在今年的SIGMOD会议上，阿里云瑶池数据库团队的论文《PolarDB-MP: A Multi-Primary Cloud-Native Database via Disaggregated Shared Memory》获得了Industry Track Best Paper Award，这是中国企业独立完成的成果首次摘得SIGMOD最高奖。PolarDB-MP是基于分布式共享内存的多主云原生数据库，本文将介绍这篇论文的具体细节。
背景
现如今，对于支持写扩展的多主云原生数据库的需求日益增长。多主架构的数据库不仅可以支持写扩展，同时还可以提供更高的高可用性，并且能够更好地在serverless数据库中提供计算节点的弹性。目前，主流的多主数据库大多是基于share-nothing和share-storage架构。在share-nothing架构中，当一个事务需要访问多个分区时，必须使用分布式事务机制，如两阶段提交策略。这通常会引入显著的额外开销。此外，当系统需要扩容或缩容时，数据可能需要重新分区，这个过程常常伴随着繁重且耗时的数据迁移。而share-storage架构则完全相反，所有数据都可以从所有节点访问。这种架构下不需要使用分布式事务，每个节点都可以独立处理事务。DB2 pureScale和Oracle RAC是基于共享存储的两个传统数据库。它们通常部署在专用机器上，并且成本通常比当下云原生数据库更高。Aurora-MM和Taurus-MM是最近提出的云原生多主数据库。Aurora-MM采用乐观并发控制来处理写冲突，因此在发生冲突时会引发较多的事务中止。相反，Taurus-MM采用悲观并发控制，但是它在不同节点同步数据的效率较低，在高冲突场景下，扩展性不高。
为了应对当前多主数据库面临的这些问题，我们设计并实现了PolarDB-MP，利用分布式共享内存池来解决现有架构的挑战。
PolarDB-MP的整体架构
下图展示了PolarDB-MP的架构，不同于其他基于共享存储的多主数据库。PolarDB-MP引入了基于分布式共享内存的Polar Multi-Primary Fusion Server（PMFS）来实现对多主架构的支持。PMFS包括三个核心组件：事务融合（Transaction Fusion）、缓存融合（Buffer Fusion）和锁融合（Lock Fusion）。Transaction Fusion旨在管理全局事务处理，保证事务的ACID属性。Buffer Fusion在维护所有节点间的缓存一致性中扮演着至关重要的角色。Lock Fusion负责两种锁协议：页面锁（PLock）和行锁（RLock）。PLock协议确保在不同节点上访问页面时的物理一致性。RLock协议保证用户数据的事务一致性。此外，PolarDB-MP提出了逻辑日志序列号（LLSN）来对不同节点的redo log（write-ahead log）进行排序。LLSN为不同节点生成的所有redo log提供了一个偏序关系。
设计实现
（1）事务融合（Transaction Fusion）
事务融合解决的第一个问题是时间戳的问题，PolarDB-MP采用了TSO（timestamp oracle）的方式。事务提交时，会从TSO请求一个提交时间戳（CTS）。这个CTS是一个逻辑上递增分配的时间戳，确保事务提交的有序性。CTS通常通过RDMA操作获取，通常在几微秒内完成，并且在我们的测试中发现它不会成为瓶颈。为了有效管理集群中的所有事务信息，PolarDB-MP采用了一种分散的方法将这些信息分布在所有节点中。PolarDB-MP中的每个节点都保留了一小部分内存来存储其本地事务信息。节点可以通过RDMA远程访问其他节点的事务信息。下图展示了这种设计。每个节点都在事务信息表（TIT）中维护其本地事务的信息。TIT在管理事务方面发挥着关键作用，它为每个事务维护四个关键字段：pointer、CTS、version和ref。pointer是内存中事务对象的指针，CTS标记事务的提交时间戳，version用于识别同一槽中的不同事务，ref用来表示是否有其他事务在等待此事务释放其行锁。
