分享嘉宾

叶正盛，玖章算术科技公司CEO，原阿里云资深技术与产品专家，数据库产品治理与解决方案部总经理。20年软件研发教训，曾主导过多个工业控制软件、ERP、大型电力计费零碎研发，见证与实际了阿里巴巴去IOE、异地多活、云计算屡次技术改革。

分享内容

正当的设计数据架构是程序员的外围竞争力，也是一般程序员走向技术专家的必修课。数据库始终是计算机外围根底软件，经验了40年的倒退，从关系型数据库，到数据仓库、NoSQL、大数据以及云原生数据库，体系越来越简单。

本次主题重点介绍应用软件到底层数据库全链路的外围原理，心愿帮忙宽广序员更好的了解并应用好数据库。

数据库简介

数据库管理系统（DBMS）是治理数据库的大型软件，能够建设、应用和保护数据库，其提供了数据采集、存储、查问和剖析的性能。

在没有数据库之前，如果咱们要做库存治理，以小超市、夫妻店为例，咱们能够用手工记账，但随着数据越来越多，咱们能够用Excel治理，如果是大型超市或大型库存核心，Excel就不能应答了，须要应用数据库来治理。那么，数据库和Excel有什么区别呢？

第一，治理的数据量不同，Excel能够治理上万条数据，而数据库能够轻松治理数亿条数据；

第二，多用户，高性能，Excel个别是集体操作，数据库系统须要解决互联网平台上可能是数亿用户同时申请；

第三，平安治理的不同，Excel只能设置密码保护，数据库反对用户的简单权限管制；

第四，开发接口不同，Excel开发接口比拟多，但根本是利用在内置单机开发，数据库有面向应用软件的开发接口，适宜大型应用软件或者互联网平台业务。

支流的数据库有几十种，这张图形容了以后数据库主流产品定位，通过治理数据量大小和SQL性能强弱把各个产品分为四大类：

OLTP：在线事务处理平台，个别都是关系型数据库来撑持，常见的数据库有：SQLite、MySQL、PostgreSQL、PolarDB、TiDB、OceanBase

OLAP：在线剖析业务，个别是数据仓库，常见的产品有：Teradata、Clickhouse、Doris、Greenplum、Snowflake、AWS Redshift

NoSQL：新数据模型，互联网行业用得十分多，代表产品有：Redis、Neo4j、InfluxDB、MongoDB、Cassandra、AWS DynamoDB

BigData：大数据业务，和数据仓库比拟相似，然而更善于解决大规模数据分析业务，主流产品有：HBase、Hadoop、ElasticSearch、Spark

另外DB2、SQLServer、Oracle这几款产品在OLTP和OLAP畛域都比拟强，有时称为HTAP产品，也是目前数据库的领导者。

不是说治理的数据量越大和SQL性能越强就越好，每一种数据库它是在特定的场景可能开展它的劣势，这里只是把它划分在不同的区域。

依据数据库计算节点和存储节点部署整体架构分为几大品种：

单机： 计算节点和存储节点个别在同一台机器上，通常存储节点是本地硬盘，如单机版的MySQL、Oracle。单机模式没有高可用保障，罕用于长期开发测试或者集体学习场景，生产环境不倡议应用。

主备读写拆散： 在单机模式上减少了备用节点，备用节点既能够作为高可用保障，也能够承当只读业务申请，主备之间通过数据库的log实时传输实现。比拟常见的有MySQL的Master-Slave，Oracle的Active Dataguard，SQL Server的Always on，主备模式也是以后生产环境最常见的部署架构。

随着数据量或者负载的减少，主备模式曾经无奈满足业务需要，因而诞生了分布式的软件架构，数据仓库和大数据产品通常都是分布式架构，次要由两种模式：

分布式（Share everything）： Share everything架构通常存储节点采纳分布式的共享存储，比方业余的EMC存储设备或者是云存储OSS/S3。因为数据共享问题解决了，计算节点就能扩大多个，从而承当更多业务负载。典型代表有Oracle RAC、阿里云PolarDB、Snowflake、AWS Redshift(RA3)。IBM DB2也是典型的分布式架构，它同时还采纳了集中式共享缓存的模式。

分布式（Share nothing）： 在没有共享存储的状况下，通常会采纳Share Nothing的架构设计。这类架构是存储数据分片存储在不同的节点，因而计算和存储节点都是独立运行，通过MPP计算引擎实现集群资源的调度运算。

