--- title: '数据价值在线化丨TiDB 在企查查数据中台的应用及 v7.1 版本升级体验' date: '2024-02-21T15:32:28+08:00' status: publish permalink: /blog/tidb-in-qcc author: '周, 盛虎' excerpt: '本文介绍了企查查在数据中台建设中使用 TiDB 的经验和应用。通过从 MySQL 到 TiDB 的迁移，企查查构建了基于 TiDB+Flink 的实时数仓框架，充分利用了 TiDB 的分布式架构、MySQL 兼容性和完善的周边工具等特性，实现了数据的在线化处理。' type: post id: 6304 category: - 案例实践 tag: - MySQL - 分布式数据库 - 数据中台 - 数据价值实时变现 post_format: [] profile: - 王云鹤 - 赵河 _yoast_wpseo_title: - '%%title%% %%page%%' --- 导读 -- 本文介绍了企查查在数据中台建设中使用 TiDB 的经验和应用。通过从 MySQL 到 TiDB 的迁移，企查查构建了基于 TiDB+Flink 的实时数仓框架，充分利用了 TiDB 的分布式架构、MySQL 兼容性和完善的周边工具等特性，实现了数据的在线化处理。2023 年 9 月，企查查的 TiDB 数据库已升级至 v7.1.1 版本。文章还分享了企查查在使用 TiDB 过程中的一些好用特性和版本升级经验，包括 TiDB 开源社区的活跃以及 TiDB 的稳定性对其决策的重要性。 > 本文作者赵河、王云鹤，企查查大数据架构部 DBA 团队。企查查是一家专注于企业信用信息服务的科技公司，依托大数据、人工智能等技术，为企业提供全面、准确、及时的企业信用信息，助力企业降本增效、风险防控。2023 年 5 月，企查查正式发布全球首款商查大模型——“知彼阿尔法”。该模型基于企查查覆盖的全球企业信用数据进行训练，可以为司法、金融、风控、政务等人士提供多维度数据服务。 从 MySQL 到 TiDB 的升级之路 -------------------- 数据是企查查业务的核心，需要对海量数据进行清洗、分析、挖掘，才能充分释放数据价值。在引入 TiDB 之前，企查查使用 MySQL 数据库。MySQL 是一款受欢迎的开源关系型数据库，但存在单机性能瓶颈。当数据量达到一定规模后，垂直扩容只能有限提升性能，在高并发写入和复杂 SQL 查询等场景下，性能会受到单机性能的限制。 由于 MySQL 是单机数据库，在业务不中断的情况下，只能采用热备。但是，随着数据量的增长，MySQL 的热备操作会变得越来越慢，对数据库的性能产生较大影响。此外，热备数据的恢复速度也较慢。在企查查的数据流向中，爬虫采集到的数据需要先存储到数据库中，然后再由 Flink 进行清洗。由于 MySQL 不支持将数据直接投递到 Flink，因此需要通过 Flink 来读写数据库，这对 MySQL 库产生了较大的压力。 2019 年底，我们通过 TiDB 社区接触到 TiDB，并对其产生了浓厚的兴趣。经过对比选型测试，我们选择了 TiDB 数据库，结合 Flink 场景的需求，构建了 Flink+TiDB 的实时数仓框架，应用于企查查数据中台。我们选择 TiDB 的主要原因有： **切换到 TiDB 几乎无任何学习成本** 因为 MySQL 存在的诸多问题，我们迫切需要寻找一种兼容 MySQL 协议、且能解决上述问题的数据库。TiDB 在 MySQL 兼容性方面表现出色，能够兼容绝大多数 MySQL 语法和函数，包括 MySQL 生态的相关工具也都默认支持。此外，TiDB 在使用体验上与 MySQL 几乎没有差异，对于我们这些 MySQL 基础的 DBA 来说，切换到 TiDB 几乎不需要学习成本，非常亲切。 **原生分布式架构带来明显优势** 在兼容 MySQL 协议的前提下，我们需要一款能灵活水平扩展的分布式数据库满足业务发展的要求。我们当时对分库分表类的分布式数据库进行了对比测试，发现对应用的开发侵入很大，且扩展性受限。