POLARDB 是阿里巴巴自主研发的云原生关系型数据库，目前兼容三种数据库引擎：MySQL、PostgreSQL、Oracle。POLARDB 的计算能力最高可扩展至 1000 核以上，存储容量可达 100TB。
POLARDB 融合了商业数据库稳定、可靠、高性能的特征，同时具有开源数据库简单、可扩展、高速迭代的优势，适合各个行业公司的创新业务使用。本专场中，来自阿里云、江娱互动以及猿辅导的各位技术大咖一起共同探讨了下一代云原生数据库 POLARDB。
1、云原生数据库的演进方向和客户价值
阿里云智能数据库总经理曹伟为大家介绍了云原生数据库的演进方向以及阿里云 POLARDB 数据库的产品能力。
阿里云 RDS 和 POLARDB 都属于 OLTP 的关系性数据库，那就让我们先看下全球关系型数据库的市场情况。
如今，关系型数据库依旧是“老大哥”，但是过去的十年中关系型数据库领域也发生了一些微妙的变化。伴随着开源运动的兴起和 MySQL、PostgreSQL 等数据库的出现，很多用户开始在生产系统中大量使用开源数据库，因此商业数据库的市场受到了一定的挤压。
开源数据库的出现影响了整个数据库市场的格局和版图，也为阿里巴巴在数据库市场提供了一个重大的机会。经过十年的时间，阿里云数据库做到了“全国第一，全球领先”。当然，影响数据库格局的重要因素除了开源之外，还有云计算的兴起。
在云时代，数据库的演化经历了从采购 License 自建到云上托管数据库再到云原生数据库的转变。过去云是云，数据库是数据库，数据库只是部署在云上。但在云原生时代，数据库和云是合二为一的，云就是数据库，数据库就是云。
云原生数据库具有以下的几个发展趋势：
弹性：弹性不仅仅是规格的弹性，而是未来 CPU、容量等计算资源都可以按量付费。
HTAP：之前 TP 和 AP 是分开处理的，TP 使用关系型数据库，而 AP 使用大数据存储。未来则会融合两者，提供一个入口跑事务，一个入口跑报表和 BI。
智能：智能让数据库更加实用，未来数据库的磁盘备份、内存调度等都不需要 DBA 来操作，而是全部由数据库自己来完成。此外，数据库还能够自动完成诊断和修复。
混合云：因为一些合规的要求，并不是所有数据都能跑在云上，因此还需要使用这种云上云下互联的生态。
云原生数据库已经成为了一种趋势，智能和混合负载成为了用户使用数据库必须依赖的特性。而由于这些特性具有非常高的技术门槛，因此在未来的两到三年内，云原生技术落后的数据库厂商必将会被淘汰。
对于很多企业而言，如果采用自建数据库方案，那么无论是对于研发还是运维而言，都会带来很多痛点，比如：
活动上线时造成压力突增，而数据库却来不及升级；
业务发展很快，来不及进行拆库，也来不及分库分表；
应用扩容之后，上百台 ECS 连接一台数据库，因此在高并发下性能很差；
使用读写分离，但是刚更新的数据却查询不到；
主从复制经常中断；
一次全量数据备份需要大量时间，并且必须锁表等。
这些都是互联网公司在使用自建数据库时会遇到的问题。那么，如何解决这些问题呢？答案就是需要一个强大的云原生数据库。
因此，阿里云提供了 POLARDB 数据库。POLARDB 基于业界先进的 Shared-Everything 架构，简单而言，就是借助高速的 RDMA 网络将所有数据库节点连接在同一网络下。POLARDB 采用计算与存储分离的架构，数据节点是无状态的，因此一旦发生宕机可以随时进行迁移。
对于企业级数据库而言，一般会从可靠性、可用性、性能、弹性、成本和易用性这六个方面进行评价。
在可靠性方面，POLARDB 基于 Parallel Raft 协议并借助 RDMA 能够做到 RPO=0。此外，POLARDB 基于 TCP 的远程物理复制技术实现了跨 AZ 的容灾。
在可用性方面，POLARDB 借助 Parallel Raft 复制技术使得单节点存储切换 RTO 控制在 10 毫秒以内，基于 Warm Buffer Pool 技术使得读写节点重启速度加快 4 倍以上，并且基于跨节点物理复制技术使得日志并发应用的节点间延迟控制在 100 毫秒以内。
在性能方面，POLARDB 使用了高速硬件和用户态 I / O 协议栈，使得计算节点的写延迟小于 100us，而读带宽大于 4GB/s。除此之外，还在 I / O 上进行了优化，借助 Parallel Query 技术使得 TPC- H 性能提升超过 25 倍。