数据库内部结构

数据库引擎次要包含以下组件：

存储引擎： 负责数据的存储管理，包含数据、索引、日志等数据的治理；

缓存治理： 负责数据库的缓存治理，包含数据缓存、SQL缓存、会话缓存、运算缓存等等；

计算引擎： 也称为查问引擎，负责业务申请的逻辑运算，包含SQL解析、执行打算生成、执行算子下发到存储引擎等等；

事务处理： 负责数据库的事务管理，ACID、锁等个性的实现；

分布式治理： 分布式数据库的外围组件，用于协调数据库各个节点通信、事务状态一致性协调、分布式计算等等；

平安治理： 数据库的平安拜访根底，包含根本的用户、角色认证，加密解密，以及高级的数据脱敏个性；

会话治理： 数据库连贯和连接池状态、配置等治理；

内部接口： 负责对外提供规范的数据库拜访接口，反对应用软件通过JDBC、ODBC、Socket等形式拜访数据库。

每种数据库都有本人的实现计划和技术架构，但通常都会包含以上组件性能。

存储引擎最根底的是HEAP构造，这也是表数据文件通常的保留格局。

常见的数据库，像Oracle，SQL Server，MySQL（ISAM），PostgreSQL表的根底构造都是堆表引擎。能够了解为一条记录过去，就把它按先后顺序堆进去。数据库由多个文件形成，一个文件由多个Extent/Segment形成，每个Extent蕴含多个Block/Page，OLTP通常在4K~32K大小，Block外面就是具体的行数据信息。

B-TREE是数据库索引最罕用的数据结构，MySQL(InnoDB)的表数据也间接采纳了B-TREE的存储构造。

B-TREE的外围特点是对数据排序，能够从根节点到叶子节点再定位到数据，叶子节点能够有多层，就像一棵树的树枝一样。

我最喜爱的例子还是用新华字典来形容，大家小时候常常查字典，其实就是B树的原理，要查一个字，首先要找索引，如果晓得它的拼音，依据拼音索引外面的地位去找到页码，再找到数据，查问效率还是十分高的。

字典可能有很多种目录索引，常见的有拼音、部首、笔划，这样就能够按不同的形式疾速找到要须要的字。数据库B-TREE原理跟查字典基本上是一样的，很多文章介绍不等于、大于、小于等条件能不能应用上索引，其实想想这个逻辑，用字典目录能不能查，就能大略判断进去能不能做，原理是齐全一样的，没有什么特别之处。

HEAP和BTREE通常是OLTP数据库应用，而OLAP通常数据量十分大，COLUMN-STORE（列存）是更常见的存储构造，因为按列存储数据能够做到更好的编码压缩，并且当SQL只是须要申请大宽表的局部字段时，COLUMN-STORE就十分有劣势。

开源的ORC和PARQUET是列式存储的典型模型，都比拟常见。Greenplum、ClickHouse等数据仓库都反对列式存储。

在咱们生存中也有这样的例子，比如说大超市的货架，通常都是按品类摆放的，电器、水果、零食都是放在不同的地位，这就是一种列式分类管理的概率，查问效率也比拟高，也能够摆放更多的货物。

再谈谈LSM-TREE，下面是阿里外部X-DB的技术架构图，很好的形容LSM-TREE模型。业务往里面写数据时，先写日志，同时放在内存外面，内存积攒到肯定的数据，就排好序往底下磁盘刷盘，按同样的逻辑一层一层刷盘，这是典型的分层存储的概念。

它在写方面十分强，尤其是程序写，像日志这种数据比拟适宜。它的毛病是读性能比B树差，尤其是按范畴读取数据。大量的传统OLTP商业数据库仍然用B树去做，因为实际下来综合读写会更高效。LSM-Tree在日志存储场景比拟适合，如Hbase，另外咱们也会看到一些分布式数据库存储用LSM构造，如TiDB、OceanBase，这个还有待验证。LSM-Tree在面向传统硬盘上有程序写入劣势，对SSD写磨损也更敌对，但在SSD硬盘上的整体性能晋升收益没有传统硬盘突出，因为SSD的随机IO性能也不错。

