TiDB冷热存储分离解决方案
作者：Jellybean 发表于 2022-05-11
结论先行
TiDB 6.0正式提供了数据放置框架（Placement Rules in SQL ）功能，用户通过 SQL 配置数据在 TiKV 集群中的放置位置，可以对数据进行直接的管理，满足不同的业务场景需要。如：
1.冷热分离存储，降低存储成本
- TiDB 6.0正式支持数据冷热存储分离，可以降低SSD使用成本。使用 TiDB 6.0的数据放置功能，可以在同一个集群实现海量数据的冷热存储，将新的热数据存入SSD，历史冷数据存入 HDD，降低历史归档数据存储成本。
- 将热数据从ssd迁移到hdd，每小时可归档约3000万行，总体来看效率还是比较高的
- 将冷数据从hdd迁移到ssd，每小时可迁移约6300万行，大约是从ssd迁移到hdd速度的2倍
- 分离存储过程，ssd和hdd用于归档的IO消耗都在10%以内，集群访问QPS表现平稳，对业务访问的影响较小
- 在补写冷数据场景，每小时写入约1500万行到hdd，数据可正确地直接写入hdd，不会经过ssd
2.业务底层物理隔离，实现同一集群不同存储
- 通过放置规则管理将不同数据库下的数据调度到不同的硬件节点上，实现业务间数据的物理资源隔离，避免因资源争抢，硬件故障等问题造成的相互干扰
- 通过账号权限管理避免跨业务数据访问，提升数据质量和数据安全。
3.合并MySQL业务，降低运维压力，提升管理效率
- 使用少数 TiDB 集群替换大量的 MySQL 实例，根据不同业务底层设置不同的物理存储隔离需求，让数据库数量大大减少，原本的升级、备份、参数设置等日常运维工作将大幅缩减，在资源隔离和性价比上达到平衡，大幅减少 DBA 日常的运维管理成本。
我们的HTAP集群目前有一个数据归档需求，整个集群共约330TB，考虑到成本和访问频率、性能等各方面需求，要求至少存储3个月共约80TB到ssd，250TB存到hdd，现在基于我们的大数据冷热分离归档业务场景，本文重点探讨冷热数据归档存储的功能和特性，以方便下一步我们正式应用到生产环境。
概述
TiDB集群通过PD节点（Placement Driver 组件）在系统内基于热点、存储容量等策略自动完成region的调度，从而实现集群数据均衡、分散存储在各个节点的目标，这些调度操作是集群的自身管理行为，对用户而已几乎是透明的，在之前的版本用户无法精确控制数据的存储方式和位置。
TiDB 6.0正式提供了数据放置框架（Placement Rules in SQL ）功能，用户通过 SQL 配置数据在 TiKV 集群中的放置位置，可以对数据进行直接的管理，以满足不同的业务场景需要。用户可以将库、表和分区指定部署至不同的地域、机房、机柜、主机。还支持针对任意数据提供副本数、角色类型等维度的灵活调度管理能力，这使得在多业务共享集群、跨中心部署、冷热数据归档存储等场景下，TiDB 得以提供更灵活更强大的数据管理能力。
该功能可以实现以下业务场景：
- 动态指定重要数据的副本数，提高业务可用性和数据可靠性
- 将最新数据存入 SSD，历史数据存入 HDD，降低归档数据存储成本
- 把热点数据的 leader 放到高性能的 TiKV 实例上，提供高效访问
- 不同业务共用一个集群，而底层按业务实现存储物理隔离，互不干扰，极大提升业务稳定性
- 合并大量不同业务的MySQL实例到统一集群，底层实现存储隔离，减少管理大量数据库的成本
原理简介
早期版本的Placement rule使用时需要通过pd-ctl工具设置和查看，操作繁琐且晦涩难懂。经过几个版本的迭代和优化，推出的PlacementRules in SQL对用户更加友好，到了v6.0.0总体来说还是很方便理解和使用的，避免了使用pd-ctl工具配置的复杂性，大大降低使用门槛。
放置策略的实现依赖于TiKV集群label标签配置，需提前做好规划（设置 TiKV 的 labels）。可通过show placement labels查看当前集群所有可用的标签。
mysql> show placement labels ;
+------+-----------------------------------------------------------------+
| Key | Values |
+------+-----------------------------------------------------------------+
| disk | ["ssd"] |
| host | ["tikv1", "tikv2", "tikv3"] |
| rack | ["r1"] |
| zone | ["guangzhou"] |
+------+-----------------------------------------------------------------+
4 rows in set (0.00 sec)
使用时有基础用法和高级用法两种方式。
(1) 基础放置策略
基础放置策略主要是控制Raft leader和followers的调度。
#创建放置策略
CREATE PLACEMENT POLICY myplacementpolicy PRIMARY_REGION="guangzhou" REGIONS="guangzhou,shenzhen";
