--- title: 'HTAP 还可以这么玩？丨TiDB 在 IoT 智慧园区的应用' date: '2023-11-30T21:06:34+08:00' status: publish permalink: /blog/tidb-in-iot-smart-park author: '周, 盛虎' excerpt: '本文由某物联网公司设施云平台负责人编写，介绍了其公司基础设施平台的设计与挑战。面对 MySQL 主从架构在高峰期性能不足的问题，文章详述了引入 TiDB 的原因和实施过程，总结了 TiDB 上线以来的运行状况，展望了未来在更多业务场景中的应用。' type: post id: 5795 category: - 案例实践 tag: - HTAP - MySQL post_format: [] profile: - PingCAP --- > 作者：某物联网公司设施云平台负责人 > 用户简介：我们是一家提供全链智慧园区整体解决方案的物联网公司，致力于打造可持续发展的智慧园区。 导读 -- 本文由某物联网公司设施云平台负责人编写，介绍了其公司基础设施平台的设计与挑战。面对 MySQL 主从架构在高峰期性能不足的问题，文章详述了引入 TiDB 的原因和实施过程。基于 TiDB 的 HTAP 能力，用户通过巧妙的设计与运用，实现了 OLTP 与 OLAP 负载的彻底隔离，成功解决了数据库性能瓶颈，提升了应用核心功能、BI 报表性能以及 ETL 作业的效率。文章最后总结了 TiDB 上线以来的运行状况，展望了未来在更多业务场景中的应用。 基础设施平台简介 -------- 基础设施平台是集团一线作业人员日常工作中高度依赖的重要系统，涵盖了各类基础设施的管理、报修、保养等一系列数字化办公功能，同时实现了对基础设施、作业人员、项目成本等多种维度的精细化管理。其使命在于不断提升一线作业效率，提高业主的服务满意度。 以下为该平台手机端应用截图。工作中心页面提供了大量常用的业务功能，同时还包含了面对一线、项目、集团等多个维度的报表功能，是一个典型的 HTAP 混合负载场景。 ![平台手机端示意](https://img1.pingcap.com/files/2023/12/20231207125422467.png) 手机端应用截图 面临的挑战 ----- 随着数据规模达到亿级别、业务规模不断扩大以及数字化需求的增加，该平台面临的挑战变得愈发严峻。在日常的业务高峰期，特别是在一些关键业务期间，如每周初、月初和月末，一线作业人员和集团运营业务部门的工作都可能受到一些影响。这主要是由于底层数据库在资源、架构和性能方面存在一些不足。 ### 应用架构 ![应用架构](https://img1.pingcap.com/files/2023/12/20231207125508748.png)原先采用 MySQL 数据库的主从架构来为平台提供服务(16VC/64GB)，其中包括： - 主库存储业务数据（450GB），用于支撑应用中的绝大部分的业务功能，峰值 QPS 2500+； - 从库除了业务数据外，还有 ETL 转化之后的汇总数据（200GB），峰值 QPS 1000+，支撑： - 应用中的 BI 报表功能，集团的大屏实时展示； - ETL 数据计算，在业务数据基础上进行加工，并写入到汇总库中； - 当主库不可用时，支撑应用的高可用。 ### MySQL 不堪重负 - 在业务高峰期，主库的 CPU 使用率达到 90%，应用响应非常慢； - 在业务高峰期，从库的 CPU 使用率也达到 90%，个别 BI 报表无法打开； - 凌晨在从库上运行的 ETL 作业耗时非常久，有时到需要运行到第二天工作时间，严重影响 BI 报表服务。 ![CPU 使用率](https://img1.pingcap.com/files/2023/12/20231207125643111.png)以上为两个实例的 CPU 使用率 为何引入 TiDB --------- 在引入 TiDB 前，我们研讨了基于 MySQL 当前架构的扩容方案，将实例规格从 16VC/64G 扩展到 32VC/128G，甚至再加一个从节点，然后在应用层进行读写分离设计。 该扩容方案可以解决在并发时资源不足的问题，从而在一定程度上缓解高峰期服务响应慢的情况。然而，它并不能解决 SQL 本身执行速度较慢的问题。例如，在从库执行凌晨的 ETL 作业期间，虽然负载并不高，但是 ETL 运行时间很长。方案上还是存在一定的不足： - 核心工单表 5 亿多行，扩容后，该表的查询和写入 SQL 性能仍然没有提升； - BI 报表查询以及 ETL 转化作业时，涉及大量复杂的 Join/聚合计算，涵盖了多张大表，即使扩容了也还是慢； - 花费成本高，同时改善空间有限： - 3 倍的资源成本，从 32VC/128GB 变成 96VC/384GB； - 改造成本，需要对应用代码进行读写分离的改造，随着未来该系统接入更多项目时，可能还需要投入更多精力进行分库分表的改造工作。 最终我们计划选择原生分布式数据库来解决该系统面临的问题，其中 TiDB 分布式数据库这些能力非常吸引我们： - 原生分布式架构，能够彻底解决大数据量下读写性能问题； - HTAP 混合负载，BI 或者 ETL 中包含大量复杂“Join/聚合”的 SQL，性能可以大幅提升； - MySQL 兼容，使得应用架构和代码几乎不用调整便能完成应用的移植。 以下为 TiDB 的集群配置（合计约 76VC） ![TiDB 集群配置](https://img1.pingcap.com/files/2023/12/20231207125822130.png)OLTP 与 OLAP 负载彻底隔离的 HTAP 架构设计 ----------------------------- ### 应用架构无需改动 ![应用架构无需改动](https://img1.pingcap.com/files/2023/12/20231207125905372.png)为了实现最小成本的系统移植，我们在一套 TiDB 中同时支撑 OLTP（应用基础功能）、OLAP（BI 报表、ETL 作业）两种负载，同时确保两种负载之间互不影响，并且提供了最大的可用性保障。以下是我们针对 TiDB HTAP 架构进行的一些设计。 ### 存储节点规划 我们将 TiKV1 和 TiKV2 规划为 OLTP 区，将 TiKV3 和 TiFlash 规划为 OLAP 区 ![存储节点规划](https://img1.pingcap.com/files/2023/12/20231207125936640.png)### 数据 Leader 隔离 默认情况下 TiDB 中数据 Leader 的分布是随机的，而 SQL 请求默认都是发往 Leader 执行，所以默认机制下无法满足我们的隔离要求。