更新@2023年1月

应部分读者要求，制作了一个《高性能MySQL 第四版》主题页：链接。主题页中包含了该书籍的适合读者、如何阅读该书籍、该书籍中涉及的链接、以及部分来自读者的勘误等，供参考：高性能MySQL。

---

十年经典再更新

十年前，当时Ningoo找到我们翻译第三版时（参考），还是一个刚刚进入数据库领域的小兵。十年后，当初的译者们，都已经在各个公司的数据库方向成为中坚力量。

时隔十年，《高性能MySQL》再次出版，这是该系列的第四个版本。过去十年，《高性能MySQL 第三版》已经成为除了文档之外，MySQL相关开发者、DBA等从业者的必读书目，在豆瓣上也收到了9.3分的好评。

MySQL在中国的这十年

过去十年也是中国MySQL快速发展的十年。在2022年，CSDN的中国开发者调查报告中的数据，在中国，有73%的开发者都在使用MySQL，稳居第一名，且遥遥领先其他数据库。一方面是中国互联网在过去十年的快速发展背后，需要海量的、低成本的数据库存储方案，另一方面，更重要的，随着中国开发者、DBA能力增强，从原来的用好开源，逐步成长为开源背后的重要的贡献力量。无论是，阿里、腾讯、华为、百度、去哪儿等公司，都在通过各种方式，一方面输出自己的最佳实践，另一方面也在向MySQL代码库贡献自己的力量。

随着，中国厂商在MySQL技术使用和商业上的深入，以阿里云、腾讯云、华为云为代表的中国技术厂商已经成为MySQL社区重要力量：

• 在2018年，阿里云数据库RDS团队，因为多源复制、FlashBack等功能获得了MySQL Community Awards，彭立勋作为代表在Percona Live接受颁奖：参考
• 2018年，在5.7.17版本，由翟卫祥贡献的关于Group Commit和GTID的优化：参考；2021年，在8.0.24版本中，由翟卫祥修复的关于InnoDB Recovery阶段性能问题：参考。除此之外，翟卫祥其实是比较频繁的出现在MySQL Release Note的人。也因为这些贡献，翟卫祥也在2019年也获得了MySQL Community Contributor of the Year的奖项：参考。
• 2019年，腾讯游戏CROS DBA团队的陈福荣（Vin Chen）、梁飞龙（Felix Liang）也获得MySQL Community Contributor Award：参考。
• 2022年，彭祥在今年成为MariaDB Foundation的Board Members，他也是阿里云RDS业务的负责人。
• 2022年7月，在最新的8.0.30版本中，来自腾讯CDB团队的Yuxiang Jiang和Zhou Xinjing修复了部分关于InnoDB、PS相关的Bug：参考。
• 另外，在MySQL Bug系统上，也经常能够看到国内厂商的身影，主要是阿里云和腾讯。

在国内社区，诸如丁奇、彭立勋、周彦伟、杨建荣、韩锋、杨奇龙、叶金荣、沃趣科技、盖国强、何登成等都非常活跃，通过ACMUG、DBAplus、墨天轮等平台推广数据库的最佳实践。另外，国内各个大厂也都还有隐藏着非常多的“扫地僧”级别的高手，抛头露面比较少，诸如ba0tiao、江神、Jimmy（这里无法一一列举）也是中国MySQL社区非常重要力量。

MySQL凭借着其强大的影响力，也影响着一系列的产品的发展。在云时代，MySQL依旧是主角。在2014年AWS推出的Aurora、2017年阿里云推出的PolarDB、2018年腾讯云发布CynosDB（TDSQL-C前身）都首先选择了兼容MySQL。而众多新的数据库，诸如OceanBase、TiDB、PolarDB-X、ClickHouse、AnalyticDB等都或者选择兼容MySQL或者使用MySQL类似的SQL方言。而各个云厂商，凭借着MySQL开放、开源，基于其构建的RDS、或者云原生数据库都赚的盆满钵满，通常，都能够占到其数据库收入的50%以上。这也从经济基础上，保障了各个云厂商依旧会坚定不易的在MySQL方向投入大量人力，推进MySQL的发展。到目前为止，MySQL数据库也成为了“开源技术”和“云厂商”之间，在技术利益非常庞大的时候，依旧能够较为“和谐”相处的案例之一。

兼容MySQL的分布式数据库

全球的MySQL数量约为800万个，大量的运行场景已经催生更加垂直和高要求的产品。兼容MySQL的分布式数据库就是其最重要的一个方向。从需求上来说，随着数据的快速增长，在越来越多的场景下，MySQL单机架构已经无法满足需求，分布式数据库在过去10年也在快速发展。2010年，阳振坤在淘宝内部开始研发OceanBase，自2015年后，开始逐步在外部探索商业化，同时兼容MySQL和Oracle；TiDB于2015年正式发布，兼容MySQL协议；2020年，在云栖大会上，阿里云数据库负责人李飞飞也宣布，DRDS正式升级为PolarDB-X，并于2021年正式开源，也是兼容MySQL协议。2018年，ShardingSphere发布（前身为Sharding-JDBC），也是兼容MySQL的。

在中国当下，分布式数据库的竞争是异常激烈。在今年（2022年）的4月份，TiDB发布了6.0版本，将TiFlash也正式开源，之后也很快上线TiDB Cloud，上线了阿里云心选商城。OceanBase也于今年的8月发布了4.0版本，单机部署最小支持4核8G；分析能力实现了由全场景向量化能力覆盖；OceanBase Cloud也会很快上线。另外，PolarDB-X也在持续的增强，发布包括了与MySQL兼容性比较好的AUTO_INCREMENT、数据热点诊断、冷热数据存储分离、Flashback Query等功能。另外，ShardingSphere、TDSQL等也在快速发展。