#将规则绑定至表或分区表，这样指定了放置规则
CREATE TABLE t1 (a INT) PLACEMENT POLICY=myplacementpolicy;
CREATE TABLE t2 (a INT);
ALTER TABLE t2 PLACEMENT POLICY=myplacementpolicy;
#查看放置规则的调度进度，所有绑定规则的对象都是异步调度的。
SHOW PLACEMENT;
#查看放置策略
SHOW CREATE PLACEMENT POLICY myplacementpolicy\G
select * from information_schema.placement_policies\G
#修改放置策略，修改后会传播到所有绑定此放置策略的对象
ALTER PLACEMENT POLICY myplacementpolicy FOLLOWERS=5;
#删除没有绑定任何对象的放置策略
DROP PLACEMENT POLICY myplacementpolicy;
(2) 高级放置策略
基础放置策略主要是针对Raft leader 、Raft followers的调度策略，如果需要更加灵活的方式，如不区分region角色将数据指定存储在hdd，需要使用高级放置策略。使用高级放置策略主要有两个步骤，首先创建策略，然后在库、表或分区上应用策略。
# 创建策略，指定数据只存储在ssd
CREATE PLACEMENT POLICY storeonfastssd CONSTRAINTS="[+disk=ssd]";
# 创建策略，指定数据只存储在hdd
CREATE PLACEMENT POLICY storeonhdd CONSTRAINTS="[+disk=hdd]";
# 在分区表应用高级放置策略，指定分区存储在hdd或者ssd上，未指定的分区由系统自动调度
CREATE TABLE t1 (id INT, name VARCHAR(50), purchased DATE)
PARTITION BY RANGE( YEAR(purchased) ) (
PARTITION p0 VALUES LESS THAN (2000) PLACEMENT POLICY=storeonhdd,
PARTITION p1 VALUES LESS THAN (2005),
PARTITION p2 VALUES LESS THAN (2010),
PARTITION p3 VALUES LESS THAN (2015),
PARTITION p4 VALUES LESS THAN MAXVALUE PLACEMENT POLICY=storeonfastssd
);
高级放置策略具体内容，请看官网介绍：高级放置选项。
环境
| 角色 | 机器数 | 内存 | 数据盘 | CPU | OS |
|---|---|---|---|---|---|
| TiDB&TiPD | 3 | 256G | 1TB hdd | 40 cpu (20 core*2 thread) | Debian 4.19.208-1 (2021-09-29) x86_64 GNU/Linux |
| TiKV | 3 | 256G | 800GB ssd，1TB hdd | 40 cpu (20 core*2 thread) | Debian 4.19.208-1 (2021-09-29) x86_64 GNU/Linux |
冷热归档存储
- 目标：对给定的表按日期分区，将最新分区的数据存入SSD，历史数据存入 HDD
功能验证
1.部署集群并建立放置策略
部署TiDB v6.0.0集群，具体参考部署集群操作
创建数据落盘策略，以备使用
# 应用该策略的库、表、分区，数据会存储在ssd上
CREATE PLACEMENT POLICY storeonssd CONSTRAINTS="[+disk=ssd]" ;
# 应用该策略的库、表、分区，数据会存储在hdd上
CREATE PLACEMENT POLICY storeonhdd CONSTRAINTS="[+disk=hdd]";
#查看集群已有策略
mysql> show placement \G
*************************** 1. row ***************************
Target: POLICY storeonhdd
Placement: CONSTRAINTS="[+disk=hdd]"
Scheduling_State: NULL
*************************** 2. row ***************************
Target: POLICY storeonssd
Placement: CONSTRAINTS="[+disk=ssd]"
Scheduling_State: NULL
2 rows in set (0.02 sec)
2.创建库表并应有放置策略
建立目标表为TiDB分区表并且按 Range 分区。
# 创建数据库tidb_ssd_hdd_test，并设置该库默认落盘策略，设置后新建的表都会默认继承该策略
create database tidb_ssd_hdd_test PLACEMENT POLICY=storeonssd;