用一个表格汇总各种存储引擎的优劣势和利用场景。

数据库缓存分为几大板块，第一是数据缓存，一般来说是全局性的，所有的会话都在对立的数据缓存里读取和写入数据。框的大小代表着占用内存的大小，比方数据块，这是占用最多的，其次是索引块，另外是日志，比方REDO LOG。

也有一些开发者会问，这个缓存为什么数据库独自去治理？用操作系统不行吗？如果说不深度了解这个问题，的确操作系统缓存也做得很好，有些数据库的确没有缓存，然而咱们看到十分弱小的数据库都有本人的缓存治理模块，比方Oracle、SQLServer等等。

数据库本人做缓存治理能够做得十分精密，比如说有全表扫描和按索引扫描，如果不做精细化的缓存，有可能一个大表的查问就把以前无效的缓存都给清进来了，对于数据库来讲是不能承受的，所以须要本人做治理，因为能够判断这个缓存的重要性。Oracle，MySQL（InnoDB）这方面都做了很多细的工作，这是操作系统不肯定能解决好的问题。

当然也会存在肯定问题，数据库有缓存，操作系统还有缓存，会不会导致缓存重复使用，效率不高？因而有些数据库就把操作系统的缓存给旁路了，操作系统会提供DirectIO这样的接口。

图中右上角是SQL与对象的缓存，有两个比拟重要的，一个是SQL的文本和执行打算，第二是元数据，比如说表构造定义信息。SQL文本和执行打算缓存比拟大，尤其像Oracle这些成熟的商业数据库，因为须要反对非常复杂的SQL最优执行打算制订，所以缓存治理就更加重要。反而开源的数据库执行打算缓存会做得十分弱，比方MySQL，能够说是简直没有。如果有执行打算缓存，像Oracle这种数据库，效率是齐全不一样的，每次执行，效率有可能会有10倍以上的晋升。

而后是会话缓存，这块比拟好了解。还有是运算缓存，在数仓里十分重要，OLTP零碎，个别数据缓存很重要，OLAP运算缓存会更重要，次要起因是OLAP零碎的Hash与排序运算量比拟大。

数据库事务处理的外围是ACID：

Atomicity：原子性，示意数据库一个事务操作要么胜利，要么失败，不能呈现局部胜利或者局部失败的状况。通常采纳WAL（Write Ahead Log）来实现，同时利用了硬件的原子写接口。

Consistency：一致性，示意数据库要能保障定义的束缚有效性，包含定义的主键、惟一束缚、外键、NOT NULL等束缚，在每个事务提交后都要确保束缚无效。在事务过程中没有强制束缚，因而不同数据库对束缚的实现会有些区别，比方插入惟一束缚反复的数据是立刻失败，还是等事务commit再查看惟一束缚？

Isolation：隔离性，这个是事务最简单的中央，国际标准定义了4种事务隔离级别。对于OLTP零碎，大部分都采纳了Read Committed的隔离级别，唯独MySQL(InnoDB)默认采纳了Repeatable Read的隔离级别，这个也是因为历史起因，MySQL的主备同步应用了Statement模式导致的。当初MySQL根本都是采纳ROW格局的Binlog格局，所以倡议改为Read Committed隔离级别更好，也能缩小Repeatable Read带来的各种锁和死锁问题。我在第一次应用MySQL就踩了一个坑，过后应用Create table as select备份一张线上表，而后表就被锁定了，导致业务故障，这个也是十分坑的中央。阿里巴巴团体外部和阿里云RDS也默认把事务隔离级别改为了Read Committed，零碎也更加稳固。

Durability：持久性，意思是事务提交后，数据库肯定要确保失效，即便操作系统重启或者是服务器掉电。数据库通常也是应用WAL加硬件的持久性来实现，这里须要保障commit后刷盘立刻写入，不能长期缓存在内存中，否则服务器掉电就失落数据。

查问引擎是数据库最简单的模块，外围是解决业务申请逻辑，如SQL怎么解析、执行，能够称为数据库的大脑。

每种数据库应用的查询语言不太一样。关系型数据库通常应用SQL语言，KV数据库个别应用get/set语义，文档数据库个别是用JSON模型表白，图数据库比较复杂，有OpenCypher、Gremiln、SPARQL等。时序数据库，也大部分是类SQL的模型，它在SQL的根底上减少了一些时序计算窗口类的表白模型。

