VoltDB上手介绍

转自：

https://my.oschina.net/whchsh/blog/102505

 

下一篇预告，VoltDB官方例程Voter（实时高并发投票）代码分析和性能测试

最近开始研究voltdb，先分享一些粗浅的安装和使用经验

1）介绍

“Time is the enemy of data”。我觉得VoltDB官网的这句话相当有道理。大数据时代，最关键的技术问题并不是如何存储大数据，而是如何最快处理大数据，包括在线事务和实时分析。内存数据库可能是我们目前最理想的选择。 
简单来说VoltDB是一个高性能的内存关系数据库，支持SQL规范、ACID事务、备份容灾，以及分区扩展。当然，既不能把它简单看作一个性能更好的MySQL，也不能看作增加了SQL接口的NoSQL数据库。

	VoltDB	MySQL	Cassandra
SQL支持	SQL 99子集, 支持create view、index、跨分区join，暂不支持alter	SQL 99	CQL，一种类SQL的查询语言，限制很多（例如不支持非主键条件）
原子性	所有事务封装在存储过程中，执行完成后再提交到数据库	基于事务日志	仅限rowkey级别
一致性	主备强一致，采用时钟误差算法保障…	面向用户的强一致，内部可配置，通常是弱一致	基于时间戳，支持面向用户的强一致，以及内部最终一致
隔离性	指定key的写操作局部串行执行，跨key操作全表串行，实现最高Serializable隔离级别	支持多种隔离性级别	每次操作都具有时间戳
持久性	快照+日志	文件持久化+数据日志	文件持久化+数据日志
数据备份	DC内同步（multi-master），  跨DC异步（企业版功能）	master-slave架构，通常使用异步备份	NWR策略，读写都必须至少访问指定个数的节点
分区扩展	一致性Hash，支持跨分区join	应用控制，跨分区join困难	Hash或顺序

显然VoltDB在一些方案上的设定肯定会带来性能的取舍：

1. 支持但不适合指定key取值范围的操作，一方面它会导致全表锁，阻塞其它操作。另一方面由于只支持Hash分区，对于key范围的操作，需要很低效率的分布到所有节点执行。 因此VoltDB适合指定key或其离散区间的操作。
2. 修改无法修改Schema是VoltDB目前一个主要限制，另外查询必须使用预先定义的Procedule（java代码，支持绑定参数），如果突然想到要增加一类查询，大概~~~就要重新编译（局部的）和重启服务了。总的来说，VoltDB目前版本，需要你提前把表结构和查询语句都想好，上线后就最好别修改了……
   1. 另外补充一下，为什么要把查询写成java代码硬code进去呢？当然是为了性能，即使用C++解析文本（或用文本hash做cache）也是有较大计算开销的。更何况VoltDB的这一层是用Java开发的。有什么既兼顾性能有不影响在线业务变更的办法呢？有的，使用LLVM，目前许多商用数据库都已经这么做了，当然开发代价比较大，目前GCC也还不支持。
3. 与传统依靠本地日志的容灾不同，而VoltDB则主要依赖备份节点恢复数据，次选本地日志恢复，最次选择本地的内存快照。
   1. VoltDB支持各种日志可靠性级别，高可靠的日志配置会影响VoltDB性能，通常需要在写入性能和磁盘fsync频率之间作折中，或配置SSD缓解写日志I/O导致VoltDB性能下降。
   2. 从数据可靠性来看，开启日志的VoltDB与传统关系数据库并无差异。
   3. 从服务可用性来看，局部节点失效后，VoltDB比MySQL的切换成本更低，并且不会发生切换造成的数据时延问题。
   4. 从节点恢复速度来看，VoltDB节点一般性恢复（单节点）的速度主要依赖网络速度，通常场景下比日志恢复快。不过在复杂情况下的则相反，当master多节点失效则需要从本地日志和快照把所有数据全部加载到内存，速度可能很慢。

抛开以上局限性，VoltDB的使用场景仍然相当丰富，官方更提出了"No Limits"这样的极端说法。高性能、实时性是VoltDB最关键的特性。如果说在线游戏、社交这样目前已经几乎完全依赖内存存储的应用，还可以使用Key-Value缓存。而在线投票、实时交易分析（并非Hadoop漫长的MR数据分析）这类应用，既需要高可靠的ACID事务，又需要近乎实时的数据分析，可以说必须采用VoltDB这类内存关系数据库了。