# 查看策略已经应用到指定库上
mysql> show placement \G
*************************** 1. row ***************************
Target: POLICY storeonhdd
Placement: CONSTRAINTS="[+disk=hdd]"
Scheduling_State: NULL
*************************** 2. row ***************************
Target: POLICY storeonssd
Placement: CONSTRAINTS="[+disk=ssd]"
Scheduling_State: NULL
*************************** 3. row ***************************
Target: DATABASE tidb_ssd_hdd_test
Placement: CONSTRAINTS="[+disk=ssd]"
Scheduling_State: SCHEDULED
3 rows in set (0.02 sec)
# 建立分区表，可以看到表建立后默认继承和库一样的落盘策略，关键标识为“/*T![placement] PLACEMENT POLICY=`storeonssd` */”
CREATE TABLE `logoutrole_log ` (
`doc_id` varchar(255) NOT NULL,
`gameid` varchar(255) DEFAULT NULL ,
-- some fields
`logdt` timestamp DEFAULT '1970-01-01 08:00:00' ,
`updatetime` varchar(255) DEFAULT NULL ,
UNIQUE KEY `doc_id` (`doc_id`,`logdt`),
-- some index
KEY `logdt_gameid` (`logdt`,`gameid`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin /*T![placement] PLACEMENT POLICY=`storeonssd` */
PARTITION BY RANGE ( UNIX_TIMESTAMP(`logdt`) ) (
PARTITION `p20220416` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-17 00:00:00')),
PARTITION `p20220417` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-18 00:00:00')),
PARTITION `p20220418` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-19 00:00:00')),
PARTITION `p20220419` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-20 00:00:00')),
PARTITION `p20220420` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-21 00:00:00')),
PARTITION `p20220421` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-22 00:00:00')),
PARTITION `p20220422` VALUES LESS THAN (UNIX_TIMESTAMP('2022-04-23 00:00:00'))
);
3.写入热数据到ssd盘并扩容hdd存储节点
- 集群只有3个ssd的tikv节点，启动flink流往目标表导入数据，可以看到这3个ssd节点的region数和空间使用在不断增长
- 在原有基础上再扩容3个hdd tikv实例
4.冷热分离
为了方便模拟数据的迁移，flink导入的数据是全部落在2022-04-16这一天：
mysql> select date(logdt) as day,count(0) from logoutrole_log group by day order by day ;
+------------+----------+
| day | count(0) |
+------------+----------+
| 2022-04-16 | 1109819 |
+------------+----------+
1 row in set (1.09 sec)
停止flink写入后，设置数据分离放置策略，将存储在ssd上的2022-04-16这一天的数据，转存到hdd上，模拟冷数据归档操作：
mysql> alter table tidb_ssd_hdd_test.logoutrole_log partition p20220416 placement policy storeonhdd;