SQL是数据库最罕用的语言，也是数据库的外围资源开销，因而SQL优化是程序员的必备技能。

SQL优化通常分3个阶段，咱们常称为SQL优化三板斧，这三板斧上来，90%的问题都能够解决。

第一是先找到问题SQL，有两种状况，如果是当初零碎有问题，咱们能够去看沉闷的连贯在干什么，把正在运行的SQL取出来。每种数据库通常都提供了查问以后沉闷会话的接口，比方MySQL应用show processlist，Oracle能够查问v$session视图信息。如果说问题曾经过来了，没有现场，能够通过Slow Log，或者TOP SQL，找到问题，这个须要数据库开启历史SQL记录性能。

第二是剖析问题SQL，最次要先看SQL的执行打算，再去看整个数据库的IO访问量是不是合乎预期，缓冲命中率怎么样，如果不是99%以上，可能都有问题，有些程序员看到内存都用完了，其实也不是什么问题，比方有10G的内存，如果你的数据量超过10GB，那内存很快都会用满，要害要看缓存命中率。另外是网络IO，多集群的话，须要关注网络传输的提早和带宽容量。如果有锁，要剖析SQL锁的模型。CPU重点要看一下排序、函数计算等操作。

最初是解决问题，就是优化SQL，能够批改SQL晋升性能，如果没有索引就要减少索引，如果缓存命中率有问题就要调整内存配置。数据整顿也是比拟常见的，有些数据库历史数据十分多，影响了效率，要思考怎么把历史数据归档，晋升数据拜访效率。

再有是晋升硬件性能，最初是分布式革新，分布式革新比拟艰难，如果后面几个步骤能解决最好，切实不行再去思考比较复杂的分布式革新。

接下来重点讲一下执行打算。有些高级程序员往往漠视这个问题，SQL执行打算是形容SQL具体执行门路和算法。

数据库通常反对应用EXPLAIN语法来查看SQL的执行打算，会展现出SQL具体的执行门路和算法，包含拜访表的程序，每张表应用索引拜访还是全表扫描，每次执行预计返回的行数等等，信息会比拟具体。

SQL拜访单表次要有几种形式，包含：

主键：示例SQL：select * from t where id=?

惟一索引：select * from t where uk=?

一般索引：select * from t where name=？

索引范畴扫描：select * from t where create_time>?

全表扫描：select * from t

对于多表连贯，通常有以下几种JOIN算法：

Nested loop join：适宜两张表有十分好的索引拜访门路，如：select * from t1 inner join t2 where t1.id=t2.id and t1.id=?

Hash Join：适宜两张表都没有好的索引，须要全表扫描，并且是等值关联查问，如：select * from t1 inner join t2 where t1.id=t2.id

Hash Join须要把一张表加载到内存后，另外一张表再通过Hash匹配到对应的记录，所以会须要长期内存，当长期内存不够时会产生长期磁盘转储的开销。为了解决Hash Join在分布式场景的问题，也诞生了Shuffle Hash Join和Broadcast Hash Join算法。

Merge Join：适宜两张表都没有好的索引，须要全表扫描，反对非等值关联查问，关联字段最好是有排序，因为Merge Join算法是须要把两边数据排序再Merge。

数据库如何生成SQL执行打算，如何抉择最优的执行门路，通常是外部有个优化器的组件来实现。优化器类型有RBO和CBO两种。

RBO：Rule Base Optimizer，意思是基于规定的优化器逻辑，晚期数据库都是采纳RBO，实现比较简单，但很依附程序员对数据库的逻辑了解，在SQL非常复杂的状况下很容易走到蹩脚的执行打算。

CBO：Cost Base Optimizer，意思是基于老本的逻辑，优化器会计算各种不同的门路老本，最初抉择一条最优的门路来执行。

举个例子，咱们通常的交通计划有飞机、火车、汽车、轮船、步行，每种计划的速度都不同。如果咱们要从杭州去北京，那么该抉择那种交通形式？

对于RBO来说，它总是会抉择飞机，不论是否产生交通管制，以及去机场的交通是否顺畅。

对于CBO来说，它会评估从出发点到杭州机场/火车站，北京火车站/机场到目的地的交通工夫，综合评估一个最短时间的交通计划。

CBO是目前数据库支流的优化器模型，实现难度也更大，须要收集很多统计信息，如每张表的存储空间大小和记录数，字段的区分度等等，在数据常常变动时须要保障统计信息的准确性。