在成本方面，POLARDB 这样的云原生数据库的成本往往低于传统的托管数据库。这是因为企业在使用 POLARDB 时可以按需扩容，弹性伸缩，而这是在实现存储与计算分离的云原生架构诞生之前无法实现的。目前来看，相较于 RDS，使用 POLARDB 将会使得成本降低约 44%，这就是技术释放的红利。
在易用性方面，POLARDB 可以 100% 兼容 RDS，并且可以在阿里云上一键将 RDS 替换为 POLARDB，此外还提供了智能读写分离、性能洞察以及 SQL 审计等优秀的功能。
此外，POLARDB 在 2019 年也实现了技术的全面升级。首先，POLARDB MySQL 8.0 兼容版于 9 月 12 日正式发布，这是全球第一个兼容 MySQL 8.0 版本的云原生数据库。其次，POLARDB 分布式数据库服务也正式发布，其存储容量支持最多超过 100TB。再次，POLARDB 的高性能存储引擎 X -Engine 即将发布，X-Engine 存储引擎具有高性能和高压缩率，并且经历了 2018 年双 11 的实战考验。此外，POLARDB 对于 Oracle 的语法兼容性特性也即将实现商业化，能够为用户带来将近 6 倍的成本降低。此外，本次的云栖大会上还正式发布了 POLARDB 一体机，它能够更好地帮助用户在私有云上使用 POLARDB 数据库。
目前，阿里云 POLARDB 数据库已经成了增长最快的云数据库产品，未来也将会提供更多的特性，为客户带来更多的价值。
2、POLARDB MySQL 存储引擎优化实践
杨辛军（Jimmy Yang）阿里云智能资深技术专家为大家介绍了阿里云 POLARDB 8.0 基于 MySQL 8.0 所做的存储引擎优化实践。
POLARDB 实现了快速高效的物理复制，使得 IO 操作减少了 50%，同时能够达到 100T 的存储容量。与此同时，相比于原本的逻辑复制，POLARDB 的物理复制更加可靠、高效，并且对于性能影响几乎不可见。传统的逻辑复制比物理复制延迟大很多，而且可能会出现系统堵塞，对业务造成影响，物理复制则不会产生这样的影响。此外，POLARDB 基于共享存储还实现了非堵塞、低延迟的 DDL 复制，并且支持快速动态的读扩展，最高支持扩展到 16 个只读节点。
POLARDB 是全球第一个具有高效物理复制的，共享存储并兼容 MySQL 8.0 的云数据库。POLARDB 不仅包含了 MySQL 8.0 的所有重要功能，还在 MySQL 内核引擎的基础之上进行了大量的优化。
虽然 POLARDB 使用了物理复制，但是基于客户对于数据进行数据分析和传输需要 Binlog 的考虑，POLARDB 也支持了 Binlog。在性能优化方面，POLARDB 最新的“Copy Page”功能减少了主节点 Flush Constraint。POLARDB 对于逻辑锁系统进行了分区，减少了 mutex 的冲突，并且将死锁检测实现了并行化。POLARDB 对于 Transaction System 也进行了优化，使用 Lock Free 数据结构来管理 Transaction System 的 Lists。
相比于 POLARDB 5.6 版本，POLARDB 8.0 版本在性能表现上有了显著提升，在关键情况下都有了数倍的改进。相比于 MySQL 8.0 的官方版本，POLARDB 8.0 的优化改进所带来的效果也非常明显，尤其是物理复制方面具有显著的优势，在 Insert 情况下 POLARDB 性能可达到 MySQL 的约 6 倍。
官方 MySQL 向 8.0 版本演进时过于重视高配机型的适配，而忽略了小型机的性能。而云上用户大部分还是用的 8 核、16 核的小型机，因此使用 MySQL8.0 的性能会发生退化。因此，阿里云 POLARDB 数据库针对于这个问题进行了一系列优化。
相较于 MySQL 8.0，阿里云 POLARDB 8.0 版本提供了更多的内核引擎功能，比如独立可扩展的共享 Buffer Pool、行级压缩、全球实例支持、并行 DDL、分区表自建索引以及自建分区表等。
3、POLARDB MySQL 并行查询优化详解
阿里云智能资深技术专家封仲淹为大家详细介绍了 POLARDB 基于 MySQL 8.0 内核所做的并行查询优化。
并行查询是 POLARDB 8.0 版本重磅推出的一个特性，阿里云 POLARDB 团队投入了大量人力和物力来开发这个特性，并且从目前来看，客户对于并行查询的反馈非常好。
首先思考一个问题：为什么需要并行查询？阿里使用 MySQL 的历史已经过了十余年，在 MySQL 使用中遇到的所有问题，阿里基本都遇到过。其中最令人头痛的问题就是当 MySQL 表的数据量特别大时，查询会非常的慢。大部分方案都是通过拆库将数据量缩小。
