“中国跨境电商看华南，华南跨境电商看深圳”。2021 年，中国跨境电商市场规模创 14.2 万亿元新高，年度同比仍然保持两位数的高速增长，达 13.6%。近 5 年来，中国跨境电商已经实现了近 10 倍的增长，在我国跨境电商蓬勃发展的同时，深圳也出现了一匹跨境黑马。
深圳市易仓科技有限公司（以下简称“易仓科技”）于 2013 年成立，一直致力于研发高效可控的跨境管理模式，是跨境行业中第一家拥有完整中台系统的服务商。2021 年 2 月 8 日，易仓科技获得 B 轮 4000 万美元融资，刷新跨境电商 SaaS 领域的最高单笔融资记录。韬光养晦近 10 年，易仓科技目前已和国内外众多跨境卖家、海外仓服务商和国际物流等跨境巨头合作，其海外仓系统 WMS 的市场占有率近 70%，处于行业绝对领先地位。
我们有幸邀请到在易仓科技负责数据库架构、数据库优化的 DBA 程涵，结合易仓科技在跨境行业的领先实践，分享跨境行业面临海量数据时应该如何选型、如何运用数据库，才能在企业侧降低每租户成本、提升运维效率，在客户侧提升产品体验、助力客户成功。（*下附程涵老师本人在《分布式数据库助力跨境企业降本增效快速发展》线下沙龙上的分享视频 ☟）
为什么说是新零售 SaaS？因为易仓科技是利用互联网+大数据在重构跨境生态，结合了各平台海外的买家、国内的卖家、国内的物流商、承运商以及国内的工厂供应商等关系。目前，易仓科技主要有跨境电商 ERP、国际物流 TMS、海外仓 WMS 和跨境分销 M2B 等产品，服务的租户（即各产品的客户）有上万家，是跨境行业第一家上下游全链路打通的软件服务商。
易仓科技是跨境电商 SaaS，说到 SaaS 这个概念，其实就离不开一个很重要的名词——租户。 相信跨境行业的同行都会遇到每租户成本太高的挑战，传统架构中，有以下几种方案来解决多租户的问题：
| 序号 | 具体方案 | 优点 | 缺点 |
| 1 |
共享数据库实例中一个租户一个schema | 一对多的模式，创建租户快捷方便，对业务透明简单 | 存在资源争抢，相互影响 |
| 2 |
所有租户都使用一套库表，然后通过在所有表中增加一个字段(tenant_id）来区分不同租户 | 不需要创建多套库表 | 业务架构复杂，存在资源争抢，相互影响 |
| 3 |
每个租户创建一个单实例 | 资源隔离，对业务透明简单 | 严重存在资源碎片 |
从以上的解决方案中每个解决方案各有利弊，在目前的大环境下，易仓科技要做的就是在保证给每个租户提供好的服务的同时，还要尽可能把成本开销，控制在最低的额度。易仓科技根据不同客户的业务情况，适时地选择 1，3 两种方案。
我们可以看到 SaaS 中的租户其实是与具体的某个客户业务相关联的，而这恰恰与 OceanBase 中的租户概念及其设计理念不谋 而合。 易仓科技对租户按规模、费用来划分，头部的客户可能会独享资源，腰部的客户可能是混用的，尾部的客户可能是更大资源的混用，还有一部分免费使用或试用客户，我们会以更大的集群资源去混用。
独享资源是指从 Web 层到应用层到数据库全部独享，混用资源可能会分为 Web 层、应用层和数据库的分开独享。说到租户的独享与共享，在数据库架构层面是如何实现的呢？我们不可能做成手动的一个个根据租户去部署，而是根据租户采购易仓科技的产品，然后整个上下游自动开通服务。例如，一个独享的客户，会直接启动一个独享的数据库，如果是一个共享的客户，会有数据库池直接绑定新进来的客户。
易仓科技原来所有的租户，不管是免费、付费还是小客户、大客户，都是采用物理层面的隔离，也就是说数据库级别的隔离，大的租户有可能在实例上实行隔离。这样的话，拥有大量租户的我们，在面对上千甚至更多的服务器、上万甚至更多的数据库、PB 级的存储，以及流量洪峰等时，会遇到很多问题。
易仓科技已经有近 10 年的历史，数据库实例非常多，数据存储量也非常大。特别地，易仓科技的表非常多，从最早期一个租户 1000 多张表，到现在一个租户可能近 3000 张表。
海量的数据与表，运维起来非常困难，我们需要一个数据库运维平台去做调度任务分发，所有的实例不仅要做监控、报警，还要做基础运维，还要做服务自愈。如果是云数据库的运维还比较方便，但如果是线下自建的，还在不同美国、俄罗斯、欧洲等不同区域，搭监控做智能化运维并非易事。
为尽可能利用提高资源使用率，我们会在一个数据库实例上通过分等级尽量放更多的租户。比如，腰部客户可能是 10 个左右租户放一个实例内，尾部客户可能是 100 个租户左右放一个实例内，免费客户可能是 500 个甚至 1000 个租户放一个实例内。这样的话，如果我们把 1000 个客户放在一个实例内，一个客户 3000 张表，一个实例需要处理的表就是上百万，这对任何一个数据库来说挑战都非常大。
易仓科技现有数据库面临最大的瓶颈就是表数量太多，不管是物理机房还是云上的所有资源，全部都会被我们打破。因为百万的表结构，对应的物理文件可能就是上千个物理文件，所有的物理机可能都受不了。随着客户使用的时间越长，数据库的性能瓶颈也会越来越显现。
我们选型了市面上的绝大部分数据库都很难去实现，哪怕在功能层面实现了，在很多其他层面也无法实现，如备份会直接对操作系统提出挑战。
