作者：黄鹏程（马格）
一、Tair背景介绍
（一）什么是阿里云Tair云原生内存数据库
阿里云Tair云原生内存数据库线上名字为阿里云数据库Redis企业版（又称阿里云Tair），从2009年开始正式承载集团业务，是一款历经磨练的企业级产品。它完全兼容Redis的数据结构和通讯协议，包括API接口，并且在内部逐步打磨的过程中，基于Tair研发云上托管云内存数据库。
如上图所示，Tair产品分为三个类型，从性能到性价比有不同的产品排布，下面用1.0X表示开源的Redis的性能与价格，从性能和价格上与三个类型的Tair产品进行对比。
- Tair性能增强型
性能约为开源Redis的两倍，支持多种常见数据结构，在天猫/淘宝/高德/优酷中大规模使用，并拥有任意时间点恢复/全球分布式/热点散列等特性。 - Tair持久内存型
基于Intel傲腾持久内存做的数据库，后文会重点阐述其特点。 - Tair容量存储型
直接对标社区Pika等开源存储型Redis产品。然后因为我们会用阿里云的高效的高效云盘，所以说整个的功能和性能都会比Pika强很多。
如上图所示，从内存存储方面，Tair三个类型的产品适应不同的场景。
- Tair性能增强型
1）数据读写频繁，要求低延迟，支持大连接；
2）成本相对不敏感，以满足业务性能需求为主。
- Tair持久内存型
1）数据读写较频繁，延迟要求可稍微放宽，存储数据量有一定较大容量要求；
2）成本控制较之热数据要求更高。
- Tair容量存储型
1）数据读写密集程度低，延迟要求不高，整体存储容量要求高；
2）成本是最大考量因素。
（二）阿里云Tair面向业务的数据结构让业务创新更容易
在业务方面，阿里云Tair与基于传统Redis存在许多不一样的地方，阿里云Tair业务结构如下所示。
除此之外，阿里云Tair有以下优点：
1）高性能
性能增强型，流量上涨淡然处之，性能是开源Redis的2倍。
2）持久化
持久内存型，数据可靠，方便业务使用，不再担心数据丢失。（RPO=0）
3）低成本
多种存储介质，选择最优性价比，性价比高于ECS自建。
4）丰富数据模型
在社区Redis上提供了更多面向应用的数据结构，应用开发更简便。
5）企业级能力
全球多活，数据闪回，混合多云（热点散列）。
（三）阿里云Tair历史
上图为Tair的发展历史。从Tair1.0开始，团队就孵化出了云Redis社区版和云Memcache，这是线上社区托管的两个版本。
在Tair1.0的时候，就会整个孵化出来，2.0逐步上云，3.0会孵化出来一款叫GDB的产品，是一款线上的图数据库。
再往下是Tair（Redis企业版/Tair 3.0），集团和云上是同一个版本，有很多种形态来支持用户在各种业务场景下的需求。
二、Tair功能介绍
（一）做一个不丢数据的内存数据库—Tair持久内存型
我们希望做一个不丢数据的数据库，做法是通过新硬件和新软件来进行。
1.新硬件
- 引入英特尔® 傲腾™ 数据中心级持久内存；
- 与DRAM内存相近的性能表现，而且其大容量和非易失性的特性还可帮助系统获得更优的可用性；
- 它相比于DRAM内存的成本和容量优势，也可帮助客户有效地降低总拥有成本。
上图为存储介质图，速度延迟从上到下逐步增大，相反，容量逐步减少，成本逐步降低。Storage Class Memory处于中间，性价比较高。
2.新软件
- 模式选择
新软件的开发模式方案有两种，分别是内存模式（Memory Mode）与应用程序直接访问模式（App Direct Mode）。
在内存模式下，应用和OS将其视为易失性内存池，虽对应用透明，但掉电即失，因此不采用。
在应用程序直接访问模式下，持久内存和 DRAM充当独立内存资源，通过构建符合Redis协议和数据结构的软件利用两块存储资源构建兼容Redis、具备命令级持久化能力的内存数据库。
- 全新的挑战
我们选择重新写兼容Redis的东西，而不是在Redis基础上进行更改，是因为新软件有着全新的挑战：
1）替代原有的内存分配器，同时要保证内存分配器元数据的持久化；
2）Redis数据结构与索引的持久化要保持一致性；
3）持久内存和易失内存如何协同工作，让整个数据库高性能工作，同时还具备强大的持久化能力。
3．产品化能力
上文结合软硬件的能力阐述了如何去构建持久化内存的形态，下面可以看一下所带来的成果。
- 消除aofrewrite与fsync的无Fork设计，服务更顺滑，P95延时较之内存版Redis更低更稳定；
- 读写性能吞吐为内存版Redis的90%以上。
- 原生命令级持久化能力，操作写入即持久化；
- 缓存主存合一成为可能，成本更低，架构更优雅。
4.应用场景
应用场景主要分为如下两种。
场景一：大数据量、高性能、成本的综合选型考虑
- 机器学习平台、推荐系统等计算数据对性能和容量的要求很高；
- 全内存又使得成本压力巨大；
- 可采用Tair持久内存型以有效降低成本，并能够保持高性能运行；
- 同时用户也无需为降本而综合使用其他数据存储，有效地平衡了系统复杂度与成本。