另外，在今年9月，TiDB和OceanBase都不约而同的在美国硅谷开始做产品推广，这个竞争已经逐步从国内延伸到了海外。这也是该行业快速发展与繁荣的体现。

自此，中国的数据库已经逐步从最早的用好开源、贡献开源，慢慢走向自主研发、独立品牌的模式，也从国内竞争开始走向更大的国际市场，这是中国数据库在商业模式、技术能力、生态建设都更加强大的体现。

新的版本，新的技术

MySQL 5.1是十年前的主流版本，期间经历了5.5、5.6、5.7，到现在8.0逐步成为当前的主流版本。在最新的“第四版”发布时，MySQL最新的版本为8.0.20，所以，书中很多案例与测试也都在该版本中经过了测试与验证。

这次出版的《高性能MySQL 第四版》则新增了过去十年MySQL各个新版本特性。新的版本背后代表的是新的技术。例如，从5.6开始引入、5.7和8.0版本中逐步成熟的GTID技术，大大提高了MySQL复制时的数据一致性、以及可运维性，也使得MySQL在整个数据流生态中，变得更加易用；随着，NoSQL的流行以及部分应用或者模块中Schema Free设计的出现，MySQL在最近的版本中，一直在不断增强对JSON的支持，包括操作JSON函数支持、性能优化、表达式函数支持等，使得在MySQL中也可以非常自由、高效的管理JSON数据。

性能管理一直是该书目的重点部分，最新版本的MySQL也在不断的完善Performance Schema（简称“PS”），帮助用户更加系统的进行性能管理与优化。在第四版中新增的第三章则系统的介绍了PS，可以帮助读者系统的了解如何通过PS查看数据库/InnoDB内部的运行指标，从而观测性能并针对性的进行优化。

云数据库已经成为数据库领域最重要的方向。本书也增加了关于云数据库的篇幅，并以AWS Aurora、谷歌云数据库、云主机自建数据库为代表，介绍了当前云数据库的使用、能力以及限制等。随着云计算、IoT、互联网等技术发展，数据量也一直在快速增长，本书也增加了关于如果扩展MySQL的章节与篇幅，包括通过只读节点进行的读扩展，以及如何通过拆分的方式进行写扩展等。

另外，本书另一个重要特点是做了大量删减，全书也从原来的第三版约800页精简到约350页：

删除了所有的MyISAM引擎相关的内容。MyISAM引擎是最早版本MySQL的原生引擎，但由于其架构缺陷、不支持事务、性能等原因，自8.0版本开始彻底被InnoDB替换。 

删除了大量关于如何配置MySQL的内容。随着时间的推移，现在的MySQL文档已经非常详尽的描述了这部分操作。本书则侧重于原理、使用、最佳实践等。  

删除或大大简化了诸如分区表、调度事件、全文索引、Query Cache等特性的介绍。虽然，在十年前这些都还算是MySQL的“高级特性”,但现在已经为大家所熟悉，而且文档已经了非常详细的描述，本书则不再介绍这些内容。

当然，依旧保留了最重要的部分，包括MySQL架构与基础原理、可靠性管理、SQL优化、索引设计与优化、硬件与软件适配优化、表结构设计规范与原理、复制技术、备份与恢复、垂直与水平扩展、云数据库等。

整体上，依旧非常推荐大家购买与阅读。本书，在翻译出版过程中也得到了很多数据库领域朋友的支持，包括沃趣科技陈栋、云和恩墨盖国强、OceanBase的阳振坤、周彦伟等，尤其是，阿里云数据库负责人、ACM/IEEE Fellow李飞飞 特意拨冗指导并撰写推荐序言，这里引用如下：

随着互联网行业以及云计算产业的高速发展， MySQL成为世界范围内以及中国数据库领域最流行的开源数据库。在几乎所有大型互联网业务场景中， MySQL都是业务架构的核心组件之一。广泛的应用也推动了MySQL在过去十年的高速发展，MySQL社区相继推出了5.6、5.7、8.0版本，从性能、可扩展性、安全性、稳定性、可维护性、易用性等维度都有了非常大的发展。《高性能MySQL 第三版》是2012年发布的，最新版本的《高性能MySQL 第四版》在上一版的内容上延续了之前的经典内容，包括架构设计、优化、高可用等内容，同时新增了云数据库、扩展性等过去10年发展的相关内容，另外，也增加MySQL过去10年里的最新版本包括5.7、8.0版本的最新的特性和内容。

MySQL作为当下最流行的开源数据库，本书从实践的角度涵盖了数据库系统的架构设计、锁、性能管理、高可用等内容，除了作为MySQL的参考书之外，也可以作为数据库系统原理和设计的一个实现参考。随着云数据库的流行，这本书的最新版也做了相应的调整，例如，将数据库的安装、配置、监控搭建等基础操作内容(云数据库封装并提供了大部分这些能力)做了大幅度的缩减。因此，本书也非常适合面向云数据库系统开发者的一本MySQL参考书籍。如本书的名字所述，本书在内核设计、性能优化方面，依旧是着墨最多的部分，深入介绍了锁管理、并发控制、Performance Schema使用、索引优化等内核机制，可以帮助企业的DBA、或者想深入了解MySQL优化的开发者，以及云数据库开发者更高效的使用和拓展MySQL。