当一个事务在某个节点上开始时，会为该事务分配一个本地递增的唯一ID。然后，为此事务分配一个空闲的TIT slot。由于TIT slot可以被重用，version字段用于区分不同时期占用同一slot的事务，每个新事务都会使版本递增。为了在集群维度识别一个事务，PolarDB-MP将node_id、trx_id、slot_id和version组合成一个全局事务ID（g_trx_id）。有了这个g_trx_id，任何节点都可以通过RDMA从目标节点远程访问其他节点的事务的CTS。在PolarDB-MP中，在更新某个记录时，会将全局事务ID（g_trx_id）存储在该记录的元数据中。当事务提交时，如果当前事务所修改的记录仍然在缓存中，会将事务的CTS写入到这些记录的元数据，否则它们的CTS仍然是默认值（CSN_INIT）。在判断记录的可见性时，如果该记录的CTS字段是一个有效值，而不是初始值（CSN_INIT）时，可以直接从该记录的元数据中获取CTS。如果该记录的CTS没有填充，则需要使用TIT来获取该记录的CTS。首先需要从该记录的元数据字段中获取修改这条记录的事务ID（g_trx_id）。然后可以使用这个g_trx_id获取相应的TIT slot。如果TIT中的version与正在检查的g_trx_id的version不匹配，表明TIT slot已被新的事务重用，意味着原始的事务已经提交。在这种情况下，我们可以返回一个最小的CTS值以表明该记录对所有事务都是可见的。这是因为只有当一个TIT slot的CTS小于所有活跃事务的read view时，该slot才会被释放并重用。如果slot的version和当前g_trx_id的version匹配时，说明这个slot还没有被其他事务重用，我们可以直接从slot中直接获取CTS。
（2）缓存融合（Buffer Fusion）
在PolarDB-MP中，每个节点都可以更新任何数据页（page），这导致不同节点之间频繁地传输数据页。为了实现高效的跨节点数据移动，PolarDB-MP提出了Buffer Fusion。每个节点可以将其数据页写入到Buffer Fusion的分布式缓存池（distributed buffer pool, DBP），随后其他节点可以从这个DBP访问其他节点修改过的页面。在这种情况下，页面可以在不同节点之间快速移动。下图展示了Buffer Fusion的设计。当DBP中存储了页面的新版本时，Buffer Fusion会将其他节点上的副本失效。这样，当这些节点需要访问该页面时，它们会从DBP中重新加载新的页面版本，确保所有操作都基于最新的数据状态进行，从而维持数据库的整体一致性。DBP的实现高度融合了RDMA,使得LBP和GBP之间的延迟非常低。
（3）锁融合（Lock Fusion）
Lock Fusion实现了页面锁（PLock）和行锁（RLock）两种协议。PLock类似于单节点数据库中的页面锁，确保对页面的原子访问以及内部结构的一致性。另一方面，RLock用于维护跨节点的事务一致性，遵循两阶段锁协议。PLock确保在并发访问时，只有持有锁的节点才能对数据库页面进行读写操作，这样可以避免数据冲突和不一致的问题。RLock则更加关注事务的一致性，允许更细粒度的数据访问控制，并使用两阶段锁协议。
PLock（页面锁）：PLock主要用于维护物理数据的一致性，解决跨节点并发访问数据页的问题。PLock在节点级别管理，如下图所示。每个节点跟踪它持有或正在等待的PLock，并用一个引用计数来指示使用特定PLock的线程数。Lock Fusion维护所有PLock的信息，跟踪每个锁的状态。节点在对页面执行任何更新或读取之前，必须持有相应的排他锁（X）或共享锁（S）PLock。当节点需要一个PLock时，它首先检查其本地PLock管理器，查看是否已经持有所需的锁或更高级别的锁。如果没有，它会通过基于RDMA的RPC从Lock Fusion请求PLock。Lock Fusion会处理这个请求。如果存在冲突，请求节点将被挂起，待其 PLock 请求可以被满足时再唤醒。此外，当节点释放PLock时，会通知Lock Fusion，随后更新锁的状态，并通知其他等待该PLock的节点。