TiDB 采用原生分布式数据库架构，基于 Spanner 和 F1 的论文设计。TiDB 的存储和计算分离，无中心化节点，支持任意扩缩容，支持分布式事务。此外，TiDB 的数据存储基于 Raft 共识算法，数据分片无需业务事先规划分片键，默认 3 个副本，保证了数据的高可用。TiDB 集群中的每个组件都做到了高可用设计，保证了服务的高可用。 **周边工具完善** TiDB 的周边工具非常优秀，尤其是监控体系。TiDB 的监控体系采用了 Prometheus + Grafana + Alertmanager 等通用组件设计，这使得 TiDB 的监控体系能够无缝融入到我们企业的监控告警体系中，非常方便。此外，TiDB 的监控体系非常全面，覆盖了系统运行中的各个环节，便于排查问题。TiDB 的上下游数据迁移和同步工具也比较成熟，特别是 TiCDC 工具。TiCDC 支持将 TiDB 中的数据同步到 Kafka 中，且支持 commitTS 的特性，保证了数据的一致性。TiDB 的备份和恢复工具也比较全面，支持逻辑备份（dumpling）和物理备份（BR），且不需要中断业务。在备份过程中，TiDB 可根据分布式节点的能力并行执行备份任务，效率相较 MySQL 单机备份大幅提升。 **开源社区活跃** TiDB 的社区论坛非常的活跃，我们提的问题很快就会得到其他成员的回复。社区每隔几分钟就有人提出问题或回复问题。此外，还有许多技术爱好者撰写了博客和技术文章，这对我们日常解决 TiDB 技术问题非常有帮助。我们还参加了 TiDB 社区的线下活动。大家踊跃发言，分享使用 TiDB 过程中的经验和遇到的问题。TiDB 社区组织者也能很好地记录问题并采纳开发者的建议。这种开放透明的社区互动，让我们感到使用 TiDB 很放心。 **大数据生态友好** 业务写入到数据库中的数据需要经过 Flink 进行清洗。TiDB 大数据的开源生态协同比较好，这也为我们使用 TiCDC 提供了便利。通过 TiCDC 将 TiDB 的数据同步到 kafka 中，一方面方便 Flink 进行清洗；另一方面，其他下游的数据平台可以从 kafka 中消费数据，方便灵活。 TiDB 在数据中台系统的应用 --------------- TiDB 应用于企查查数据中台系统，覆盖了从数据采集到数据清洗整个流程，提供数据的存储和查询。我们将原来的 20 多套 MySQL 数据库，替换成现在的 2 套 TiDB 集群。在数据清洗流程中，我们使用 TiDB 自带的数据同步工具 TiCDC 将数据同步到下游其他的数据库和 kafka 中。目前，同步的表累计近千张。数据采集到数据清洗的数据流转，则是通过 TiCDC 捕捉变更数据同步到 Kafka 中实现的。此外，我们使用了 TiCDC 中的 CommitTs 特性，通过数据在下游更新前的乐观锁控制，保证数据的一致性。 ![企查查数据中台系统逻辑示意图](https://img1.pingcap.com/files/2024/03/20240303073605293.png)
企查查数据中台系统逻辑示意图
TiDB 数据入湖使用了自研的 Flink Hybird Source。全量分片数据通过查询 TiDB 获取，增量数据通过消费 TiCDC 推送到 Kafka 的 Changelog 获取，准实时（分钟级）写入到 数据湖 Iceberg 中。Flink Hybird Source 支持全量、增量、和全增量一体三种数据同步模式。 我们将 TiDB 的部分数据同步到 ES 系统中，为 ES 系统提供数据来源，供一些检索场景的应用使用。对于离线数据，我们使用 Chunjun/Seatunnel 同步工具将其同步到 Hive 离线数据平台中，供下游的离线数据平台跑批。目前，我们正在调研 TiFlash 的功能，计划今年将部分复杂的离线查询从 Hive 迁移到 TiDB 中，直接从 TiDB 中查询，以减少数据在多个数据栈中流转，进一步提升数据的实时性。 