本书的译者是云数据库领域和MySQL数据库的资深专家，有着很强的技术能力和行业实践以及业务洞察，同时也具备非常出色的业务架构设计和商业化经验。在深入理解原著的基础上，结合自己的洞察和经验提供了出色的专业化中文版本，是MySQL领域不可多得的一本必读书目。

Shadowserver Foundation在5月31日发布了一份全网的MySQL扫描报告，共发现了暴露在公网的360万个MySQL实例。因为这份报告基数够大，而且信息也非常完整，从数据库专业的角度来看，里面是有很多非常有意思，且可以量化的数据和结论的。之前网上的一些分析都是基于安全角度来分析，这里我们一起再看看这份报告里面隐含的一些数据库信息吧。

另外，这里的“暴露在公网”，是指其端口在公网可以被访问且响应握手信息，并不是可以被登录，并没有什么安全隐患。原报告的文章链接可以在文章结尾处查看。

数据说明

该数据由Shadowserver的SCANNING PROJECT收集，总计扫描到537.8万个打开的3306端口，其中IPv4协议的395.7万个，IPv6协议142.1万个。这些端口中反馈了握手信息的共360万个，其中IPv4协议的228万个，IPv6协议134.4万。

返回握手信息的360万实例，因为握手信息包含了版本等信息，加上Shadowserver的地域等信息，就构成了一份较为完整的MySQL实例版本和实例分布数据。

Shadowserver并没有公布完整的数据详细信息，但依旧公布了多个维度的数据供分析。

8.0 GA已经四年，但5.7依旧是主流

以IPv4 Top 10的版本来看，当前5.7版本占比最大，其次为5.6和8.0版本。另外，MariaDB占比14%，更具体的：

• MySQL 8.0 GA日期为2018年04月，占比为8%
• MySQL 5.7 GA日期为2015年10月，占比为46.7%
• MySQL 5.6 GA日期为2013年02月，占比为30%
• MariaDB版本占比为14%，包括了MariaDB 5.5占比8.1%，其10.1版本占比6%

可以看到，MySQL 5.7依旧为当前最主流的版本，根据MySQL官方的规划，该版本可能在明年的10月就会停止对其的扩展支持，可能就不再更新版本。与此同时，MySQL官方还可能会在今年推出新的大版本（可能是9.0或者8.1之类的），加上5.7的维护周期接近尾声，会较为大量的用户升级到新版本。

全球共有800万MySQL实例在运行

根据一些公开数据和部分经验数据，这里对全球MySQL运行实例个数做一个预测。在这份报告中，共探测到约538万开放的3306端口，其中约360万返回了握手信息。那么，全球一共有多少MySQL在运行呢? 这里基于以下信息做一个猜测：

• 根据帕累托法则，即2/8原则，约仅有20%的因素影响80%的结果
• 诸如Google、Amazon、微软、阿里巴巴、腾讯、字节跳动等大型企业保有大量实例，且不可以被扫描
• 还会有大量实例运行在AWS、Azure、阿里云、GCP等云环境的VPC之中，如果没有开启公网IP，通常也无法被扫描到，这部分根据一些经验数据，预计为200万个
• 根据IDC数据，全球服务器2021年出货量为1350万台

那么，扫描到538万再加上200万，则有约738万个”闲散”实例。根据2/8原则，诸如Google、Amazon、阿里巴巴等这些大型企业(非云部分)中依旧可能保有着20%的实例（738万为80%部分），也就是约为184.5万个实例。那么预计：全球整体MySQL实例数量可能在922万这样的数量级。

另外，我们再从全球服务器出货量角度做一个验证。根据IDC数据，2021年全球服务器出货量约为1350万台，这里假设（该假设基于一些历史的经验）10台服务器对应一个数据库实例，那么2021年服务器出货量就对应了135万个实例，按照服务器平均5年折旧计算，总保有则约为675万个实例，这里与922万有一定的偏差。折中取这两个数据的平均值，所以这里预测：全球MySQL实例数在800万左右。当然，这只是一个超大颗粒度的、不可验证的预测，如果有更好的预测模型或者数据支持，欢迎回复公众号讨论。

MariaDB在某些细分市场份额很大

从这份数据来看，MariaDB是拿下了非常大的市场的。从IPv4 top 10版本统计信息来看，MariaDB占比为14.3%；如果，单从IPv6的统计数据来看，MariaDB占比为86.2%，实例数量超110万。

这里在IPv6环境中，部署量最大的版本为：5.5.5-10.5.12-mariadb-cll-lve，这是一个cPanel在Lightweight Virtual Environment的发行版本，而对应的MariaDB 10.5.12版本为2021年8月发布。从这个点看到，MariaDB是获得了更多的开源社区的信任，作为其发行版的默认数据库版本。甚至在一些细分的场景中，MariaDB甚至可以说可能成为了主流。

但，另一方面，根据在中国的实际感受来看，MariaDB的市场现状并没有以上数据展示的那么乐观，原因如下：

• 一是MySQL品牌依旧非常强大，虽然安装的MariaDB，但是实际使用的客户端依旧可能是mysql命令行，所以，用户依旧当做MySQL来使用。
• 另外，目前，大型企业全面使用MariaDB支撑核心业务的公司还比较少，大部分依旧是使用MySQL，并基于MySQL去进行优化，而不是MariaDB。