RBO和CBO通常都是在生成执行打算后就不能再批改，即便执行过程中发现重大偏差也不会扭转，因而起初有些数据库在CBO的根底上实现了更智能的Adaptive的逻辑，意思是在执行过程中，如果发现有更优门路，那优化器能够调整执行打算。就如同原本抉择坐飞机从杭州去北京，然而到了机场，发现航班大量延误，起飞时间齐全不确定，这个时候能够调整计划，抉择做火车登程。

开源数据库的优化器绝对比拟弱，商业数据库更当先。国内在这块技术相比国内落后很多。

接下来讲一下数据库的设计，基础知识是要把握范式，在教科书外面十分多，这里不多讲 。反范式我感觉是比拟有意思，尤其是表设计外面，有十分多的反范式的案例。比如说标记组合是比拟常见的，如果有多个标记状态位，可能会用bit的数据类型去存储，这其实就曾经违反了第一范式，因为第一范式要求字段的内容要原子性，不能拆分。实际上数据库内核外面，它用了很多bit类型这种反范式来设计元数据，从而晋升存储和查问效率。

另外一个是日常习惯字段，拿身份证号码来举例，也是违反了第一范式，因为身份证号码曾经包含所在的地区、出生年月、注销程序以及校验码这4个信息。然而咱们理论的表结构设计，还是会把身份证号码当做一个字段，不会说把身份证号码拆成4个字段，否则浏览习惯会不太不便。

还有计算列，典型的违反了第三范式，如商品的金额=单价*数量，订单总金额，咱们个别都会冗余去存储。

数仓外面就更多的反范式的案例，历史数据快照，会把相干的信息都保留下来，也是违反范式，但咱们根本都这么干。

拆表也是一种常见设计，比如说一张表外面有罕用和不罕用的字段，如有个字段是大字段，咱们就会把它拆成另外一张表。

这些其实都是比拟常见的反范式设计的场景。所以局部场景下咱们不必去特地纠结肯定要遵循范式，如果说你感觉正当，业务逻辑实现可控，适当的冗余数据其实也没什么问题。

对于主键抉择，比拟举荐两种，一种是自增字段，比拟适宜外部零碎的表，如果说是对外的互联网利用须要留神，有被猜想攻打的隐患。咱们公司比拟喜爱用雪花模型，依据工夫序列加上顺序号产生主键，性能比拟好，比拟平安，实现绝对简单，须要应用程序产生。

接下来介绍几个常见的数据模型：

首先是平台型互联网数据模型，像淘宝、微信公众号、美团、BOSS直聘、滴滴等等，他们的数据模型都比拟相似，次要包含以下对象。

会员信息：买家（淘宝、美团）、乘客（滴滴）、读者（公众号）、求职人（BOSS直聘）。

服务提供者信息：卖家（淘宝、美团）、博主（公众号）、司机（滴滴）、主播（抖音）、公司（BOSS直聘）

服务内容信息：商品、文章、微博、用车、视频、职位

库存信息：电商的概念

互联网平台依据以上几张表信息，通过搜寻、举荐等各种匹配算法，最初产生订单信息，接着是付款信息、物流/配送信息，最初是服务反馈信息。

方才是互联网的模型，企业软件不太一样，企业软件考究两个货色，一个是平安，一个是流程标准。

平安外围是权限模型设计，比拟规范的是RBAC（Role Base Access Control），咱们能够参考这套模型演进。外围是了解用户、权限、角色三个重要的对象。依照RBAC设计问题不会太大，有可能会有扩大的货色。比方面向公司的用户，会有组织和部门的关系。权限会扩大出权限分组，角色会有继承等。另外一个是数据域权限，同样的权限与角色，然而能拜访的是不同范畴的数据，就会有数据域等高级定义。

咱们再看企业软件里比拟常见的流程标准，最常见的是工作流引擎。

首先有工单表，不论是销假、权限申请还是生产变更，都有一个工单来存储你做什么事件。

而后是流程模型定义表，例如数据库产生变更的流程，当初做生产公布，变更表构造，要提交变更申请，主管要审批，如果高风险还须要DBA的审批，这就是一个业务流程模型。

流程模型会包含根本定义信息，有哪几个节点，流转门路，依据什么条件流转，哪些人受理等等。

针对每个工单的流程解决，都有工单流转表，音讯告诉表，再加上用户权限零碎，这样就能够造成工作流的待办工作表，基本上就是这么一个套路，大家了解这个概念，在企业级软件里就能够蛟龙得水了，不会那么纠结。

