共计 2214 个字符，预计需要花费 6 分钟才能阅读完成。
TDSQL 团队在研发分布式事务型数据库的过程中，除了思考分布式事务处理技术（ACID 实现的所有技术）外，还深度摸索测试验证、架构扩大、模块解耦等等各种重要的问题。
新硬件和 AI 等技术，在云环境下，如何影响着数据库的架构？
数据库各个模块间是否能解耦以升高研发的复杂度，同时缩短研发人才的造就周期？
新硬件和 AI 等技术，从架构上深深地影响了传统的数据库，这体现在如何交融这些新技术：
首先， 数据库可能会“减少”很多新模块进去，如图 7 中的左下子图，AI 调优数据库技术使得数据库系统被扩大了，减少了很多新组件进来。
其次， 数据库的传统模块会被扭转，如图 8 中的左下子图，在并行的事务型数据库系统中，提出基于 AI 技术对事务进行优化的模型。该模型采取存储过程的形式（此点相似 H -Store、VoltDB），向数据库引擎提前提供所执行的事务，而后利用 AI 技术（Markov model，马尔可夫模型）对存储过程进行剖析，确定那些存储过程所代表的事务间的语义，排定事务并发执行时哪些是互相冲突的，失去一个有固定构造的事务执行模型，如图 8 左下子图中右侧，是对 TPC- C 模型 NewOrder 进行的剖析失去的事务调度图。
当多个 Client 收回 SQL 语句执行存储过程代表的并发事务时，据此模型即能推断事务的调度形式。这是 AI 技术扭转事务处理中并发访问控制模块的一个典型事例。
下图中“d”模型是基于 RDMA 从 2 个方面对事务处理形成影响，一是事务处理的控制流，二是事务执行过程中产生的数据流。影响分布式事务处理效率的，不仅仅是宏大的数据流，而绝对数据量小的控制流，也是瓶颈，因而须要引入 RDMA 来加以解决网络带宽瓶颈。
数据库中的模块发生变化
传统的数据库系统，其复杂度极高，从外看高内聚，从内看高耦合，这使得数据库的复杂度骤然晋升。当各种新技术产生，影响了数据库的架构时，数据库的复杂性被再提上一个台阶。在这种背景下，研发人才的培养，其成长周期就会更长。因而，咱们在思考的一个问题是：从技术上看，如何解耦数据库外部间的诸多模块？耦合度高，研发人员须要把握数个相干模块能力良好推动工作；如果模块间解耦较好，把握单个模块就能不便推动工作，这样人才的培养周期相应也会缩短，软件的品质也会失去进步。
所以，数据库架构背景下各个模块解耦问题，是一个技术问题。解耦工作，能够在许多档次、许多模块间开展。解耦技术，各有其妙。
上子图所示，AWS 的 Aurora 提出的存储计算拆散，就是存储和计算两大模块的解耦。而微软 Deuteronomy 零碎在 08 年 -16 年也有过一系列相干工作。Deuteronomy 一开始采纳的计划是在存储层下面实现事务，而底层的存储采纳的是 KV 模型。存储层只须要提供 KV 的原子性和幂等性，下层就能够比拟容易实现事务的并发访问控制和复原。
起初的 Percolator、Spanner/F1、CockroachDB、TiDB 其实也是沿着这个思路在倒退，底层是 Bigtable/Spanner 或者 RocksDB 这样的 KV 存储引擎，在存储之上封装一层事务。然而在相似 RocksDB 这样的 KV 存储中，对于 KV 记录的并发管制还是和存储紧耦合的。
存储和计算两大模块的解耦，促成了各自所囊括的子模块之间再次进行解耦，事务和存储层的解耦，该怎么进行？有的研究者，把事务处理性能提取到客户端进行（左子图），有的把事务处理性能放到中间件层履行按（两头子图），这 2 种形式不同于传统的在 Server 端进行事务处理（右子图）。
事务和存储层解耦
另外，解耦工作，其实无处不在。下图展现了算法与数据结构之间的解耦。下图的左子图，是数据库的长久化局部和内存中数据之间的设计解耦。下图的右子图，是索引的数据结构与物理存储层之间的解耦。
下图左子图，对应 VLDB 2018 的论文 ”FineLine: Log-structured Transactional Storage and Recovery”，提出了一种事务存储和复原机制 FineLine，舍弃了传统的 WAL，把所有须要长久化的数据存储到一个繁多的数据结构，心愿将数据库的长久化局部和内存中数据存储之间达到设计解耦。
FineLine 无需将内存中数据落盘到 DB，仅将内存中的 log 信息长久化到 Indexed log 中，而后通过 fetch 操作从 Indexed log 读取到数据的最新状态。通过将内存中的数据结构与其持久性示意尽量地解耦，打消了与传统基于磁盘的 RDBMS 相干的许多开销。除此之外，这种繁多的长久化存储架构带来的另一个益处是，在零碎产生故障后复原的开销很低。因为 Indexed log 放弃了与原子操作的一致性，当产生故障并重启时，能够从 Indexed log 中读取到已提交的最新数据记录。基于 no-steal 的策略，Undo 操作，Checkpoint 这些也都不须要。
计算与数据结构之间的解耦
数据库外部，各个模块之间的解耦，与模块粒度的划分，与具体实现的零碎，都有密切关系。如图 11 展现了几个支流数据库之间解耦的关系，期待能抛砖引玉，引发更多思考。
结语
数据库作为外围根底技术之一，在自主可控的时代倒退潮流下，是咱们必将要跨过的大山。路虽弥，不行则不至，历经十数年的研发演进，至多明天咱们都已达成了许多重要的里程碑。当下而言，国产数据库从技术、人才、工业生态等各方面，都有待欠缺和倒退，而将来更严密的产学研联合、科技与传统产业交融趋势下，将进一步促成数据库自主可控倒退。