当然，从这个数据角度来看，MariaDB的这个部署量依旧会给其带来很多优势：

• 提升用户认知基础，虽然命令行依旧使用mysql，但是登录后依旧会看到MariaDB版本号信息和功能
• 产品会在各种环境中被使用，对其整体的稳定性会有较大的保障
• 相比MySQL，MariaDB已经获得更多Linux发行版的信任，这可能是进一步获得扩大市场的最重要的机会点之一

49%的实例启用了TLS/SSL加密

从所有IPv4环境的实例数据来看，有49%启用了TLS/SSL加密。因为MySQL 5.7之后的版本，都已经默认开启了传输加密，这与前面的MySQL 5.7占比数据是基本吻合的，大部分用户在使用5.7或8.0的时候，都会使用其默认自带的加密能力。所以，你的实例开启了传输加密吗？延伸阅读：

• 开启TLS传输加密对数据库性能的影响
• 是时候开启数据库的加密传输了

中国的MySQL实例在全球占比15.8%

在这份报告中，从IPv4的数据中看到，中国MySQL实例数占比为15.8%（大陆地区约为13%，香港地区约为2.8%），仅次于美国的32.5%。其次是波兰、德国、法国、新加坡等地。另外，根据IDC的报告中国服务器出货量占全球比率约为25.3%（2021年，从销售额角度），所以，中国数据库的实际部署量可能更大。

IPv6在全球普及率都不高，中国更低

从整体数据来看，有握手反馈的扫描中，IPv4的3306共扫描到2,279,908个，IPv6共1,343,993个，在全球角度上，运行在IPv6上的MySQL已经达到了37%。但是，这个数据在中国，仅有0.1%。虽然，数据库部署并不适合作为IPv6和IPv4的对比，但作为一个参考，可以看到在全球范围IPv6已经比较高了，但是在中国普及率还非常低。

从这份数据来看，IPv6较高的国家有：美国、荷兰、新加坡、德国、英国等。

这份数据的一些限制

• 因为报告是通过端口扫描获得的信息，所以各个大公司自己内部的服务器都是不在其中的。所以，实际MySQL装机量应该远大于这个量。另外，大公司企业数据库情况可能与报告有一定的偏差。例如，通常大公司环境中数据库版本会比较统一，而不会简单的使用最新版本。
• 报告中的数据可以看到MariaDB的部署量比想象的要大。猜测的原因可能是，很多Linux发行版本中自带的仓库使用的是MariaDB数据库，这让MariaDB的装机量比想象的更大。
• 另外，报告没有公布所有的数据，例如版本数据，只有Top 10的版本，占整体IPv4的比率约为26%，还不是一个完整的数据，可能与整体数据会有一些偏差

其他补充说明

• MariaDB的握手阶段提供的版本信息与实例中的信息有一些不同，所以会呈现出比较多的是”5.5.5-10.5.12-mariadb-cll-lve”这样的版本号，其中10.5.12才是MariaDB正确的版本号；”cll”应该是代表有cPanel编译提供的发行版(参考)；”lve”则可能是”Lightweight Virtual Environment”的缩写。
• Shadowserver Foundation是什么？“Shadowserver是全球领先的恶意活动调查、互联网安全报告的公益组织，Shadowserver维护着世界上最大的安全信息存储库之一，它存储了数以万亿计的历史恶意网络连接，同时Shadowserver每天扫描整个互联网超过50种协议暴露情况，用于查找可能用于攻击利用的配置错误或存在恶意行为的系统，Shadowserver拥有超过20个监测节点。”
• Shadowserver还扫描了MongoDB、Redis、SQL Server的情况。MongoDB约为10万个（101338，参考）、Redis约为2.5万（参考）、SQL Server约为8.5万（参考）。如果说，MySQL在很多Linux环境中可能默认安装，但是这几个数据库一般是不会被默认安装的。
• 报告中IPv6协议下的MySQL实例数据与实际感受差距非常大，例如在IPv6版本下，MariaDB占比约为85%（超100万实例）。在IPv6实例最多的国家是美国、荷兰、新加坡等来看，这与服务器出货量相关数据匹配度非常低。所以，有几种可能：一个是MariaDB在某个细分的场景下有非常大的优势，在早期对IPv6支持更好，所以在某些对IPv6有强制要求的地区和国家有更好的市场。
• 再次声明这里的“暴露”在公网，并不是说这些实例不安全，因为这里的探测不能，也没有连接上数据库，而是在连接之前的握手数据交换阶段。

原始报告链接

• https://www.shadowserver.org/news/over-3-6m-exposed-mysql-servers-on-ipv4-and-ipv6/

在上周，SQL Server 2022版本（16.x）正式进入公测状态，大家都可以下载并安装了。当前只支持Windows，被称为CTP 2.0版本（community technology preview ），包含了企业版的所有功能，可以试用180天。于是第一时间下载并进行了体验，一起来看看，新版本有哪些新的功能吧。

01 全面支持与Azure云建立链接

SQL Server 2022版本在复制与容灾、分析增强、S3存储兼容支持、Azure Arc、Azure Defender等方面，全面的与Azure云在建立链接。

通过Azure Synapse Link for SQL（公测）支持将SQL Server 2022版本与云端Azure Synapse Analytics无缝集成，从而实现分析、BI和ML等数据处理能力。还可以通过Azure SQL Managed Instance的Link功能，实现将云端实例作为本地SQL Server的副本，提供只读或者容灾使用。

SQL Server安装时，可以直接安装Azure Arc agent；支持使用Azure AD进行数据库的认证；支持使用Azure Defender for SQL来保护SQL Server。