应用价值 ---- ### 数据价值在线化 TiDB 集群的分布式读写能力远超 MySQL，无论是从源端的爬虫写入 TiDB，还是 Flink 清洗后的数据写入，TiDB 都能够满足业务需求。结合 Flink 的实时计算能力，TiDB 可以保证数据的实时性。此外，TiDB 各节点并行读取数据的能力，大大提升了数据的分发查询能力，让数据价值得以在线化。 ### 数据流转效率提升 TiDB 与上下游的数据生态兼容性良好，在接入端支持标准的 JDBC 写入，源端的数据可以直接写入到 TiDB，就像写 MySQL 一样简单。在出口端，TiDB 既可以通过 TiCDC 将数据分发到下游的 Kafka，并通过 CommitTS 特性保证业务数据的一致性，也可以通过标准接口将数据同步到下游的大数据平台，提高了企业数据的流转效率，盘活了数据资产。 使用心得 ---- ### 分享几个好用的特性 **Resource Control 满足不同业务的多租户需求** TiDB 7.1 版本引入了 Resource Control（资源管控）特性，我们迅速升级到该版本。在升级后，我们对查询平台中的正常程序账号不进行资源管控，以保证其资源得到保障；非程序账号进行部分资源管控，以防止其过多的消耗资源影响正常程序账号的查询效率。这样，我们将不同类型的业务整合到一个 TiDB 集群中，提升了资源利用率，降低了 30% 的投入成本。此外，TiDB 的资源管控功能提供了多视角的监控，可以清晰地了解各个业务模块的资源使用情况。 **gc 任意时间点内恢复** 我们将 TiDB 的 GC 时间设置为 28 小时，可以读取过去 28 小时的历史数据。同时，如果发生误删除操作，我们可以将 28 小时内的数据进行闪回恢复。与 MySQL binlog 恢复相比，这种方式的恢复效率更高。 **热点自动调度** 在 TiDB 3.0 和 4.0 版本中，当遇到热点问题时，TiDB 的处理能力不足，无法自动调度，需要人工干预。升级到 TiDB 7.1 版本后，热点调度能力得到了大幅提升，可以自动调度热点数据，有效解决了热点问题。 ### 版本升级有感 2020 年 9 月，我们将 TiDB 升级到 v4.0.6，后续升级到 v4.0.15。在 v4.0 版本中，我们遇到了一些问题，包括：删除大量数据后引发的 TiDB 重启、DDL 阻塞以及 TiCDC 不太成熟出现的问题。在该阶段，我们遇到问题时，优先在 TiDB 社区寻求答案。社区中很多经验丰富的用户和开发者提供了帮助。我们也积极参与社区的讨论，分享自己的经验，为社区做出贡献。2023 年 8 月，我们跨大版本升级到 v6.5.3。在 v6.5 版本中，上述问题均得到了解决。感受最深的是 TiCDC 的稳定性和 TiDB 重启问题得到了改进，性能也得到了很大提升。 2023 年 9 月，我们跨大版本升级到 TiDB v7.1.1。升级后，系统性能得到了大幅提升，QPS 峰值达到 50-60K，95 线响应时间从之前的 60ms 以上降低至 10-30ms。同时，我们也使用上了 v7.1 的资源管控功能，很好地满足了业务需求。在 v7.1 版本中，我们遇到了两个问题。 - 由于 TiDB 的内存控制参数由会话级别调整为 SQL 级别，导致超过内存阈值引起访问阻塞的问题。我们正在积极寻求解决方案。 - TiCDC partition\_num 参数无效的问题（参考：Tidb7.1.1 的 Ticdc 参数 partition-num 无效 ( ) ），我们已经将该问题反馈给 TiDB 社区，并很快得到反馈，在 issue : 9955 ( ) 得到修复。 这些问题的解决，充分体现了 TiDB 开源模式的优势，即社区的力量。
[下载 TiDB 社区版](/product-community/) [咨询 TiDB 企业版](/contact#submit-form)
[免费试用 TiDB Cloud](https://tidbcloud.com/free-trial?utm_source=website_cn&utm_medium=direct&utm_campaign=blog)
适用于中国出海企业和开发者