OceanBase 4.0解读：兼顾高效与透明，我们对DDL的设计与思考

news2024/11/18 1:38:49

关于作者

谢振江，OceanBase 高级技术专家。 2015年加入 OceanBase, 从事存储引擎相关工作，目前在存储-索引与 DDL 组，负责索引，DDL 和 IO 资源调度相关工作。

 

回顾关系型数据库大规模应用以来的发展，从单机到分布式无疑是一个关键转变，促成它的是层出不穷的新业务和爆发增长的数据量。

一方面，更大的数据量意味着社会经济发展有了更多新可能，另一方面，它也对数据库提出了更高要求，以避免存储节点增多带来的运维成本上升和可能出现的新故障。因此，做好分布式数据库的透明性，像使用单机数据库一样使用分布式数据库成为提升用户体验的关键之一。而 DDL 作为数据库运维中常见的变更操作，它的执行自然应该对业务方和运维人员都透明。

“DDL 操作一定要等到夜深人静时”、“DDL操作执行时间很长，有时甚至需要几周时间”……这些问题不仅令一线运维人员抓狂，也是各个数据库厂商一直尝试突破的地方。OceanBase 认为，上述问题的完美解决取决于实现高效且透明的 DDL，即数据库应该尽可能快地执行 DDL，并保证 DDL 执行期间不影响业务方和运维人员的操作。

在 OceanBase 4.0 中，我们基于已有的原生 Online DDL 能力进行了创新：首先，为了提升 DDL 操作的可用性，我们自研了一套专门用于旁路写入的数据同步方法；此外，我们对 DDL 的单机性能和分布式执行的可扩展性进行优化，大幅提升用户 DDL 操作的响应速度；最后，4.0 进一步完善了原生 Online DDL 的框架能力，支持了主键变更、分区规则修改、修改列类型和修改字符集等功能。

我们希望透过这些新变化，帮助用户轻松应对各类复杂业务场景。本篇文章将讨论 OceanBase 如何实现高效且透明的 DDL，介绍 OceanBase 4.0 DDL 的新能力及设计思路：

  • 更适合用户的 DDL 是什么样的；

  • OceanBase 如何做好 DDL；

  • 来看看 4.0 DDL 有哪些新变化；

  • 4.0 DDL 新功能上手实测。

 

更适合用户的 DDL，应该是什么样的？

 

要回答这个问题，我们需要先了解 DDL 的概念。在实际的数据库运维过程中，除了 SELECT，INSERT，UPDATE，DELETE 等这些常用的对数据本身进行操作处理的命令，还有 CREATE，ALTER ，DROP，TRUNCATE 等对表结构等数据库对象进行变更、与数据定义相关的命令，这些命令被称为 DDL。举例来说，常见的 DDL 操作有在表上增加新列、或给某列添加索引等。

在数据库发展早期，执行 DDL 语句被视为最昂贵的数据库操作之一，这是因为 DDL 操作通常会造成表不可读写，阻塞各类进行中的任务。如果表的数据量很大，会长时间中断数据库服务来执行 DDL，这对于被要求时刻在线的关键业务是难以接受的。因此，Online DDL 应运而生，它的提出主要是为了能够在执行 DDL 时，不阻塞正常的用户请求。目前市面上大部分数据库的 Online DDL 并未做到对用户完全透明：

  • 大部分单机数据库在 Online DDL 过程中存在短暂加锁的操作，例如使用 MySQL 数据库在大事务场景中执行 DDL，可能会阻塞用户的请求；

  • 受限于架构设计，目前业界许多分布式数据库实现的 Online DDL，在某些业务场景会对用户正常的请求造成影响；

  • 此外，Online DDL 产生于单机数据库，它通常只关注 DDL 是否对正常用户请求产生影响，而对数据库节点发生异常，如宕机时的应对并未提及。

而随着数据量爆发时代的到来，DDL 的执行时长也会制约业务的迭代速度。在单机数据库中，通常会采用并行排序来尽可能加速 DDL 的执行，但它的执行速度受限于单机的性能瓶颈；到了分布式数据库，业界普遍使用模拟用户插入的方式来补全数据，然而这种方式并不能充分利用单台服务器的性能，也忽视了分布式可扩展能力提供的潜在性能。

