K-DB亮相数据库大会 浪潮解读RAC关键锁机制

简介:

近日,第七届中国数据库技术大会(DTCC2016)在京召开,这是国内数据库与大数据领域最大规模的技术盛宴,本次大会以“数据定义未来”为主题,云集了来自业界的5000余名IT精英和用户代表,3天的会期,大家共话数据库技术发展潮流,共赴数据浪潮之巅。

作为国内最具品牌影响力的技术大会,已经连续举办了6年,围绕传统关系型数据库的架构设计与优化、数据库加速、实时计算和特定领域的应用经验和优化心得等议题,本次大会吸引了包括Oracle、SAP在内的老牌厂商参会,也吸引数据库领域众多新秀参与。浪潮以全新形象亮相本次大会,携旗下K1+K-DB一体化解决方案进驻DTCC,并在现场设置了数据库互动体验专区,引来众多行业专家测试,反响热烈。

K-DB亮相数据库大会 浪潮解读RAC关键锁机制

浪潮展位前吸引众多参会嘉宾关注

K-DB是专为浪潮天梭K1关键应用主机定制和优化的数据库,具备基于共享存储式数据库集群RAC特性,可实现异构平台全自动化一键式迁移,拥有高可靠、高性能和高可拓展性,一经推出,就吸引了业内广泛关注。

在 “数据库内核”技术专场,浪潮高级软件工程师霍俊路向参会嘉宾详细介绍了K-DB数据库集群下的锁管理机制的实现方式。霍俊路表示,用户最关心的是数据库的高可用、高可靠及扩展性,这些需求在单机数据库上是很难实现的,而具备RAC集群技术的数据库正是解决用户这种需求的最佳方案。放眼市场,能够提供RAC集群的数据库极少,K-DB则是其中之一。KRAC集群是基于共享磁盘的集群技术,这是业界目前效率最高的数据库集群实现技术。

RAC需要处理多个数据库节点同时读写相同对象,所带来的并发访问问题,这就需要锁机制的管理,如何设计高效可靠的锁机制是RAC成功的关键,K-DB拥有专门的全局锁处理模块来确保RAC实现。

霍俊路在演讲中透露,在K-DB集群中,节点之间的内存是共享的,当一个节点访问的数据已经在另一个节点的内存中时,这个节点的数据可以从该节点的内存中直接读取,避免了从磁盘中读取,减少IO的消耗。这种机制叫做缓存融合。为了支撑缓存融合的功能,K-DB 使用了全局锁处理进程、全局锁资源管理器、以及全局缓存传输进程 3大模块进行协同处理。其中,全局锁资源管理器里面记录了锁的模式,锁的角色,数据块的状态等重要信息。全局锁处理器使用了分配链表和等待链表2条链表协同处理的方式。而全局缓存进程负责数据块的具体传输的工作。

而且K-DB拥有完善的工具包,尤其是针对Oracle数据库的一键迁移功能,能够很好的控制K-DB应用的技术门槛和切换成本。客户只需要在友好的图形化操作界面上执行几个步骤,点选几个选项即可完成迁移工作。其中,北京市档案局应用系统建设负责人田雷就表示,迁移6GB的数据,只用了15分钟,而且没有任何错误,相当吃惊。而且K-DB提供了与Oracle数据库相同的术语定义和支持标准,兼容性接近完美,管理员几乎不需要重新学习就可以使用。

K-DB亮相数据库大会 浪潮解读RAC关键锁机制

DAB在浪潮展区现场体验K-DB功能特性

在展区,浪潮还设置了K-DB实测体验区,邀请参会DBA现场体验K-DB开发管理工具、APM报告和一键迁移等功能特性,吸引众多参会DBA关注并实地操作体验。来自某商业银行数据中心的李工在体验K-DB后感叹,K-DB的SQL语句和操作性与Oracle相似,很容易熟悉,上手也很容易。并且K-DB提供了完整的一键迁移工具包,能为DBA节省很多时间,这是一个离DBA最近的应用场景,能给我们减少很多工作量。

在过去几年,浪潮看到传统数据库与新型数据库之间的竞争与融合不断牵动传统IT企业的神经,不论二者是分治而立,还是趋于融合共通,浪潮将与用户一起直面数据所带来的挑战。

浪潮K-DB高级产品经理张磊磊认为,大数据云计算的发展,让NoSQL数据库、分布式数据库等获得越来越多的关注,但是这些新兴的数据库并不会取代传统关系型数据库,而关系型数据库在行业客户中仍然具有着不可动摇的地位,而行业客户一直是浪潮业务的重心,在行业客户中,对数据库事务处理能力、稳定性等指标,仍然是客户采购的第一考量。

要更好的满足客户需求,软硬一体化是最好的解决方法,K-DB结合天梭K1架构的内核参数调整优化,进行15,000个功能验证场景测试,执行1,000个手动的功能/性能测试,验证16,000个用户测试场景,在内蒙古交通厅进行的横向性能测试中,K-DB在17项测试中,有11项遥遥领先,对比产品涵盖了业界常见的所有数据库。