Query OK, 0 rows affected (0.52 sec)
在应用hdd转存策略后，如下图可以看到调度规则里2022-04-16这一天的分区Placement由ssd变为了hdd，即集群已经知晓最新的调度策略是将这一天的分区数据调度到hdd去，Scheduling_State处于PENDING状态，表示 Follower 的 raft log 与 Leader 有较大差距，在这里可以理解为是正在处于调度的过程。
随着时间的推移，数据在不断从ssd迁移到hdd上。从集群grafana监控面板可以看到ssd节点上的region数据在不断下降，直到降到接近于0；相反，hdd上的region数不断上升，直到数据全部迁出ssd节点。110万行数据从ssd迁移到hdd，大约耗时3min 。
在数据全部迁如hdd节点后，查看调度进度，此时Scheduling_State处于SCHEDULED完成调度状态：
结论：
- 证明冷热数据隔离存储策略已经生效，ssd上的数据完成迁移到hdd上，且ssd的空间得以释放，符合数据归档的目标。
静态集群冷热存储分离（无外部访问）
ssd->hdd
继续通过flink写入数据到2022-04-17分区，然后停流使集群没有外部访问流量，将此分区上 ssd数据迁移到 hdd。
alter table tidb_ssd_hdd_test.logoutrole_log partition p20220417 placement policy storeonhdd;
ssd上的region全部迁移到hdd上，ssd空间被释放，hdd空间使用逐渐增加，迁移过程中ssd和hdd的IO消耗都在5%左右，内存和网络带宽使用不变、保持平稳。 约6千万行130GB数据从ssd数据迁移到 hdd大概需要2个小时
结论：
- 在将大规模数据从ssd数据迁移到 hdd过程，集群资源消耗比较低，可以有效避免过多占用集群资源。
- 在集群没有外部访问压力时，在默认配置下，集群以每小时约3000万行的速度从ssd迁移到hdd节点。
hdd->ssd
在没有外部流量访问时，将数据从hdd迁移回ssd，从监控图可以看到，hdd节点的tikv的leader数、region数在此期间都在下降，分别从850、2500逐渐下降直到为0，磁盘空间也从62GB下降为0，表示数据在持续迁移出hdd节点；
相反地，由于数据不断迁入到ssd中，ssd节点的tikv的leader数、region数在此期间都在上升，分别从1500、4200逐渐上升到2200、6700，直到数据迁入完成，然后保持数量不变，ssd的磁盘空间消耗也从100GB上升到161GB。
迁移的过程中，ssd和hdd节点的IO使用率都比较低，如下图：
结论：
- 将冷数据从hdd迁移至ssd，迁移1.7亿行共约200GB数据，大约耗时2小时40分钟，平均每小时迁移6300万行，速度约为将热数据从ssd迁到hdd的2倍（每小时约3000万行）
- 将数据从hdd迁移至ssd的过程，不管是对ssd还是hdd，其平均IO使用率都不高，不会占用过多集群的资源，可以认为数据迁移过程对集群正在运行的业务影响不大
热集群冷热存储分离（外部持续访问）
继续持续写入数据到2022-04-18和2022-04-19的ssd分区，然后不停流保持持续的写入压力，迁移2022-04-18数据从ssd到hdd，观察集群表现。
#应用放置策略将2022-04-18数据从ssd归档到hdd
alter table tidb_ssd_hdd_test.logoutrole_log partition p20220418 placement policy storeonhdd;
在归档过程，flink同时持续以2100的QPS写入热数据，期间ssd IO接近100%，hdd的IO消耗在10%以下，各节点CPU在500%以下，网络带宽在200MB/s以下，内存使用保持平稳。
从region数变化的角度来看：
- 在归档数据时，ssd的tikv region数从6300下降到3500左右，当迁移完成后是净写入数据，此时ssd 节点的region数量又持续上升；
- hdd节点的region数从开始的2600上升到6500左右，随着数据迁移完成，hdd的region数不再增加，一直保持6500不变。
从磁盘使用空间变化的角度来看：
- 归档数据时，ssd节点的磁盘使用空间从152GB下降到88GB，当迁移完成后，此时是净写入数据，ssd空间开始上升；
- 数据在不断写入到hdd节点，所以其使用空间从61GB上升到154GB，随着数据迁移完成，一直保持不变
结论：
- 在有外部几乎是满IO的写入压力时，归档约2亿行、400GB数据从ssd到hdd节点，大概需要6个小时，即约3300万行/小时，可以说冷数据的归档效率还是比较高的
- 集群后台在进行数据归档时，flink的sink QPS变化不大，可以认为归档的过程对集群正常写入影响不大
归档数据补写
业务上有补全历史数据的场景，比如数据重算等，这里模拟补全历史冷数据，写入到hdd。