可以这样说，仅靠传统意义上的 Online DDL 已无法很好地满足实际业务需求。

我们认为，更适合用户实际业务需求的 DDL 至少要具备以下两方面能力：一方面，DDL 的执行应避免对业务方的 DML、DQL 操作产生影响，分布式环境也不会被运维人员感知，即便发生宕机等异常，DDL 操作也能成功；另一方面，DDL 操作应具备在单机和分布式上良好的并行处理能力，帮助用户进行快速的业务创新。

 

OceanBase 如何做好 DDL

 

OceanBase 希望为用户提供一款高效并且足够透明的数据库产品。

在透明性方面：不同于单机数据库，我们需要解决 DDL 操作过程中分布式数据库多节点状态不一致的问题。在应对这个问题时，业界的大部分数据库采用了“DDL 优先”设计思路，然而这种思路会在一些业务场景对用户请求产生影响。而 OceanBase 采用的是“业务请求优先”设计思路，能避免对业务请求产生影响。此外，我们也尽量屏蔽用户对分布式数据库的感知，让用户像使用单机数据库一样，在分布式数据库中执行 DDL。

在执行效率方面：考虑到部分 DDL 操作会对数据进行补全，而该步骤往往是 DDL 操作中最耗时的，我们没有使用其他分布式数据库常用的模拟插入方式，而是借鉴了单机数据库的设计思路，并在分布式数据库中做到数据补全的性能可扩展，实现足够高效的 DDL。

▋ 业务请求优先的分布式 Online DDL

在介绍 OceanBase 的 Online DDL 前，不得不提的是分布式数据库领域中较为流行的 Google F1 在线异步 Schema 变更算法*（出自论文《Online, Asynchronous Schema Change in F1》）*，CockroachDB 等众多分布式数据库的 Online DDL 功能均基于这一算法实现。该算法的实际过程较为复杂，如果尝试用简单的话解释可以这样表述：由于执行 DDL 过程中不能对表进行禁写，大概率会出现不同节点有不同 schema 版本的情形，而该算法会通过引入多个中间状态的 schema，以保证数据的一致性。

进一步说，Google F1 数据库由于没有全局成员列表，所以在 DDL 执行过程中无法考虑机器和事务的状态，会强制地周期性往前推进 Schema 版本，而集群中需要保证同时使用的 Schema 版本不超过两个，因此，对于事务的执行时长有限制，并且如果发生节点获取不到最新 Schema 版本的情况，该节点会自杀退出，影响其上所有的事务执行。总结而言，F1 数据库会优先推进 DDL 的执行进程，而不考虑对事务状态的影响，因此，我们将 F1 数据库的设计思路称为 DDL 优先的设计。

与 Google F1 不同的是，OceanBase 的特点是有全局的成员列表，在 DDL 变更过程中，可以与 DDL 变更表格相关的成员进行协调，当所有节点的事务状态都满足 DDL 变更一致性所需的条件时，才推进接下来的 Schema 版本，这样可以避免限制正常事务的执行，在出现节点无法刷新到最新 Schema 版本时，OceanBase 不会杀掉节点，只会限制该节点正在执行 DDL 语句的表格相关的事务的执行，同时不影响其他表格的执行，因此，我们将 OceanBase 的设计思路称为业务请求优先的设计。

我们以建索引为例，测试 Google F1 和 OceanBase 在不同场景中执行 DDL 对业务请求的影响，结果如下：

 

OceanBase 3.xGoogle F1
对正常事务的影响无影响限制执行时长
无法获取最新 Schema 时进程存活，影响正在执行DDL表格的相关的用户事务事务结束，进程自杀
节点宕机时执行时间变长无影响

表1 OceanBase 3.x 与 Google F1 建索引影响对比

 

而在 OceanBase 4.0 中，Online DDL 除了具备业务请求优先，对业务透明的特点之外，还在数据库节点出现异常场景时，增强了 DDL 操作的高可用特性，即使在节点宕机时，执行时间也不一定会变长，具体内容会在后文中详细描述。

