Uber的底层存储从Postgres换成MySQL之后

最近，Uber软件工程师Evan Klitzke写了一篇 文章 介绍系统的底层存储由 Postgres 换成MySQL的原因。

背景

早期的Uber后台软件由Python写成，数据存储使用Postgres。后期随着业务的飞速发展后台架构也变化巨大，演进成了微服务加数据平台。数据存储也由Postgres变成了 Schemaless ——Uber自主研发的以MySQL做为底层的高可用数据库。Uber的数据库主要存储的是Trip数据，就是一个叫车订单从下单起，到上车、下车、付费等的全过程跟踪及处理。从2014年初起，由于业务增长迅猛，Uber的原有基础架构已经无法继续支撑业务。改进的项目花了将近一年时间。

对于新的数据库存储系统，Uber的主要关键需求是：

1. 要有能力通过增加服务器而线性地增加容量。增加服务器不但要增加可用的硬盘容量，还要减少系统的响应时间。
2. 需要有写缓冲能力，万一持久化到数据库失败时，仍可以稍后重试。
3. 需要通知下游依赖关系的方式，数据变更要能无损的通知出去。
4. 需要二级索引。
5. 系统要足够健壮，可以支持7*24服务。

在调查对比了Cassandra、Riak和MongoDB等等之后，Uber技术团队没有发现能完全满足需求的现成解决方案。而再考虑到数据可靠性、对技术的把握能力等因素，他们决定自己开发一套数据库管理系统——Schemaless，一个键值型存储库，可以存放JSON数据而无需严格的模式验证，是完全的无模式风格。用MySQL作底层存储，其中只有顺序写入，在MySQL主库故障时支持写入缓冲。并有一个数据变更通知的发布-订阅功能（命名为trigger），支持数据的全局索引。

Schemaless项目技术负责人Jakob Thomsen 认为 ：

Schemaless的强大与简单更多是因为我们在存储节点中使用了MySQL。Schemaless本身是在MySQL之上相对较薄的一层，负责将路由请求发送给正确的数据库。借助于MySQL第二索引及InnoDB的BufferPool，Schemaless的查询性能很高。

在Evan Klitzke的文章中，他是从Postgres与 Innodb 的底层存储机制对比开始的，后面提到了他们碰到的若干Postgres问题：

• 写入效率不高
• 数据主从复制效率不高
• 表损坏问题
• 从库上的 MVCC 支持问题
• 难于升级到新版本

在Postgres的底层设计中，它的行数据是不可修改的，每个不可修改的行都叫做“元组”，每个唯一的元组都由一个唯一的 ctid 标志，ctid也就实际指出了这个元组在磁盘上的物理偏移量。这样对于一行修改过的数据来说，就会对应着在物理上有多个元组。表是有索引的，主键索引和第二索引都以B树组织，都直接指向ctid。

除了ctid之外还有一个关键字段prev，它的默认值为null，但对于有数据修改的记录，新的元组里面的prev字段里存储的就是旧元组的ctid值。

与Postgres相对应的是，MySQL的InnoDB引擎主键索引和第二也都以B树组织，但是索引指向的是主键，而主键才真正指向数据记录。而且，InnoDB的数据是可以修改的。两者实现MVCC的机制不同，MySQL依靠UNDO空间中的 回滚段 ，而不是象Postgres依靠在数据表空间对同一条数据保持多份。

Postgres和InnoDB都通过 WAL （Write Ahead Log）来保证数据可以在数据库上安全写入，但对于主从库的数据复制实现原理并不同。Postgres会直接把WAL发送到从库上，让从库也执行WAL来复制数据。而MySQL则是发送Binlog，在从库上应用Binlog。

由此，再来看看Uber对于Postgres有哪些不满意：

写放大

一般来说大家介意 写放大 的问题是由于对SSD磁盘的使用。SSD磁盘是有寿命的，它的写入次数是有限的（虽然数字很大）。这样如果应用层只是想写入少量数据而已，但数据落入磁盘时却变大了许多倍，那大家就会比较介意了。比如你只是想写入1K的数据，可是最终却有10K数据落盘。