支持了S3-协议的对象存储：从2012版本开始，已经支持了备份到Azure Blob Storage，2022版本开始支持到S3兼容的存储进行备份；同时，通过，PolyBase功能可以支持S3兼容存储的访问，支持使用T-SQL直接访问parquet文件的数据。

02新增了账本数据库(ledger database)功能

2022版本中，新增支持了ledger database功能，提供数据不可篡改的证明。其模式类似于AWS QLDB。具体的，在数据库所有记录的变更都通过递归哈希的Merkle tree记录（被称为Database digests），用户可以通过其他独立的存储保存该Database digests，独立存储可以使用Azure Blob Storage或其他写入后不可修改的存储中。在重要的审计、第三方商务流程记录等场景下，可以使用账本数据库对数据进行不可篡改的存储。

03 持续提升数据库性能

• 备节点上支持与主节点上一样的Query Store功能，帮助用户管理与诊断Query的执行计划相关的问题
• 开始支持Query Store hints功能（注：之前仅Azure云端版本支持）
• 增强了Memory Grant Feedback (MGF) 功能
• 提升了大内存场景下的内存管理能力，避免OOM发生；提供了大内存场景下，内存池并行扫描的能力
• 提供了参数-自感知缓存执行计划能力，帮助SQL Server自动化的处理由于参数分布带来的无法使用最优执行计划的问题
• 创建表语句新增了XML_COMPRESSION选项，提供XML压缩能力
• 提供新的硬件感知和使用能力，例如使用高级向量扩展指令集（Advanced Vector Extensions）
• DOP功能提供新的参数DOP_FEEDBACK，帮助更加自动化管理DOP参数的配置
• 提供了Cardinality estimation feedback，帮助定位由于基数预估不准确导致的性能问题
• 提供了基于Query Store功能的强制执行计划选择能力

04 持续增强可用性与可管理性

• 提供了”contained availability group”，在AG层面提供了自己的元数据管理、并且包含了需要的一些系统数据库等内容
• 支持了AG参数REQUIRED_SYNCHRONIZED_SECONDARIES_TO_COMMIT的修改
• 在SQL Server初始安装时，可以直接安装Azure Arc agent
• 进一步优化了ADR功能（Accelerated Database Recovery），开启后数据库在异常恢复时能够更快，提升整体可用性
• 提升快照备份能力，新增了使用T-SQL冻结IO操作
• 新增参数降低数据库收缩（空间回收）是对数据库并发读写的影响
• 新增了数据库级别变量实现异步的统计信息更新，以降低对数据库并发读写的影响
• 支持数据备份到S3兼容的存储中，也可以直接从这类存储中恢复数据

05 增强了数据库安全

• 支持使用Azure Defender for SQL保护SQL Server
• 基于最小权限原则，对于某些管理任务新增了新的内置权限与角色
• 提供了更细粒度（包括database、schema、table或column级别）的UNMASK权限管理
• 更好的支持了对秘钥（数字证书和秘钥）向Azure Blob Storage的备份
• 支持新的TDS 8.0协议，兼容TLS 1.3
• 增强了Always encrypted数据的加密查询能力，包括 JOIN, GROUP BY, and ORDER BY等

06 其他功能与细节方面的增强

• 新增更多的JSON相关的函数：ISJSON、JSON_ARRAY、JSON_OBJECT、JSON_PATH_EXISTS等
• 新增了部分处理时序数据的函数，例如DATE_BUCKET、GENERATE_SERIES等
• 新增SELECT…WINDOW语法
• ALTER TABLE ADD CONSTRAINT支持中断后续执行
• 新增部分聚合和字符处理函数：GREATEST、LEAST、STRING_SPLIT
• Azure Data Studio、VS Code最新版本都开始支持SQL Server 2022；SSMS发布最新的19.0版本；

总结在2022版本中，继续增加了性能、安全性、可管理性，最重要就是增强了与Azure云的联系，帮助用户用好本地数据库的同时，具备较为便捷的向Azure云端迁移的能力。相关参考阅读：

> What’s new in SQL Server 2022 (16.x) Preview ：

https://docs.microsoft.com/en-us/sql/sql-server/what-s-new-in-sql-server-2022?view=sql-server-ver16

> Get SQL Server 2022 Preview Evaluation Edition

https://go.microsoft.com/fwlink/?linkid=2162126

在上周的Google I/O大会上，GCP（Google云平台）正式对外发布了数据库AlloyDB（Preview版本）。这里对AlloyDB的架构也做一个较为深入的分析，看看与当前的云原生数据库PolarDB、Aurora有哪些异同。

01 AlloyDB 整体架构图

AlloyDB是GCP上的一个全托管的云数据库服务，当前完全兼容PostgreSQL 14，提供企业级的性能、扩展性与可用性。声称是标准PostgreSQL性能的4倍，AWS同类服务的两倍（应该是指RDS PostgreSQL和Aurora PostgreSQL），如果是分析查询，则可能有100倍的性能加速。另外，在介绍时，还特别提到，价格非常透明，这应该是针对当前AWS数据库大多数都对IOPS独立并按量计费而说的。