▋ 高效的数据补全方式

数据库中有部分 DDL 操作需要对数据进行补全，比如建索引、加列等，OceanBase 从 1.4 版本开始将这些需要补全数据的 DDL 操作划分为两种模式：一种只需要在 Schema 上修改，异步进行补数据的方式，或称为 Instant DDL；另一种则是需要实时补全数据的 DDL。

对于需要实时补全数据的 DDL，业内大多数分布式数据库采用的是模拟用户插入的方式将数据补全，这种方案的优点是实现简单，可以复用 DML 的写入能力来完成数据写入，并同步到备副本、备库等，其缺点是性能差，数据写入时会经过 SQL、事务、内存排序的结构，在 LSM-Tree 存储架构中数据最终还要经过多次 compaction，步骤繁琐。因此，OceanBase 借鉴了单机数据库排序和旁路写入的思路进行数据补全。但与单机数据库不同的是，OceanBase 需要进行分布式排序，以及结合 LSM-Tree 存储架构展开优化以获得更好的性能。

一、分布式排序

在 OceanBase 3.x 版本中，DDL 中的分布式排序复用了旧的 SQL 执行框架中的分布式排序能力，其特点是具有分布式的性能可扩展性，但在单机的执行效率上有提升空间。而在 4.0 基于新的 SQL 执行框架进行分布式排序后，执行性能得到了大幅度提升。

二、结合 LSM-Tree 存储架构展开优化

不同于传统数据库的 B+Tree 的原地更新存储模型，LSM-Tree 存储架构的特点是增量数据会更新到增量的数据源 Memtable 中，不会对已写入磁盘的数据（SSTable）进行原地更新，只有在 Compaction 时，才会写入新的磁盘数据。这一特点为 OceanBase 加快 DDL 中的数据补全提供了极大的便利：一方面，对于加列这类操作，可以自然地做到 Instant DDL，只需要在 Compaction 的进行异步地数据补全；另一方面，对于建索引这类需要实时补全数据的 DDL 操作，DDL 与 DML 会协调获得一个补全数据的版本号，而该版本号之前的事务数据都已提交，可以直接将补全的数据写入到 SSTable 中，将 DML 产生的增量数据直接写入 Memtable 中，因此，建索引过程中的增量数据可以实时维护好，无需类似于原地更新存储的追数据过程。

经过数年的发展迭代，OceanBase 用户现在可以在线进行绝大部分 DDL 操作，包括：索引操作、列操作、生成列操作、外键操作、表操作，分区操作。

 

功能分类支持的操作是否Online需要操作哪些数据
添加索引是Schema元数据，索引表数据
删除索引是Schema元数据
重命名索引是Schema元数据
列操作添加列是Schema元数据，主表数据（Instant）
删除列是Schema元数据，主表数据（Instant）
重命名列是Schema元数据
重排列是Schema元数据
设置列默认值是Schema元数据
删除列默认值是Schema元数据
修改列类型是Schema元数据，主表数据（Instant）
设置列约束为NULL是Schema元数据
设置列约束为NOT NULL是Schema元数据，查询数据
生成列操作添加VIRTUAL列是Schema元数据
删除VIRTUAL列是Schema元数据
添加STORED列是Schema元数据，主表数据（Instant）
删除STORED列是Schema元数据，主表数据（Instant）
外键操作添加外键是Schema元数据，查询表数据
删除外键是Schema元数据
表操作修改行格式是Schema元数据，主表数据（Instant）
修改块大小是Schema元数据，主表数据（Instant）
重命名表是Schema元数据
修改压缩算法是Schema元数据，主表数据（Instant）
优化表空间是Schema元数据，主表数据（Instant）
分区操作添加分区是Schema元数据
删除分区是Schema元数据
Truncate分区是Schema元数据，索引表数据（可选）

表2 OceanBase 支持的 Online DDL 操作

 

来看看 4.0 DDL 有哪些新变化

 