此外，业界的一个趋势 CPU 单核频率达到了瓶颈，增长放缓。而我们对于计算能力的诉求是永无止境的，因此 CPU 只能向着多核演进。而 MySQL 属于传统事务型数据库，其无法并行执行单条 Query，因此无法充分利用多核的作用。业界的通用做法就是并行查询，如今几乎所有商业数据库都提供并行查询的能力，将任务分摊给多个线程并行计算，大幅度缩短计算时间。
那么，如何实现并行查询呢？并行查询首要关注的就是数据分区，这样才能使得每个 Worker 同时工作，互不干扰。由优化器决定分区的数量，并且让 Worker 与分区动态绑定，实现“能者多劳”，防止热点问题的出现，使得计算更加均匀，保障了并行查询的线性性能提升。在并行计算里面，将单线程 Plan Tree 改为了多线程，划分 Worker 和 Leader 两个角色，尽可能将所有算子下推到 Worker 中，利用 Worker 并行能力加速，而让 Leader 做汇总和反馈。
那么，并行查询的效果如何呢？在 TPCH 100G 数据量的情况下，使用 POLARDB 并行查询时发现 70% 的查询可以被加速，40% 的加速比超过 10 倍，几乎能够将 CPU 能力完全发挥出来。
与此同时，并行查询还具有线性增长的能力，这意味着当数据量大的时候，只需要给与足够多的 CPU 和内存，处理能力就能够实现线性增长。在 TPCH 5G、10G、20G 以及 40G 四种数据量维度下，不断调整并发度，而性能曲线基本上出现线性增长趋势。
使用并行查询也比较简单，用户可以在控制台、Session 或者 SQL 中进行设置自己需要的并发度。在未来，POLARDB 会实现自动的 DOP 以及 ResourceManager，并将支持 Subquery、GIS 和 Blob 以及 Procedure 等。
4、POLARDB 兼容 Oracle 能力解密与迁移
阿里云智能资深技术专家蔡松露为大家深度了揭秘 POLARDB 是如何实现兼容 Oracle 能力的。
之前 POLARDB 主要兼容 MySQL、PostgreSQL 等开源数据库，而现在 POLARDB 也已经兼容了 Oracle，这和之前兼容开源数据库是不同的。之所以要兼容 Oracle 主要有几个方面的原因，首先目前公有云已经进入了深水区，因此需要更多地深入线下的存储和计算场景；其次在如今的政治环境中，国家层面对于“去 O”有了新的要求，而目前国内市场还属于真空。基于以上背景、机遇和挑战，阿里云推出了 POLARDB 兼容 Oracle 的产品。而如何实现真正的兼容，以及如何将数据从 Oracle 迁移到 POLARDB 都存在很多挑战。
POLARDB 目前 100% 兼容了 MySQL 5.6、MySQL 8.0 以及 PostgreSQL 11，此外还高度兼容了 Oracle，因为 Oracle 语法本身非常复杂，因此整体兼容度可以达到 95% 左右。除了兼容 Oracle 之外，基于 POLARDB 本身的能力可以在 Proxy 层实现自定义读写分离和自动负载均衡。Oracle 在引擎层能够提供多写能力，但是 POLARDB 提供的是一写多读能力。存储层的 Polar Store 类似于 Oracle 的 ASM。POLARDB 本身的能力基本都被其兼容 Oracle 的产品复用了。
POLARDB Oracle 版本从几个层次做了兼容，首先是操作界面能够完全兼容，对于 DBA 而言迁移成本基本为 0。其次，对于应用开发而言，目前 POLARDB 使用的 PG 开源的 SDK。而对于引擎架构而言，POLARDB 的架构基本和 Oracle 类似。目前使用的存储也是和 ASM 对标的。
兼容只是起点，使用 POLARDB 不只是获得了对于 Oracle 的兼容性，还提供了更强大的能力。不仅能够获得云原生能力，兼容更多的数据生态，并且还提供了更多的数据增值服务以及业界的解决方案，其背后是整个阿里巴巴生态的技术能力。
本次云栖大会上发布的 POLARDB 一体机使用了云原生的管控系统，沉淀了阿里巴巴之前在公有云上积累的管控经验。一体机使用了软硬一体化设计，实现了整机柜交付，并且集成了大量的成熟新硬件。主要面向政企行业，能够实现从 Oracle 一键迁移。一体机使用 K8S 底座，能够方便与自有系统集成。
Oracle 数据库迁移需要经过评估、测试、迁移、管理、分析诊断以及付费等诸多环节，而阿里云为用户在各个阶段提供了非常完善的功能。