根据当前资料，其整体架构如下：

高清大图下载地址：

https://cloud-database-tech.github.io/images/alloydb-arch-with-qr-code.png

02 AlloyDB与Aurora、PolarDB有什么异同

• 简单来说，其架构与现有的云原生数据库Aurora、PolarDB都非常相似。使用了存储计算分离，分布式存储提供了多节点挂载能力。分布式存储，会带来海量存储能力，以及非常强的IO吞吐能力；多点挂载，大大增强了数据库的读扩展能力，同时因为底层使用同一个存储，所以也不再有数据拷贝和延迟等问题。
• 在实现上，体现了”the log is the database”，尽可能只传输日志，避免数据块的传输与复制。例如，计算节点与存储节点的不再传输数据块（当然，就多了一个日志应用的过程）。这一点与Aurora类似，但是PolarDB在日志下推上，做得比较少，而是选择将存储以”较为标准”的文件系统提供给计算节点，数据库本身的各个模块还是比较完整的，这带来的好处是，对数据库的侵入要稍微小一些，对于新版本的支持和不同的数据库的支持会更加简单和一致。Aurora和AlloyDB的这种做法，则是将数据库的解构更加彻底，将数据库的日志模块一定程度下沉到存储层。在AlloyDB在实现时，还将这个部分彻底的做了分布式，通过多个不同的日志处理进程（LPS）进行分布式并发处理。
• 这种日志处理的下推，也让数据库在进行崩溃恢复的时候，相比传统的一体化架构要快非常多，也就让数据库所提供的SLA可以更高。因为没有checkpoint，也应该就没有什么fuzzy或者sharp一说了，后端的LPS进程会持续的将redo apply到本地存储，分布式存储上的数据块的版本总是非常新的。而不用像传统数据库，数据库crash后，所有的没有刷写到磁盘的脏数据块（内存中该数据库已经更新，但是还没有刷写到磁盘）都需要通过redo应用到最新状态，所以，传统数据库在崩溃恢复时总是需要一定的时间，而且内存越大，这个时间可能会越长。
• 另外，AlloyDB的日志存储使用了较为独立的存储，也就是文中提到了”log storage”或者”log store”。考虑日志与数据块的读写特性都不相同，使用独立的存储在性能优化上，会更加有效。一般来说，日志写入通常是append-only的，而且是”同步”操作，需要非常低的延迟，另外，在AlloyDB的设计中，日志写入后，需要立刻读取并应用到数据块中。只需要将内存中已经更新过的数据块覆盖写入本地存储就可以了。而数据块的处理，通常来说是一个异步的过程（不阻塞数据库的写入），并且会有大量的随机读，这与日志数据的访问有很大的不同。这里的一个猜测是，日志存储和数据块存储可能使用同一套存储架构，但是可能使用面向不同场景的优化和参数，如果有Google的人，希望求证一下。
• 计算节点使用了”ultra-fast cache”，猜测一下，可能是使用了与PolarDB类似的optane存储作为加速，虽然使用optane卡的场景不同。这也是另一个希望求证的点。
• AlloyDB的数据块请求是带有LSN号的，而每个可用区（Zone）内都有完整的数据块，所以，在各个可用区的节点（可能是read replica）总是可以在本地可用区获得最新的数据块。也就是无需像Aurora使用的多数派协议，数据块的读取需要3份（写入四份，4+3>6），当然Aurora也对这里做了很多的优化（例如，通过一个bookkeeping记录写入数据和node的对应关系，尽可能将多数派读取变成一次单节点的读取[参考]）。
• AlloyDB下沉到存储的日志处理服务（LPS），也做了彻底的分布式。日志存储在一个底层的相对独立的日志存储中，日志处理服务则是一个分布式的、相对”无状态”的进程，因为也做了存算分离，所以有非常好的扩展性。另外，在日志处理的分片上，AlloyDB通过将底层的数据块分成一个个独立的分片（Shard，应该类似于PolarDB或其他系统中的chunk），每个分片由一个独立的LPS处理，一个LPS可以根据系统压力情况处理一个或多个分片。这样就通过分布式的方式解决了日志应用的问题。并且，这个日志应用是在各个不同的可用区独立运行。
• 关于数据副本数量的问题：Aurora是3*2的副本设计，每个可用区两个副本，每次写入应该是3个副本，读取可能需要4个副本，这种性能应该比较差，达到的效果是宣传”AZ+1”的容灾能力，也就是一个可用区失败，再加一个副本失败，依旧可以恢复数据。在实现上，Aurora对于底层副本感知是要更强的，并与上层实现结合起来了。但是AlloyDB使用Google底层统一的存储，这里看到的数据分布在三个zone，有三个副本，但实际上，每个zone的数据是存储在一个分布式存储的，这个分布式存储数据的副本数情况，并没有对数据库暴露。这里可以猜测，可能是两个副本或者更多，对于数据库这里IO敏感型的应用，应该比较难使用EC算法去做去重。所以，实际上，一份数据，可能会有超过6份的副本数。
• 另外，这里看到，Block storage部分是可以通过一些智能化的方式，对数据块进行分级，降低整体的存储成本的，这应该是底层存储的数据分层能力。

03 AlloyDB的写操作

这里通过一个写操作来看看，AlloyDB的整个处理流程。客户端通过TCP连接，连接到主实例，然后将变更SQL发送到主实例。主节点进行SQL解析、并在内容中更新数据和索引页，同时，准备好WAL日志。在事务提交时，则同步地将日志写入低延迟的日志存储，这些日志则会被日志处理进程（LPS）异步的消费并处理。

存储层被分成了三个部分：日志存储、日志处理服务、数据块存储。日志存储本身是顺序写，并对写入延迟要求很高，会直接影响事务处理的性能。AlloyDB专门针对该模式/场景进行了优化，以提供一个高性能的、低延迟的日志存储服务。