▋ 痛点二：大数据同步链路复杂，无法保障 SLA
易仓科技的数据源来自海外各平台上的卖家，从平台上来的数据会流到国内，而海外买家可能在北美、在欧洲、在东南亚等地，卖家的工厂在国内，发货的物流可能又分为国内和国外。这就会导致我们的 ETL 链路非常多、非常长，其稳定性，可用性，实时性等在运维管理上也变更复杂。
我们要打通各个平台的数据进行汇总，大数据链路同步的实例太多，对于数据库的时效性要求和稳定性要求都非常高。如果你负责管理过上百台 RDS 实例或者 MySQL 数据库，当需要大数据同步时，你需要搭建和维护上百个同步链路，保障 SLA 就成了非常大的挑战。
如果一个月只出现 1 次链路不稳定或者数据丢失的问题，我们的整个服务其实都是不稳定的。那么当我们有上千台实例，这个问题就更体现在我们面前，如何保证大数据服务是稳定的？如何实时同步数据不丢失？是易仓科技必须要解决的。
▋ 痛点三：客户数据的存储成本逐年递增，资源浪费多
易仓科技是替客户保管数据的，客户的数据永远是客户的数据。随着客户使用的时间越来越久，三年、五年，哪怕客户每年的单量平均在1000万单，三年就是 3000 万单的累积，理论上来说存储是越来越高，对应的收费也要越来越高。但站在客户的角度，自己每年的单量没有太大变化，比如一年就是1000万左右单，存储为什么会越来越高？因为我们是 SaaS 模式，按订阅式的单量来付费，不可能让客户去付每年递增的数据存储费用。
但其实对易仓科技来说，随着客户越来越多，客户的数据积累也越来越多，我们的存储成本、服务器成本是每年都在递增的。
此外，还有资源浪费的问题。相信大家如果用过 MySQL 或者用过数据库都知道，特别是云上的数据库，有很多资源不管你有没有使用都已经付费了，也都会存在一定的浪费。例如，购买一个 8C16G 的 1TB 存储的服务器资源，可能 CPU 内存只用了 70%，存储只用了 80%，这样每一台实例有可能都浪费了 20%-30% 的资源。这些浪费的费用，当你只有 5 台、 10 台时可能还不算多，但当你有上千台时，如果资源浪费严重，那损失的费用就会相当明显。
我们一直在寻求一款可以尽量满足，可以尽量解决我们这些痛点的数据库。前期，我们也使用过一段时间 TiDB，也考察过很多云原生数据库、分布式数据库等，最终选择了 OceanBase 。 因为 OceanBase 对跨境电商 SaaS 中租户的理解是最佳贴切的。
跨境行业的小伙伴应该都知道，当促销活动（国内的双“11”、双“12”，国外的圣诞节、黑色星期五）来临时，可能经常会有一些中小客户在一两天内的单量直接拉爆，也就是俗称的“爆单”。DBA 需要随时人工准备处理这种特殊情况，保障流量洪峰时客户依然能稳定运行。
我们需要一款集合资源，可以在租户上资源隔离、共享实例，且可以弹性伸缩的数据库。举个例子，我们有100个租户，每个租户的物理资源是可以随意调度的，正常来讲每个租户都有自己的水位线，当有流量在水位线之上，可以迅速扩展，当有流量在水位线之下，也可以迅速缩下来。OceanBase 就提供了这样的能力。
以前，我们 100 个租户放在一起可能需要 10-20 台RDS，但现在只需要一个 OceanBase。这样的话，以前我们在 10-20 台 RDS 上浪费的资源，每一台可能浪费 20%-30% 的资源，在 OceanBase 上只需浪费 1 次，可能还不到 20%。 OceanBase 的大集群多租户，不仅大幅提升了数据库的资源利用率，也显著提升了我们 DBA 的运维效率。
存储节约。 OceanBase 极高的压缩比是我们确实实践过的，例如，易仓科技某数据库 1.2TB 数据迁移至 OceanBase 仅需 140G，数据压缩比高达88%，大幅降低我们的数据存储成本。
大数据同步。 因为易仓科技在各地都有服务器，以往，我们有 10-30 个同步任务链路，如果中间出现网络异常，需要全部拉回到国内做分析，所以我们对链路的要求非常高，对数据的实时性要求也非常高。现在，我们都在一个 OceanBase 大集群里面，只需要 1 个同步链路，只需要维护好这 1 个同步链路，其上所有租户的同步链路都可以保障稳定性。
HTAP 能力。 数据量大了之后，客户有可能会跨季度跨年度查询数据，我们有用一些大数据的方案去解决这一块的需求，但是对于像这类简单的、不是特别复杂的报表，我们希望不仅仅靠大数据，也希望用 HTAP 来解决，因为客户有时候需要实时查询。
目前来看，OceanBase 在 HTAP 这块的能力应该算是做得非常好的。不管是 TiDB 还是 PolarDB，或是我们自建的 Click House，目前都需要做额外的数据同步。如果用 Click House，我们需要将数据实时同步到 Click House，如果用 TiDB，也一样要搭建不一样的组件，而且它的数据行列存储在物理层面是分开的。但 OceanBase 不一样，是行列混存的。 我们一张表建好之后，数据放进去，所有数据的列存混存就分开了，这样的话我们就不需要做额外的数据处理，这是非常不一样的全新概念。
48