▋ 伴随业务成长的 DDL 新功能

在研发 4.0 之前，我们了解到一些用户在新业务场景中需要经常对主键、分区等数据库对象的结构进行变更，由于这类 DDL 操作需要将原表的数据进行重写，我们称这一类 DDL 变更为需要数据重整的 DDL。

什么样的场景会需要数据重整的 DDL 呢？

  1. 修改分区规则： 某业务在一开始的规模较小，在业务规模增长后，数据量或者负载超过单机的规模，而业务的查询更新语句中，需要把某些列作为条件。此时需要按照这些列进行分区，将数据量或者负载打散到多个节点上；
  2. 修改字符集： 某业务刚开发时，误将某一列的字符集 collation 设置大小写不敏感，后来希望改造成大小写敏感的；
  3. 修改列类型： 某业务表的列一开始定义为 int 列，后来业务发生变化，int 不足以表达业务的场景，需要修改为 varchar 列；
  4. 修改主键： 某业务的主键一开始使用业务自定义的 ID 列作为主键，后来希望使用自增列来作为主键。

用户的业务成长不仅在于业务规模的增长，也在于业务对数据库功能的使用更加深入。因此，DDL 功能也必须长期支撑业务发展，伴随业务成长。我们发现，目前市面上的分布式数据库并未能对这类 DDL 操作提供良好的支持，一是功能支持上不够完善，例如部分数据库并不支持主键变更、分区规则变更等；二是部分数据库在做数据重整时会采用模拟用户重新插入数据的方法，将数据重新导出并插入一遍，效率较低并且可能与用户事务产生冲突。

在 4.0 之前的版本，OceanBase 对于数据重整的 DDL，通常会采用手工数据迁移的方法完成变更。这种方法总体上有四个步骤：在原表的基础上加入所做的 DDL 变更，创建出一张新的空表；将原表的数据导出；将导出后的数据写入新表；将原表重命名，并且将新表重命名为老表。这一方法存在许多不足，如：操作步骤复杂；任务失败时，需要借助外部工具或者人工来回滚所做的操作；迁移效率低；遇到节点宕机会提高幂等性的处理难度（比如无主键表场景）等。

4.0 能为用户提供原生的数据重整 DDL 变更功能，一条 DDL 命令即可完成所有操作，包括修改分区规则、主键操作、修改列类型、修改字符集等，用户无须关心 DDL 变更过程中出现的环境异常。

 

功能分类支持的操作
主键操作添加主键
删除主键
修改主键
列操作修改列类型包括变短、变长、跨类型变更
修改自增列值
添加自增列
表操作修改字符集修改表中所有已有数据的字符集
分区操作重分区 *非分区表转成一级、二级分区； **一级分区转成其他一级或者二级分区；*二级分区转成一级分区或者其他二级分区；

表3 4.0 DDL 新功能

 

为了支持好这些新功能，我们也对原生的 Online DDL 进行了扩展：

  1. 新增对多个依赖对象表格原子变更的能力；

  2. 大幅提升了原生 Online DDL 的数据补全性能；

  3. 旁路导入产生的数据也适用高可用的数据同步；

  4. 对表上的数据以及表的依赖对象的数据都进行数据一致性校验，保证 DDL 变更产生的数据正确性。

▋ 原子变更保证数据同步更新

原子变更能够保证用户在执行完 DDL 后，如果 DDL 是成功的，那么用户之后都会看到新变更后的表结构和数据，如果 DDL 是失败的，那么用户会看到变更之前的原表结构和数据。而进行需要重整数据的 DDL 变更会涉及到两方面的操作，一方面，需要对表上已有数据按照新的表格式进行修改；另一方面，需要对表上的依赖对象按照新的表格式进行修改，如索引、约束、外键和触发器等。

另外，由于分布式数据库中表上的数据可能分布在不同的节点上，这也会带来两个问题：

  1. 如何原子地将分布在不同节点的数据、多个依赖对象进行变更；

  2. 每个节点感知到最新变更后的表结构的时间会出现不同，如何保证在变更完成后，用户只看到变更后的表结构。

为此，我们设计了一套分布式环境下表结构的变更流程，能保证原子地对数据、多个依赖对象进行变更，并且用户在执行完 DDL 变更后，能够使用最新的表结构来对表格进行查询、DML 等操作。