Postgres的写放大问题主要表现在对有索引的表进行数据更新上。因为Postgres的索引都是指向元组的ctid，而元组又是不可更新的，所以当你更新一条记录时，它会创建一个新的元组存入磁盘，并且要针对所有的索引，为每个索引都创建一条新记录来指向新的元组，不管你更改的字段和这个索引有没有关系。这样对于WAL来说，Postgres更改一条记录操作会写入新的完整记录，再加上多条索引记录。

作者注：不过MySQL的InnoDB其实也是有写放大问题的。InnoDB是以数据页的形式组织数据的，Linux上默认数据页的大小是16K。这样当你更改了一条记录时，最终会把这条记录所在的数据页整页刷回磁盘，设想一下你可能只是改了一个小字段，也许只有4个字节，可是最终却会导致16K字节的写入。

另外，Postgres的这个设计也是有其好处的，它的第二索引直接指向元组的ctid，这样在读取数据时效率就非常高。相对应地，通过MySQL的第二索引去读数据会经历“第二索引——主键——数据”的过程，MySQL的读效率不如Postgres。这是一个经典的读写性能权衡问题，在此Evan没有给出具体的数字让我们体会他们的业务特征。

主从复制

Postgres的写放大问题最终也反应在了主从复制的日志传输上，变成了流量放大问题。Postgres的主从复制传输的是WAL日志，所以对于一条数据更新来说，它要传输新的数据，还要传输这张表上每一条索引修改的日志。这样的流量放大在同一机房内还稍可接受，但对于跨机房的情况，传输速度和价格等问题让Uber产生了顾虑。Uber是有跨机房从库的，一方面是容灾，另一方面是WAL的备份，以备有时需要靠它来搭建新的从库。

MySQL的确没有引起流量放大。MySQL的主从复制依靠的是Binlog，它只是记录这条数据的修改，而不在乎这张表上到底有多少索引，所以可以认为与Postgres相比，它的Binlog是一种对数据修改的“逻辑”描述。MySQL从库上应用Binlog日志时，如果有第二索引涉及了改动的字段，那就更新第二索引，否则第二索引压根不需要修改。而且，MySQL有三种不同的 Binlog格式 ，包含了不同数量的信息来供使用者选择：

• Statement：只传输DML的SQL语句，如：UPDATE users SET birth_year=770 WHERE id = 4。这种模式日志量最小，但在某些场景下和对某些字段来说容易出错。
• Row：对于更改了的数据，会把修改前和修改后的所有字段值都打印在Binlog中。这种模式日志量最大，但也最严谨，越来越多的公司在转向这种日志格式。很多日志解析工具更是只工作在这种模式下。
• Mixed：上面两种的结合体，MySQL会根据不同的语句来自行判断。这种模式日志量居中。

数据损坏

Uber使用Postgres 9.2时曾经因为一个BUG导致了很大的故障。当时由于硬件升级的原因他们做了主从切换，结果就引发了这个BUG导致各个从库的数据全都乱掉了，而且还没有办法判断哪个从库的哪些数据是正确的或者乱的。最终他们确认了新的主库上的数据全部正确后，用新主库的数据把所有从库数据全覆盖了一遍，才算过了这一关。可是一朝被蛇咬十年怕井绳，他们最后用的版本仍是Postgres 9.2，原因之一是不想再去踩别的版本的坑了。

作者注：以这个作为抛弃Postgres的理由就太容易引起争议、令人质疑Uber技术团队的技术水平了。在社区的口碑中，Postgres的稳定性恰恰是高于MySQL的，如果因为害怕碰上Postgres的BUG而转用MySQL，那……我们只好祝福Uber了。

从库上的MVCC支持不好

Postgres的从库上并没有真正的MVCC，它的数据表空间、表空间文件内容和主库是完全一样的，在从库上就是依次应用WAL。可如果从库上有一个正在进行中的事务的话，它就会挡住WAL的应用，从而导致看起来主从同步延迟很大。Postgres实现了一个机制，如果某个业务程序的事务挡住同步线程太久的话，就直接将那个事务杀掉。所以如果在从库上有一些比较大的事务在运行的话，你可能就会经常看见莫名其妙的主从同步就延迟了，也会看见自己的操作运行了一段时间就不知被谁杀掉了。并不是每个程序员都很熟悉数据库的底层工作机制，所以这些现象会让大家觉得很诡异。