多个日志处理服务（LPS）则会根据”Shard”（一组数据库的数据块）机制，对不同的日志进行处理。先从存储层读取需要处理的数据块（随机读），然后将redo日志应用到这些数据块，并回写（持久化）数据块到存储中，并最终删除日志存储中的日志记录。

04 AlloyDB的读操作

读操作有两种情况，一个是从主节点提供服务，一个是从读节点（read replica）提供服务。如果查询所需要的数据都在内存中，那么就和单机的PostgreSQL实例一样，进行SQL解析、执行计划生成、查询执行，并响应用户。为了加速查询处理，AlloyDB在数据库中额外集成了一个”ultra-fast block cache”。

如果，需要的数据块在上面的两级缓存中都不存在，则需要到存储中获取。在把请求发送给存储层的时候，需要附带把LSN（log-sequence number）号也作为请求的一部分，而底层存储则返回满足该LSN对应事务能够看到数据块。

从整体存储层来看，LPS进程也会参与数据块的请求的处理。LPS进程也有自己的缓存，如果请求的数据块在这个缓存中，则会立刻返回给上层节点。如果，这里再次缓存缺失，则再向数据块存储读取数据块并响应请求。

这里，LPS进程需要存储一个”列表”，用于记录日志已经提交，但是，还没有应用到底层的块记录。对于此类数据块的请求，则需要先完成日志应用再返回。虽然，此类情况不应该经常出现，因为如果是一个最近日志没有应用的块，缓存应该不太会把这样的页面清除。

05 其他

• 虽然是Preview，但已经是目前看到的最具诚意的Preview了：任何用户立刻就可以开通使用，并且给予了非常大的免费额度，具体的，计算节点每月免费不超过1.5万美元、存储节点不超过650美元的资源。
• 另外，注意到，GCP会说这是一个”fully-managed, PostgreSQL-compatible database”，而不会过多的强调这是一个云原生的数据库系统。对于用户来说，这就是一个具备高性能、高可用以及高可靠的PostgreSQL。至于，是不是Cloud-Native的，Google似乎对于这个概念并不那么”感冒”。
• 通过实现”non-disruptive instance resizing”、Vacuum优化管理、Crash Recovery的速度提升，这个服务推出就是99.99%的SLA。
• 更底层使用的是Google内部统一的分布式存储层，经过Gmail、Youtube等大型系统的验证，性能/稳定性等经过了验证。这一点上，AlloyDB与PolarDB、Aurora是不一样的。PolarDB和Aurora都选择了实现自己面向数据库的分布式存储系统，而AlloyDB选择了更加通用的存储层，再面向数据库进行优化。这两个路线，客户价值都是直接的，但哪个方案的生命力会更加持久，可能需要几十年的时间去观察。
• 与AlloyDB一起，GCP还推出一个Oracle到PostgreSQL的迁移服务，只是这个服务看起来推出的也比较仓促，比较困难的结构迁移部分，使用了一个第三方的开源产品来实现。一方面可以看到这个，迁移是非常重要的模块，另一方面也看到，这一块做起来其实比较难。从这里看到，AlloyDB考虑优先推出PostgreSQL版本的一个重要原因，是认为：Oracle数据库的迁移至关重要，且PostgreSQL是Oracle迁移的重要目标数据库。
• 目前，发布的内容来看，关于数据库内部的并发访问/多版本管理的内容比较少，这部分应该是另一个复杂的点。期待后续的文章。

06 一些已知的不确定的点

• ultra-fast cache是什么介质？如何被使用？
• 对于其他zone（非primary节点所在的zone），他的WAL日志（在log storage上）从哪里获取？WAL一定是具备跨zone的容灾能力的，这里WAL的容灾是在数据层去做的（日志写时写两份或者三份），还是log storage去做的？
• 与上面的问题相关的另一个重要的问题，LPS进程是全局的还是属于某个Zone的？
• log storage是针对日志场景专门进行优化的，其模式是，append-only、延迟敏感并直接影响效率，这里的疑问是，做了哪些优化？

如果有Google的同学，可以一起讨论一下。

参考

• AlloyDB for PostgreSQL under the hood: Intelligent, database-aware storage
• AlloyDB for PostgreSQL
• Introducing AlloyDB for PostgreSQL: Free yourself from expensive, legacy databases

在4月底，阿里云RDS Serverless正式公测发布。第一时间申请了公测资格，并进行了测试验证。测试完成后，还是非常期待这个功能的商业化的，当前的公测版本也值得开发者们去了解和小范围（例如开发测试环境）尝试。

00 什么是RDS Serverless

RDS Serverless是一种独立于按量付费、包年包月的资源使用与计费模式。提供了一种自动化的弹性扩缩容的规格，用户无需提前选定固定规格，后端会根据系统压力进行自动升降配，并根据实际使用计费，当然，用户需要设置该规格最大和最小规格，限制最大、最小使用资源与费用。