总结而言，对于 Oracle 的兼容性可以分为五个维度：
工具和生态：兼容 DBA、开发者等相关人员的使用习惯；
SQL 语法：对应用而言需要改造成本接近于零；
性能：避免性能退化；
成本：可以将成本做到极低；
部署：线上线下实现混合云架构。
那么，如何做迁移呢？阿里云提供了数据库和应用迁移 (ADAM)，其包含了采集、画像、评估、改造以及迁移系统，能够帮助企业最大限度降低 ORACLE 数据库和应用迁移上云的风险、技术难度和实施周期。ADAM 脱胎于阿里巴巴内部“去 O”的实践，能够帮助用户做到一键上云。
5、使用云原生技术构建可扩展的游戏数据库架构
江娱互动 CTO 罗田唯为大家介绍了如何使用云原生技术构建可扩展的游戏数据库架构。
江娱互动是一家专注于小游戏公司，头部产品是“世界争霸”小游戏。“世界争霸”小游戏首先算是一个大型社交系统，目前的服务数量达到了 200 多个，超过 1 百万日活，每天 5 亿次用户请求。其次是大型数据库系统，目前有 200 多个数据库实例，总数据量在 10TB 之上。最后，游戏还是大型日志系统，这对于分析玩家很重要，“世界争霸”每天日志量在 50TB 之上。
对于游戏产业而言，面对着低延迟、重支付和全球同服的挑战。面对海量的请求、数据和日志，服务器数量多、架构复杂以及带来运维压力大，还有研发团队能力不足、研发周期短以及要求高的挑战，完全由自己团队负责是无法搞定的。
“世界争霸”小游戏数据总量很大，单表数据量也大，并且 QPS 也很高。如果使用自建数据库方案，使用 MySQL 数据库，并且使用 Cobar 中间件做分库分表。自建数据库的方案缺点很明显，架构比较复杂，搭建和维护的成本都非常高，并且稳定性难以保障。如果采用上云的传统方案就是使用阿里云 RDS 来替代 MySQL，这样的缺点也是这种方案不够灵活，这样的方案对于传统电商而言可能够用，但是对于游戏而言是不足够的，虽然搭建和维护比较方便，但是稳定性却不够好。
从 2019 年 5 月使用 POLARDB 以来，江娱互动目前已经成为了 POLARDB 华北区最大客户。POLARDB 的优点在于存储和计算分离，扩展性强，并且单表容量大，小表性能平稳，同等规格下是 RDS 性能的 7 倍，并且相较于 RDS 能够节省一半成本。POLARDB 稳定性也非常高，SLA 接近于 100%。
6、大规模实时互动课堂下的 POLARDB 实践
猿辅导资深研发架构师李阳明为大家介绍了在线教育公司猿辅导的大规模实时互动课堂下的 POLARDB 实践。
猿辅导是一家在线教育公司，正在为超过 2.5 亿的中小学生和家长提供多元化的智能教育服务，主营业务为在线题库、拍照搜题、实时互动课堂、直播云辅导等。
猿辅导对于实时互动课堂的定义包含三个要素：实时可互动、活动类型丰富以及用户体验稳定一致。对于在线课程测验这个典型场景主要面对的挑战有三条，即流量规模比较大，业务需求多样和业务变更频繁。首先，对于猿辅导这样的面向 K12 在线教育而言，流量会有明显的周期差异，存在明显的波峰和波谷，中小学生往往会在工作日的晚上或者周末才有时间上课。此外，房间规模也不同，猿辅导有上千个千人班级，还有若干十万人的班级，而这两种班级的流量是不同的。其次，猿辅导的业务需求比较多样，不同年级的功能侧重点不同，不同角色关心的内容也不同。
猿辅导最初使用 MySQL + Redis 方案，MySQL 落盘核心数据并提供回放服务，Redis 则实现各种榜单供直播使用。这种方案的问题是 Redis 数据无法复用，导致写多份，并且单机 MySQL 存在性能瓶颈无法支持更高的 QPS。后来猿辅导就引入了 POLARDB 数据库，并将统计功能进行了微服务化，去掉了 Redis。
这样的方案运行了半年，也遇到了三点主要的问题：处理能力被高估、缺乏隔离和缺乏扩展性。于是猿辅导借助 POLARDB 实现的数据库架构的再次演进，实现了数据库的垂直拆分、水平拆分、读写分离和提交异步化。
猿辅导现在的数据库架构还存在着一些遗留的问题，比如负载均衡策略不可配、永久回放带来数据负担以及课堂外数据统计也是一个负担。因此，猿辅导也进行了一些负载均衡方面的优化，比如支持按照负载进行 Shard 调度，也支持手工指定房间的 Shard，而且使得基础组件支持动态下发分片信息。
作者：Roin123
原文链接：https://yq.aliyun.com/articles/720099?utm_content=g_1000080954
本文为云栖社区原创内容，未经允许不得转载。