2）编译配置

获取官方程序包：http://voltdb.com/tao-volt/downloads-home.php 
目前的开源版本（GPL）有2.8和3.0 beta提供下载 
我们也可以从源码编译： https://github.com/VoltDB/voltdb 
由于VoltDB是混合编程的（在后续文章中会介绍），编译需要的环境还比较多，主要包括Java 6+、Ant 1.7.1+、GCC 4.2+、 Python 2.4+，具体参考https://github.com/VoltDB/voltdb/wiki/Building-VoltDB，这些环境一般的开发机上面都有，但需要注意版本，我之前在CentOS 5.4上编译就遇到各种问题，很多需要的软件版本都无法安装比如Ant。 
安装方法是在voltdb-master目录，执行

ant dist

由于ant同时编译了官方代码自带的三个例程，我们可以通过运行例程检验编译是否成功，例如

 

 

/cd exsamples/voter
./run.sh server

如果最终提示：Server completed initialization.表明编译正确，服务正常启动 
如果提示缺少库文件或class，表明编译出错  如果提示端口被占用，需要修改运行脚本中的端口，具体参照下一节。

 

代码目录分析

• lib/ 一些外部jar包：TCP服务接口（jzmq）、消息服务（jetty、protobuf、snappy）、命令行工具（jline），日志（slf4j）
• src/catalog/目录包含使用python开发的系统Catalog的生成器
• src/frontend/org/voltcore/ 内嵌zookeeper的集群管理服务
• src/frontend/org/voltdb/ 所有存储引擎以上功能，包括sql解析、jdbc、客户端管理工具、数据恢复、元数据等
• rc/ee/ 存储引擎C++代码

3）还是从Hello World开始

官方提供了HelloWord例子，这里挑出一些关键代码分析，就不全部贴出来了，参见http://voltdb.com/docs/GettingStarted/HWsourcefiles.php#projectfig 
其中 
project.xml定义VoltDB实例包含哪些表，以及预先定义哪些SQL操作，以下表示使用helloworld.sql初始化表Schema

<schemas> <schema path='helloworld.sql' /> </schemas>

读取Insert和Select两个Java类作为预定义的存储过程 

<procedures> <procedure class='Insert' /> <procedure class='Select' /> </procedures>

deployment.xml定义VoltDB的集群信息， 以下表示集群主机初始数量为1，每个主机使用2个CPU内核执行存储引擎任务。 

<cluster hostcount="1" sitesperhost="2" />

 

开启http服务和json接口

<httpd enabled="true"> <jsonapi enabled="true" />

 

helloworld.sql中包含一个建表语句
创建HELLOWORLD表，该示例中建表语句的语法与SQL完全一致

CREATE TABLE HELLOWORLD

需要扩展到多节点时，按照DIALECT字段（Hash值）自动进行数据分区 

PARTITION TABLE HELLOWORLD ON COLUMN DIALECT;

Insert.java和Select.java定义了两个存储过程，即客户端可以调用的SQL  
public class Select extends VoltProcedure 告知数据库Select类是存储过程 

@ProcInfo(partitionInfo = "HELLOWORLD.DIALECT: 2",   singlePartition = true)

定义一个带绑定参数的SQL查询语句对象 

public final SQLStmt sql = new SQLStmt(
    "SELECT HELLO, WORLD FROM HELLOWORLD " +
    " WHERE DIALECT = ?;" 
);

每个存储过程都需要定一个run函数，参数是绑定参数的数据类型，返回类型是VoltTable，即封装查询结果的数据结构，voltQueueSQL将sql语句和绑定参数添加到执行队列，voltExecute函数执行所有提交到队列的操作并返回结果。 

public VoltTable[] run( String language) throws VoltAbortException { 
    voltQueueSQL( sql, language ); 
    return voltExecuteSQL(); 
}

 一个run里面的操作是默认是一次事务，即可以多次voltQueueSQL之后，再执行voltExecuteSQL，这样多个SQL就组成了一个事务。

 

Client.java是一个客户端程序 
创建了一个客户端对象，并连接到本机地址

myApp = ClientFactory.createClient(); 
myApp.createConnection("localhost");

调用Insert存储过程，绑定参数为("Hello", "World", "English")，相当于执行INSERT INTO HELLOWORLD VALUES('Hello', 'World', 'English'); 
调用了Select存储过程，绑定参数为"Spanish"，相当于执行SELECT HELLO, WORLD FROM HELLOWORLD WHERE DIALECT = 'Spanish'; 
存储过程 

myApp.callProcedure("Insert", "Hello", "World", "English"); 
final ClientResponse response = myApp.callProcedure("Select", "Spanish");

最后，编译写好的java存储过程和客户端

javac Client.java
javac Insert.java
javac Select.java

使用ant编译好的voltcompiler编译元数据，使用voltdb启动客户端（需要指定voltdb目录或配置执行文件路径） 

voltcompiler ./ project.xml helloworld.jar
voltdb catalog helloworld.jar   \
         deployment deployment.xml   \
         host localhost \
         license /opt/voltdb/voltdb/license.xml

运行客户端程序 

java Client

最终将得到以下输出 
Hola, Mundo!