对于峰谷明显的业务系统，该模式一方面可以在需要时提供很高的资源规格应对压力，另一方面可以在低峰时降低资源使用，降低成本。

01测试结论概述

• 整体上，该Serverless版本的升/降配速度非常快，约10秒完成压力检测与变配，升配时性能表现非常平稳，降配时性能比较平稳。
• 具体的，在系统压力突增时，约10秒内就可以完成检测与变配，完成升配后系统压力立刻得到一定程度的缓解；与之前的Aurora Serverless v2测试中，升配的时间是差不多的，都是10秒以内
• 在系统压力下降时，降配的速度也非常快，约10秒完成检测与降配操作。另外，需要注意的是，当前的版本，因为降配非常快，也导致降配后，性能出现了一些波动，持续约10秒，波动幅度从约8毫秒的响应时间增长到30~50毫秒，在两次降配之后，都出现这样小波动。相比，Aurora降配更加“保守”，观测了50秒，之后才开始降配。在降配之后，Aurora的性能依旧非常平稳，没有任何波动。也就是说，降配过程中清除出内存池的数据页都是确确实实不再使用的，这里可能需要深入的观测InnoDB的Buffer Pool收缩时的表现，避免将可能使用数据页清理出内存。
• 目前只支持基础版（单节点实例），应用场景还比较有限，不过对于开发测试环境，种类可用性要求没那么高，且性能峰谷明显的场景，是可以轻松节省超过50%成本的，而且在实际使用时，性能还会非常不错（最高扩展到8*RCU）。
• 当然，现在阿里云RDS Serverless还是刚刚公测，申请公测资格通过后，可免费创建2个体验实例，最大规格为8*RCU，即约8c16g内存的实例，免费周期3个月，算是不错的羊毛了，具体的，可以通过RDS MySQL购买页找到公测申请链接。

02 测试方法说明

整体的测试方法与之前做Aurora Serverless v2类似。首先，启动一个单线程sysbench，作为测试“主进程”，程序运行900秒，在“主进程”运行300秒后，再启动一个“压力进程”（24并发的sysbench进程）向系统施压，该进程运行300秒后退出，在这个过程中，我们观测”主进程”的rt变化，以及整个过程中，实例规格的变化（依旧以buffer pool为指标）。更详细的描述可以参考：实测Aurora Serverless v2。

03 测试结果与分析

3.1 整体过程

• 下图黄点代表主进程每秒RT的变化；”蓝点”（连成线）代表秒级别buffer pool的变化。左侧纵坐标为响应时间，单位为毫秒；右边纵坐标为buffer pool大小，单位为GB
• 在第300秒，“压力进程”给出额外压力之后，系统开始升配，经过三次升配之后，到最大规格
• 在第600秒，“压力进程”退出，经过了4次降配，降级到最低规格

3.2 升配过程

从如下放大的图可以看到，在“压力线程”启动的第300秒，“主线程”的响应时间立刻增长到了300ms。

• 该实例在之后的7秒内完成升配，实例响应时间也立刻降了下来，降到约75毫秒
• 之后，再过10秒（约第317秒），完成了第二次升配，实例响应时间再次下降，约到30毫秒
• 再过约10秒（约第328秒），再次升配，但是此时响应时间不再有什么变化

3.3 降配过程

• 第600秒，压力进程退出，约11秒后，完成降配。但是，在第15秒性能出现明显波动，持续10秒
• 第650秒，完成第二次降配，4秒后性能出现波动，持续约5秒
• 第670秒，再次降配，性能再次波动，并出现一个异常点，响应时间非常大（约200ms）
• 之后，系统平稳运行

04 其他

• 当前RDS Serverless处于公测阶段，没有SLA保障，且仅支持基础版、区域支持也有限，虽然降配和升配都比较快，也比较稳定，但是还不适合生产环境。
• 当前，实例规格区间为0.5~8 RCU，最大规格也还比较小。
• 在这次对比测试中，也发现，相比AWS，阿里云在同一个可用区的网络延迟是更低的，仅5~10ms，而Aurora同可用区响应时间约为15~20ms。
• 据了解，阿里云今年还是会在这个方向加大投入，还会有一些大的版本和改进发出来，拭目以待吧。

Aurora自2014年发布以来，一直是AWS的最核心数据库产品，而Serverless则是这个产品最重要的功能之一了。在2018年08月，Serverless功能刚刚GA，当时做过一次测试（参考）。在2020年底的re:Invent上，Andy Jassy宣布Aurora发布Serverless v2，时隔一年半，终于GA，一起来看看实际效果怎样吧。

在最近看到该功能的介绍文章中，使用了”几分之一秒内扩展”、” scales instantly and nondisruptively “等描述，对此，我是保持怀疑的，这也要实测一下的原因，从一个用户感受的角度，看看一次升级(scaling)需要多长时间。

测试结果概述

• 在这次实际测试中，新的Serverless v2，可以将scaling up的时间降低到10秒级别。系统压力上来后，首次升级(scaling up)花了13秒，之后的几次升级分别花了7秒、4秒、10秒等。在这几秒内，Aurora需要完成监控采集、分析与决策，变配动作完成等动作。于用户侧，系统压力突增时，10秒内Aurora就会完成升级，这是非常实用和强大的。
• 相比4年前GA版本数分钟级别的升级(scaling)，新的版本提升非常大。不过，与宣传的亚秒级( in a fraction of a second )还有差距的。当然，一种猜测是，”亚秒内”完成的是变配动作本身，不包括监控、决策与命令下发等过程。
• Scaling down是逐步阶梯式完成的，每次间隔约1分钟，这是符合预期的。
• 新的版本与旧版本有非常好的兼容性，可以作为旧版本的replica，然后切换为主节点，也就可以完成平滑的升级。新的版本，支持MySQL 8.0和PostgreSQL 13版本。
• 该功能的客户价值是非常明显的：在更多的业务场景中，可以帮助用户降低成本，同时也可以帮助应对更多的突发流量。另外，云计算的”使命”之一是通过统一的底层资源调度，提升资源利用率，降低资源使用成本，而该功能，在交易数据库的场景，把这个”使命”的粒度降低到了”秒”级别。用好了该功能，在很多场景中，降低50%的数据库成本应该是容易的。

(more…)