- 2022-04-16这一天的数据已经全部转存到hdd冷盘中。启动flink流，继续对2022-04-16分区写入数据，这些只会写hdd，不会写入ssd。flink流以2000左右的sink QPS补全冷数据，hdd tikv节点IO打满，SSD的IO使用率比较低。
从下图可以看到，在补全冷数据的时候， hdd节点的region数在不断上升，hdd tikv的空间消耗也在不断增加，而ssd的空间使用和region数均保持不变，说明数据并不会写入ssd中，符合预期。
结论：
- 说明TiDB冷热数据分离存储功能，在补全历史冷数据的场景，即归档数据补写，数据可以正确地直接写入到hdd，期间数据不会经过ssd
- 补全冷数据，hdd tikv节点IO打满，ssd的IO使用率比较低，也说明数据不会经过ssd
同一集群业务隔离
除了冷热数据归档外，我们线上不同的业务线通常采用一套或多套 MySQL 来管理，但因为业务多导致MySQL有数百个，日常的监控、诊断、版本升级、安全防护等工作对运维团队造成了巨大的压力，且随着业务规模越来越大，管理的成本不断上升。
使用Placement rule功能可以很容易灵活的集群共享规则。可以将不同MySQL上的业务迁移到同一个TiDB集群，实现多个不同业务的共用一个集群而底层提供物理存储隔离，有效减少大量MySQL的管理成本。这个也是我们接下来会继续推进优化的地方。
举例说明，业务 A和B 共享资源，降低存储和管理成本，而业务 C 和 D 独占资源，提供最高的隔离性。由于多个业务共享一套 TiDB 集群，升级、打补丁、备份计划、扩缩容等日常运维管理频率可以大幅缩减，降低管理负担提升效率。
CREATE PLACEMENT POLICY 'shared_nodes' CONSTRAINTS = "[+region=shared_nodes]";
CREATE PLACEMENT POLICY 'business_c' CONSTRAINTS = "[+region=business_c]";
CREATE PLACEMENT POLICY 'business_d' CONSTRAINTS = "[+region=business_d]";
ALTER DATABASE a POLICY=shared_nodes;
ALTER DATABASE b POLICY=shared_nodes;
ALTER DATABASE c POLICY=business_c;
ALTER DATABASE d POLICY=business_d;
基于 SQL 接口的数据放置规则，你仅仅使用少数 TiDB 集群管理大量的 MySQL 实例，不同业务的数据放置到不同的 DB，并通过放置规则管理将不同 DB 下的数据调度到不同的硬件节点上，实现业务间数据的物理资源隔离，避免因资源争抢，硬件故障等问题造成的相互干扰。通过账号权限管理避免跨业务数据访问，提升数据质量和数据安全。在这种部署方式下，集群数量大大减小，原本的升级，监控告警设置等日常运维工作将大幅缩减，在资源隔离和性价比上达到平衡，大幅减少日常的 DBA 运维管理成本。
总结
1.冷热分离存储，降低存储成本
- TiDB 6.0正式支持数据冷热存储分离，可以降低SSD使用成本。使用 TiDB 6.0的数据放置功能，可以在同一个集群实现海量数据的冷热存储，将新的热数据存入SSD，历史冷数据存入 HDD，降低历史归档数据存储成本。
- 将热数据从ssd迁移到hdd，每小时可归档约3000万行，总体来看效率还是比较高的
- 分离存储过程，ssd和hdd用于归档的IO消耗都在10%以内，集群访问QPS表现平稳，对业务访问的影响较小
- 在补写冷数据到hdd场景，数据可正确地直接写入hdd，不会经过ssd。flink补写冷数据时满IO每秒写入约4000行，每小时写入约1500万行。
2.业务底层物理隔离，实现同一集群不同存储
- 通过放置规则管理将不同数据库下的数据调度到不同的硬件节点上，实现业务间数据的物理资源隔离，避免因资源争抢，硬件故障等问题造成的相互干扰
- 通过账号权限管理避免跨业务数据访问，提升数据质量和数据安全。
3.合并MySQL业务，降低运维压力，提升管理效率
- 使用少数 TiDB 集群替换大量的 MySQL 实例，根据不同业务底层设置不同的物理存储隔离需求，让数据库数量大大减少，原本的升级、备份、参数设置等日常运维工作将大幅缩减，在资源隔离和性价比上达到平衡，大幅减少 DBA 日常的运维管理成本。
4.放置策略应用操作步骤
- 对已有集群应用Placement Rules
0. 将集群升级到6.0.0版本
1. 创建默认SSD策略
2. 打开放置策略默认开关，使得集群已有库表都默认存储在ssd上 （该功能依赖官方发布新版本支持）
- 目前只能用脚本alter全部库设置这个默认策略，如果有新增的库也需要提前进行设置
3. 申请新机器并扩容新的 hdd tikv
4. 创建 hdd 放置策略
5. 在目标表的目标分区上指定 ssd或hdd 策略
6. 定期将过期分区声明hhd放置策略
- 对新建的集群应用Placement Rules
0. 部署6.0.0集群版本
1. 创建默认SSD策略
2. 创建的全部库都先设置这个默认策略
3. 申请新机器并扩容新的 hdd tikv
4. 创建hdd放置策略
5. 在目标表或目标分区上指定ssd或hdd 策略
6. 定期将过期分区声明hhd放置策略