数据传输和平安治理

后面是数据库架构和 SQL优化板块，最初一个板块我要讲一下数据传输和平安治理，这个也是咱们开发者其实常常会遇到的问题。

数据传输是一个统称，包含数据迁徙、数据同步、数据散发等，也称为数据复制。

比拟常见的几个场景：数据库上云、更换数据库、数据同步到备库、异地数据多活、数据ETL等等。

通常包含构造迁徙、全量数据复制、增量数据复制几个外围模块，为了保障数据复制的正确性，还须要数据比照模块。这外面最难的增量数据复制模块，市场上很多产品会采纳按日期增量抽取简化解决，只能做到定时复制，要做到实时数据复制须要应用CDC技术，要精通数据库的外部原理，适配各种支流数据库产品和版本，技术难度和工程难度都是十分有挑战。

我在这个畛域做了10年，从晚期的去IOE、异地多活到公布阿里云DTS，外面有十分多的问题，尤其是在生产环境下，源端常常会有各种DDL变更的状况很容易链路中断或者数据错乱。目前市场上举荐的三款代表产品：

  • 阿里云DTS：性能齐备，与阿里云集成度很好
  • NineData(重点举荐)：玖章算术公司研发的SaaS产品(www.ninedata.cloud)，反对阿里云、华为云、腾讯云、AWS等多个云平台，技术指标上更当先，易用性也更好，免装置应用
  • Canal：阿里开源的产品，影响力很大，不算是残缺的产品，个别须要二次开发。

数据安全治理，太重要了，我把这个独自列出来讲。

先说软硬件的故障，比方服务器，磁盘必定会坏，过保机器坏的可能性更高了，所以肯定要做好灾备工作。再有是机房也有可能产生劫难，业界每个月都会有机房出问题，像火灾，地震，或者是断电、光缆断了等，都是机房故障。另外是软件Bug，个别是指数据库自身的软件Bug，成熟的数据库Oracle、MySQL每次公布都会说修复了几十个Bug，一般数据库的bug可能更多。

如果用云平台会好一些，比人工治理更平安，云很重视服务器的故障检测，及时降级数据库最新的安全补丁，大型云厂商都有业余的团队去做这个事件。

第二大类是人为故障，比方黑客入侵会造成数据泄露或者勒索，黑客通常会利用软件外面SQL注入，只有有注入的危险，黑客是全网扫描的，一旦扫到就进来了。

还有是明码泄露，如果是弱明码就必定能被黑客发现，只是等黑客啥工夫要搞你。另外是如果有系统漏洞，黑客一般来说提前就晓得了，会去看能不能攻破你。明天还有一点十分重要，就是外部数据泄露，还有删库跑路。在明天员工和公司对抗的状况下，还是时常产生的，尤其是和主管关系不好，迟早都会产生删库跑路的事件，管数据库的员工还是要比拟谨慎。

最初是数据误操作，比如说做软件的降级公布，不小心写错了，我做DBA的时候就碰到过十分多，每个月都会碰到程序员将提交的SQL给搞错了，须要复原数据，这些都是人为的问题。数据备份是肯定要做的，如果没有备份肯定是不虚浮的，总会产生问题。

如果是十分重要的数据，要思考异地容灾。如果是敏感的数据，要思考数据加密，包含数据传输的加密。

另外一点，流程标准十分重要，尤其是对生产零碎的数据操作，最好有零碎来撑持，靠人监督是没有用的。肯定要通过平台来管控，不要把数据库账号密码放出去，包含只读权限的账号密码，这些都是零碎隐患，说不准哪天你家公司的敏感数据就在网上被黑客贩卖…

最初，心愿让每个人用好数据和云，这个也是咱们玖章算术公司的使命。NineData 是咱们研发的产品，心愿能够帮忙你解决相干的问题，欢送拜访www.ninedata.cloud，它提供了企业级的SQL开发流程治理，数据复制、数据备份、数据比照等性能。