作者注：这一点的确是的。相比来说对于这个Postgres的复制过程，MySQL的主从复制并不会杀死从库上的事务。

Postgres数据库的升级

Postgres的数据复制是物理级的，主从数据文件完全一致，所以不能支持不同版本之间的主从复制，比如主库使用9.2从库使用9.3，或者相反，等等。Uber最初使用的是Postgres 9.1，他们成功的升级成了9.2，但升级耗费了相当长的时间，再加上后来业务爆发式增长，让他们再也没能安排下一次升级。而且Postgres直到9.4之后才有了工具 pglogical 来帮助减少升级耗时，可是pglogical又不在Postgres主分支里，让使用旧版本的人无所适从。

作者注：有消息Postgres的WAL日志也将变成逻辑型了，在这样的功能推出之后，就可以支持不同版本间的数据复制了。

MySQL的其他优点

除了上文所述的几点，MySQL还有几个其他Postgres不具备的优点：

1. BufferPool ：虽然Postgres在内部有比较小的缓存，但和现在动辄几百G的服务器内存比起来，它的缓存还是太小，对硬件利用率太低了。InnoDB则有BufferPool，可以同时用于写缓冲和读缓存，用LRU管理，大小可配，这样就把硬件资源充分合理的利用起来了。

2. 连接管理：MySQL的连接管理是每个连接一个线程，每个线程消耗的资源都很有限，所以MySQL可以轻松支持10000个以上的连接。可是Postgres是每个连接一个进程的，进程之间通信和共享资源复杂，消耗资源严重，而且对多连接支持不好。Uber的业务已经需要极大的增加数据库连接数，Postgres已经无法满足需要。

Evan Klitzke总结说：

在初期Postgres还是工作得很好的，但业务扩展时我们就碰上了非常严重的问题。现在我们还是在用着一些Postgres数据库，但是主要的数据已经挪到了Schemaless上，有些特别的业务也用了Cassandra等NoSQL数据库。我们现在用MySQL用得很好，我们也会写更多的博客来分享更多关于MySQL在Uber的使用内容。

社区反馈

也许是Evan的文章标题起得太大（ WHY UBER ENGINEERING SWITCHED FROM POSTGRES TO MYSQL ），有标题党之嫌，而且是写出来的内容并不能让大家信服Postgres到底是怎样不能满足Uber的需要。 HackerNews 上的Postgres拥护者们给了他尽情的回应：

• 为什么用MySQL而不是Percona或MariaDB？Percona有更多的参数可调。
• 如果Postgres的一些底层存储设计特性就可以导致Uber设计团队轻率的转向MySQL的话，那只能说明他们技术团队水平太差了，对技术钻研太肤浅了。
• 所谓Postgres的缺点在某些用户眼里看起来恰恰是比MySQL强的优点所在。
• 碰到了几个BUG就吓得不敢再用了？MySQL照样很多BUG，到时候可怎么办？
• 文中提到的问题是在大量数据的情况下才出现的，MySQL照样会有问题。
• 为什么不考虑CitusDB、RethinkDB等？
• 让我们等着看Uber的下一篇文章吧：《当我们从Postgres转到了MySQL之后，为什么又从MySQL转向了Postgres》。

诚然，Schemaless只是将MySQL用于数据存储，存的内容是简单的“键-值”对模型，虽然也用到了第二索引，可是这些并不是放弃Postgres的充分理由。说到写放大和流量放大，这些钱能解决的问题也不应该对如日中天的Uber产生困挠。也许在确定了由单机版的Postgres换成分布式的Schemaless这样的方向之后，再选择底层存储时，反正之前使用Postgres的经历也不愉快，加上流量问题，就索性换成MySQL？让我们期待Uber技术团队后续的文章能帮我们完全理解他们的想法吧！

感谢魏星对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作，请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博（@InfoQ，@丁晓昀），微信（微信号： InfoQChina ）关注我们。