间不必数据库，就不必对 CPU 和内存进行免费。这类通常见于一些档案数据库、机器学习的样本数据库、集体家庭的历史传感器数据库等，不会常常应用，而是偶然拜访的状态。这类数据的常见的做法是间接存在 COS 里，须要的时候去下载。而 Serverless 数据库有一个很大的长处就是须要的时候立即可能提供索引，且领有弱小的剖析性能，开发者不须要本人去写代码就能搜寻到须要的数据。
4. 低频拜访的业务
对于均匀每天的访问量小于 10 次的低频拜访业务，例如集体博客、垂直社区论坛、微信小程序，咱们与云函数、云开发、微信云托管有深刻单干，能实现拜访完结后就进行计费。
5. 开发测试环境
上图能够看到在一周工夫内，用户在早晨、周末都没有拜访和应用。用户通过 TDSQL-C Serverless 数据库的 主动暂停性能，节俭了大量研发测试老本。
6. 微服务场景
随着微服务越来越风行，每个独自的服务负责的性能也越来越小，随之对应的是微服务后端的数据库的负载也会变小。一种做法是多个微服务共用一个大的数据库，但这会带来相互影响的问题。所以，Serverless 数据库提供小规格的数据库实例，来保障微服务之间的隔离性。
四、总结与瞻望
TDSQL-C Serverless 补充了数据库畛域中 Serverless 的空白。在主动扩缩容上，能够使 CPU 霎时用到最大规格，按使用量计费上可能按 CPU 实时的使用量进行计费，不应用不计费上冷启动工夫是 2 秒，目前在 Serverless 数据库中是相对当先的。将来咱们也会在冷启动上做进一步的优化，以及帮忙客户进一步升高应用老本。