在刚刚结束的2016浪潮服务器存储全国合作伙伴大会(IPF2016)上,浪潮表示将继续以“计算+”为核心,构建计算新形态,建立面向未来的、具备核心竞争力和持续生命力的业务体系,以天梭K1 应用主机和K-DB数据库为核心的关键业务计算,依然是浪潮战略持续投入的核心领域。而且2016年,浪潮将启动“K+计划”,从产品、解决方案和合作伙伴三个维度入手,核心强调“激活生态”与“场景交付”,面向客户提供从关键应用主机、高端存储到数据库软件的关键业务计算整体解决方案,实现浪潮关键业务计算2016年超过150%的增速。


原文发布时间为:2016年5月25日

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关文章
|
5月前
|
人工智能 运维 NoSQL
云栖大会|AI浪潮下的NoSQL演进:下一代数据库的破局之道
AI浪潮下的NoSQL演进:下一代数据库的破局之道
|
10月前
|
缓存 NoSQL 算法
Redis数据库的键值过期和删除机制
我们需要注意的是,虽然Redis提供了这么多高级的缓存机制,但在使用过程中,必须理解应用的特性,选择合适的缓存策略,才能最大化Redis的性能。因此,在设计和实施应用程序时,理解应用的数据访问模式,以及这些模式如何与Redis的缓存机制相互作用,尤为重要。
307 24
|
12月前
|
存储 缓存 Oracle
崖山数据库YashanDB的共享集群机制初探
YashanDB共享集群是崖山数据库系统的核心特性,支持单库多实例并发读写,确保强一致性与高可用性。基于Shared-Disk架构和Cohesive Memory技术,实现数据页协同访问及资源控制。其核心组件包括YCK、YCS和YFS,提供金融级RPO=0、RTO<10秒的高可用能力。通过自研“七种武器”(如页内锁、去中心化事务管理等),优化性能并解决读写冲突。相比Oracle RAC,YashanDB在TPC-C测试中性能高出30%,适用于金融、电信等关键领域,推动国产化替代进程。
崖山数据库YashanDB的共享集群机制初探
|
存储 数据处理 Apache
超越传统数据库:揭秘Flink状态机制,让你的数据处理效率飞升!
【8月更文挑战第26天】Apache Flink 在流处理领域以其高效实时的数据处理能力脱颖而出,其核心特色之一便是状态管理机制。不同于传统数据库依靠持久化存储及 ACID 事务确保数据一致性和可靠性,Flink 利用内存中的状态管理和分布式数据流模型实现了低延迟处理。Flink 的状态分为键控状态与非键控状态,前者依据数据键值进行状态维护,适用于键值对数据处理;后者与算子实例关联,用于所有输入数据共享的状态场景。通过 checkpointing 机制,Flink 在保障状态一致性的同时,提供了更适合流处理场景的轻量级解决方案。
412 0
|
SQL 关系型数据库 MySQL
|
关系型数据库 MySQL 网络安全
如何排查和解决PHP连接数据库MYSQL失败写锁的问题
通过本文的介绍,您可以系统地了解如何排查和解决PHP连接MySQL数据库失败及写锁问题。通过检查配置、确保服务启动、调整防火墙设置和用户权限,以及识别和解决长时间运行的事务和死锁问题,可以有效地保障应用的稳定运行。
457 25
|
12月前
|
SQL 存储 关系型数据库
数据库的行级锁与表锁?
表锁: 不会出现死锁,发生锁的冲突几率高,并发性低。 存储引擎在进行SQL数据读写请求前,会对涉及到的表进行加锁。 其中锁分为共享读锁和独占写锁:读锁会阻塞写,写锁会阻塞读和写。 行级锁: 会出现死锁,发生锁的冲突几率低,并发性高。 InnoDB引擎支持行锁,与Oracle不同,MySQL的行锁是通过索引加载的,也就是说,行锁是加在索引响应的行上的,要是对应的SQL语句没有走索引,则会全表扫描,行锁则无法实现,取而代之的是表锁,此时其它事务无法对当前表进行更新或插入操作。 行级锁注意事项: 行级锁必须有索引才能实现,否则会自动锁全表,那就不是行锁了。 两个事务不能锁同一个索引。 in
|
SQL 存储 关系型数据库
数据库的行级锁与表锁?
表锁:存储引擎在SQL数据读写请求前对涉及的表加锁,分共享读锁和独占写锁,读锁阻塞写,写锁阻塞读写,易发锁冲突,并发性低。行级锁:InnoDB支持,通过索引加锁,提高并发性,但可能引起死锁,需注意索引使用,适用于避免不可重复读场景。
255 21
|
监控 数据库 索引
避免锁等待超时对数据库性能的影响
【10月更文挑战第16天】避免锁等待超时对数据库性能的影响需要综合考虑多个方面,通过不断地优化和改进,来提高数据库的并发处理能力和稳定性。
281 1
ly~
|
数据库 数据库管理
数据库的事务处理机制有哪些优点?
数据库的事务处理机制具备多种优势:首先,它能确保数据一致性,通过原子性保证所有操作全成功或全失败,利用完整性约束维护数据的有效性;其次,增强了系统可靠性,提供故障恢复能力和正确处理并发操作的功能;最后,简化了应用程序开发工作,将操作封装为逻辑单元并集中处理错误,降低了开发复杂度。
ly~
365 1