场景二：用作持久化数据存储
- 游戏、直播、数据分析中大数据结果集对外提供查询服务等场景可以使用；
- 可采用Tair持久内存型作为数据最终的存储；
- 对比缓存+主存的两层架构，数据同样可靠；
- 性价比更高，代码更简化，架构更优雅。
（二）做一个具备时光机能力的数据库--数据闪回
我们希望这个内存数据库具备有时光机能力。时光机能力表示可以将数据恢复到过去指定的任何时间点，也称为数据闪回，它有如下两大特点：
- 七天内任意时间点的数据恢复
1）Backup/Restore的终极形态
2）支持按秒级的数据恢复（可支持到按条）
3）防止删库跑路场景
4）Clone & Switching：随时回切
- 根据按照指定Key或者Key Glob Pattern进行原地数据部分恢复
1）灵活应对部分数据异常
2）其余未指定数据不变化
3）游戏数据回档实现
（三）做一个全球多地写入的数据库--全球多活
1.基本概念
我们希望数据库能够多地写入，把多地的内存数据库进行多活操作，用户可以在多地访问与写入，我们帮用户做数据按序同步。
2. 三地六向同步
- 全区全服同时在线，解决漫游（roaming）和DNS漂移问题。
- 数据本地访问（locally data access）的流畅性。
- 单元化：独立部署，区域容灾，按需调度。
- 数据的高可靠和性能提升。
3. 低时延SLA保障
- 推送模式（Push），Latency= T1 (binlog落盘时延)+ T2 (Replicator发现时延) + T3 (Apply时延)
1）整体看，T1 + T2 稳定在10ms，最差100ms；T3基本上时延是网络RTT。
2）忙时下不敏感，replicator具备独立的资源，点到点同步通道带宽稳定。
- 适合写入量大，对平均时延要求高的客户。
- 目前全球分布式缓存只能做3地6向。
- 适合跨域多活及单元化业务（阿里内部经验）。
- Tair全球同步时延测试白皮书：
https://help.aliyun.com/document_detail/199010.html
4. Session场景
Session的容灾至关重要
- 随着业务扩展，session访问压力几何级数增长。
- 对抖动敏感，远距离访问体验差。
- 单元化部署，全球化部署。
- 除去容灾（跨域备份），还要能就近读写（跨域双活，多活）。
5. 游戏场景
架构特点：玩家可就近接入，本身逻辑就近计算数据读取，基本不存在数据一致性问题，灵活调整分布式节点。
可以灵活跨地域部署，数据通过Tair同步延迟根据网络速度决定通常在100ms以下。
场景：聊天室，弹幕信息同步；跨服对战；全球道具商城。
6.出行场景
Tair也在高德地图中深度使用，并解决了出行场景的一些问题。
使用前：导航时地理位置信息推送问题
- DNS漂移是一个边界效应，通常大概影响边界上5%-7%的用户。
- 在导航中跨越边界时，会大量出现交叉访问不同数据区的场景；业务逻辑复杂，可靠性低，用户体验差。
使用后：高德交通三地六向同步（Tair only）
- Redis-enterprise跨域多活提供百万OPS每秒的数据同步。
- 交通在三地都可高速写入/访问；极高性能的优势提供流畅的用户体验。
- 用户可以灵活的在SDK层控制读写，比例等。
（四）做一个有计算的内存数据库
1. TairCPC高精度计数
TairCPC是一种数据的压缩算法（sketches）的内存实现，可以利用很小的空间对采样数据做高性能的计算，适合在实时和流式计算场景下做高性能的风控和安全场景。
- 主要特性
1）内存占用低
2）增量读写，IO最小化
3）毫秒级高性能去重
4）超高去重精度
5）误差率稳定收敛
- 适用场景
1）想以较低的内存实现对海量数据的去重计算；
2）容忍一定的四舍五入的误差率；
3）适用于实时计算的滚窗和滑窗去重。
2. TairTS时序数据处理
TairTS是基于Redis Module开发的时序数据结构，提供低时延高并发的内存读写访问，以及快速的过滤聚合查询功能。将存储与计算集于一身，极大地简化用户处理时序数据的流程，结合Tair持久内存型单集群最大规模可达65T。
- 主要特性
1）TairTS相对于TSDB类传统时序数据库，可提供更快的写入性能，并提供数10倍的查询性能。
2）针对小规模数据场景，TairTS可将批量查询与聚合计算集成到单条命令中，减少网络交互，实现毫秒级响应。
3）针对大规模数据场景，可利用索引命令，将大规模数据，分批查询与聚合，实现秒级响应。
- 适用场景
1）监控数据的存储与计算
2）车联网、工业互联网实时IOT数据处理
3）APM秒级监控等
三、面向未来
最后谈一下未来面对的事情，关注云产品的人可能都知道存储计算分离，我们希望在这基础上能再进行一层分离。将内存也分离出来，做一个大的内存存储池。希望我们的再分离一层，就是把内存也分离出来，因为现在可能是一个大的存储池，为用户提供更加弹性的服务。