RLock（行锁）：PolarDB-MP在每一行数据中直接嵌入行锁信息，并且只在Lock Fusion上维护等待关系。对于每一行，会增加一个字段来表示持锁事务的ID。当事务尝试锁定一行时，它只需将其全局事务ID写入此字段。如果行的事务ID字段已经被一个活跃事务占用，则检测到冲突，当前事务必须等待。在PolarDB-MP中，当尝试更新一行时，必须已经持有包含该行的页面上的排他锁（X PLock）。因此，只有一个事务可以访问写入行的锁信息，只有一个事务可以成功锁定这一行。类似于单节点数据库，RLock协议也遵循两阶段锁协议，即事务持有锁直到事务提交。这种设计减少了锁信息的管理复杂性和存储开销，因为不需要在一个中心节点位置维护所有的锁状态信息。通过直接在行中嵌入锁信息，可以快速检测和解决锁冲突，从而提高了事务处理的效率和数据库的整体性能。
下面的例子展示了行锁的设计，节点2上的事务T30试图对一行数据施加排他锁（X-lock）。通过检查该记录的元数据发现，该行已被另一个事务（T10）施加了X-lock。随后，T30首先远程设置T10的元数据中的引用（‘ref’）字段。这个操作表明有一个事务（T30）正在等待T10释放锁。然后，T30与Lock Fusion通信，发送有关其等待状态的信息。这些信息被添加到Lock Fusion中的等待信息表中。一旦T10完成其事务并提交，它会检查其‘ref’字段。发现有其他事务正在等待时，T10通知Lock Fusion它已经提交。Lock Fusion在收到T10的通知后，检查等待信息表，然后通知T30，此时T30可以被唤醒并继续其处理。
（4）LLSN：保证redo log的顺序关系
在PolarDB-MP中，每个节点可以生成各自的redo log，导致多个节点对同一页面有不同的redo log。由于每个redo log记录了对特定页面所做的更改，崩溃恢复的关键在于按照它们生成的顺序回放同一页面的redo log，而来自不同页面的log可以按任意顺序应用。所以，我们不必维护所有redo log的全序关系，相反，只需要确保对应同一页面的redo log有序。
因此，PolarDB-MP引入了逻辑日志序列号（LLSN），为不同节点的日志建立了偏序关系，确保与同一页面相关的redo log按生成顺序维护。然而，LLSN不对来自不同页面的redo log保证先后顺序，这也是不必要的。为了实现这个设计，每个节点维护一个节点本地的LLSN，该LLSN在每次日志生成时自动递增。当节点更新页面并生成日志时，新的LLSN记录在页面元数据中，也分配给相应的日志。如果节点从存储或DBP读取页面，它会更新其本地LLSN以匹配访问页面的LLSN，前提是页面的LLSN超过了节点当前的LLSN。这确保了节点的LLSN与其访问的页面保持同步。随后，当节点更新页面并生成日志时，其LLSN递增，保证新的LLSN大于之前更新该页面的任何节点的LLSN。由于PLock设计，一次只有一个事务可以更新页面。因此，当一个页面在不同节点上依次更新时，LLSN有效地维持了日志的生成顺序。
实验分析
我们用多种不同的工作负载和不同的配置测试了PolarDB-MP的性能。由于篇幅限制，这里只列出了两组实验结果，更多完整实验分析可以参见论文原文。我们首先对比了PolarDB和华为Taurus多主的性能。在下图中，y轴代表吞吐量，而每个条形图上的数字表示可扩展性（相对于单节点性能的归一化吞吐量）。PolarDB-MP在单节点时与Taurus-MM的性能相当。然而，PolarDB-MP在多节点中的优势变得明显。例如，在read-write和read-only工作负载中，PolarDB-MP在八节点集群中的吞吐量分别是Taurus-MM的3.17倍和4.02倍。
我们进一步在只有10%的共享数据时对比了PolarDB-MP和Aurora-MM的性能。由于Aurora-MM仅支持最多4个节点，因此其8节点的结果被省略。即使在共享数据比例较低的情况下，Aurora-MM在read-write工作负载中从2节点增至4节点也没有显示出任何的性能提升；在write-only工作负载中，2和4节点的表现甚至不如单节点，这归因于Aurora-MM使用乐观并发控制。在这些冲突较轻的场景中，尽管Taurus-MM表现出比Aurora-MM更高的可扩展性，但它仍然落后于PolarDB-MP，尤其是在八节点集群中。在write-only负载下，4节点时，PolarDB-MP的扩展性是Aurora-MM的5.4倍。8节点时，PolarDB-MP的扩展性是Taurus-MM的2.2倍。
更多细节可参阅论文原文，👉 点击下载
PolarDB多写架构已经上线阿里云，欢迎使用和测试。👉 点击前往