所以我们进行了如下设计： 1.将 OLTP 所用到的业务数据的 leader 固定在 TiKV1/TiKV2 上 策略一： policy\_eyas（业务库策略） 预期效果：数据的 Leader 在 zone1 和 zone2 上，zone3 上不会产生 Leader（只有 Follower） ``` -- 创建策略 create placement policy policy_eyas leader_constraints = "[-zone=zone3]"; -- 为业务库指定策略,让业务读写都发生在 TiKV 节点 1,2 alter database eyas placement policy policy_eyas; ``` 2.将 OLAP 中 ETL 作业产生的汇总数据的 leader 固定在 TiKV3 上 策略二：policy\_bi（汇总库策略） 预期效果：数据的 Leader 只在 zone3 上，zone1 和 zone2 上只有 Follower （没有 Leader） ``` -- 创建策略 create placement policy policy_bi leader_constraints="[+zone=zone3]" follower_constraints ='{"+zone=zone1": 1,"+zone=zone2": 1}'; -- 为汇总库指定策略,让汇总库上的读写都发生在 TiKV 节点 3 alter database bi_eyas placement policy policy_bi; alter database da_ping placement policy policy_bi; ``` 3.为所有数据设置一份 TiFlash 副本 ``` alter database eyas set tiflash replica 1; alter database bi_eyas set tiflash replica 1; alter database da_ping set tiflash replica 1; ``` 目的：加速 BI 报表和 ETL 中复杂查询 SQL 的性能 ### 计算隔离 我们同样也针对计算节点进行了隔离，TiDB1 和 TiDB2 两个计算节点接入负载均衡供应用节点使用，并且限制其只能访问 TiKV 上的数据（原因：应用基础功能无须使用 TiFlash）。 ``` config: isolation-read.engines: - tikv - tidb ``` 对于 BI 应用和 ETL 平台，我们则是让其直连 TiDB3 计算节点。由于它们都存在大量复杂“Join/聚合”的 SQL，我们希望这样的 SQL 可以通过优化器自动决定去 TiKV 或 TiFlash 引擎执行，以获得最大的性能，参数如下： ``` config: isolation-read.engines: - tikv - tiflash - tidb labels.zone: zone3 ``` 注意：在 TiDB 数据库中，默认所有的读请求都是发往数据的 Leader，而在 ETL 作业中的输入基本都是查询业务库（非常复杂的 Join/聚合）、BI 报表中也有相当一部分会实时查询业务库（而业务库的数据 Leader 在 TiKV1/TiKV2 上），这样的 SQL 一旦出现将发往 TiKV1/TiKV2 上执行，此时会影响到应用核心功能。 为了避免这一问题，我们为 TiDB3 设置了一个 Label: zone3（与 TiKV3 的 Label 一致），此时便可以实现就近副本的读取（TiDB3 上即使有非常复杂的业务库的查询，也只会在 TiKV3 的 Follower 副本上或 TiFlash 上执行）： ``` set global tidb_replica_read = 'closest-replicas’; ``` 使用效果：性能大幅提升 ----------- ### 应用部分（页面端到端耗时） - 应用核心功能基本优化到 1 秒内，大幅提升了一线的使用体验和作业效率； - BI 报表性能大幅提升，之前打不开的报表均能快速展示，提升运营管理效率。 ![使用效果-应用部分](https://img1.pingcap.com/files/2023/12/20231207130406636.jpeg)注：一张报表包含若干条 SQL，最大的报表包含 200 多条 SQL（串行执行、页面逐一渲染展示） ### ETL 作业 ETL 作业性能大幅提升，之前最久的作业执行超过 5 小时，现在的执行时间仅为 48 分钟，性能提升了 80% 以上。 ![ETL 作业](https://img1.pingcap.com/files/2023/12/20231207130437970.png)遇到的问题和解决办法 ---------- 虽然 TiDB 高度兼容 MySQL，几乎不需要改造，但在测试过程中发现了以下两处问题。 ### SQL 不兼容 5 条 SQL 报错：ON condition doesn't support subqueries yet，原因为 TiDB 在 join 中不支持 on 判断使用子查询，如： ``` 1. select t1.* from sbtest1 t1 join sbtest2 t2 on t1.id=t2.id and t2.id in (select id from sbtest3) 2. select t1.* from sbtest1 t1 join sbtest2 t2 on t1.id=t2.id and exists (select 1 from sbtest3 t3 where t3.id=t1.id) ``` 解决办法：改写成 join 表的形式 ### 特定写法下 SQL 性能退化 像查询列中包含 case when in subquery 这样的写法时，执行时与这个 subquery join 的时候变成了笛卡尔积，性能退化十倍以上。 解决办法：上线版本为 TiDB 6.5.0，当时通过将 case when in subquery 改写成 exists 后解决，目前该问题已经在高版本中已经修复。 总结 -- TiDB 自今年 3 月上线以来，性能提升非常明显。目前已经平稳运行了超过半年时间，这充分增强了我们深度使用 TiDB 的信心。未来，我们计划利用 TiDB HTAP 架构来支撑更多业务场景的需求，持续创造价值。