在实际业务场景中，进行 DDL 变更也有可能会碰到数据库内核无法处理的异常。举例来说，我们有一个列类型为 int 的表格，该列上有一个唯一索引，我们将这个列类型修改为 tinyint，如果表中有多行的该列的列值超过了 tinyint 表示的范围，那么这些行的所有列都会被截断成 tinyint 的上界，导致多行在该列的列值有重复，不满足唯一性约束。此时，有可能数据已完成部分的重写，DDL 在碰到这类异常后主动回滚时，能够保证用户看到的是变更之前的原表的数据，而不是看到处于变更到一半的状态。

▋ 并行能力提升数据补全速度

业界分布式数据库普遍采用模拟用户插入作为迁移数据的方式，该方案存在两方面问题，一是可能会和正常业务产生行锁冲突，二是由于方案中对事务的并发控制、内存索引结构的线程安全控制、以及实际写入过程多次写入的情况，其性能与传统单机数据库会存在明显差距。

为了在设计层面降低 DDL 变更对业务的影响，同时让 DDL 具有更高的执行效率，我们使用类似于 OceanBase 中索引创建采用的分布式排序、旁路写入的方式将原表的数据迁移到新表。分布式排序方式节省事务、内存有序结构维护、多次compaction等逻辑，可以帮助用户节省 CPU 开销。而旁路写入能够避免数据写入到 Memtable 中以及出现多次 compaction 的情况，节省内存和 IO 开销。

OceanBase 4.0 基于新的并行执行框架，重新设计了 DDL 数据补全的分布式执行计划，该计划分为两部分，第一部分是采样和扫描算子，第二部分是排序和扫描算子。

 

Image
图1 OceanBase 4.0 DDL 数据补全分布式执行计划

 

该方案能充分利用分布式和单机并行能力：

第一、两个并行子计划可能是运行在多台机器上的，并且是新框架上同时调度起来的，能够形成并行子计划 1 往，并行子计划 2 吐行并处理的流水线；

第二、为了防止分区间的数据倾斜，我们将每个分区拆分成多份由不同的 sort 算子处理，每个 sort 算子会处理多个分区的数据，再结合采样划分算法，让每个分区的数据划分相对均衡，这样就能保证任务间的排序是均衡的。

另一方面，在单机执行效率上，我们通过一些技术提升了性能。如：在补数据流程中尽量使用向量化来进行批处理、写本机磁盘数据和网络同步数据并行化、更高效的采样算法、新框架的静态数据引擎避免行的元数据反复拷贝等。上述优化对于所有需要补全数据的场景，包括创建索引、数据重整的 DDL 性能提升都是有帮助的。

▋ 更严苛的可用性要求

分布式排序和旁路写入对数据补全的性能提升有很大的帮助，但同时会带来一个问题：旁路写入的数据如何同步到备副本和备库？OceanBase 4.0 版本中支持将旁路写入到 SSTable 的数据通过 PAXOS 同步到备副本和备库，在备副本和备库回放时，只需要将 SSTable 中宏块的数据地址和元数据信息回放到内存状态机中，这样做有如下好处：

  • 旁路写入的数据也具备高可用能力，当少数派节点宕机时，不影响 DDL 执行；

  • 旁路写入的数据是经过数据编码和通用压缩的，数据量一般比原表数据量少很多，数据同步性能好；

  • 备库和备副本的执行逻辑统一，不再依赖特殊代码逻辑来处理数据同步，代码更易于维护。

▋ 更全面的数据一致性校验

在做数据重整的 DDL 时，需要将原表的数据迁移到新表，我们希望在 DDL 变更后，用户的数据是正确无误的。OceanBase 4.0 能够通过一致性校验保证 DDL 成功后，迁移数据和原表数据的一致性，即便 DDL 过程中发生了一些预期外异常导致数据不一致，OceanBase 也会回滚掉该 DDL 操作。展开来讲，OceanBase 4.0 会校验新表、新表上的索引、约束、外键等所有对象，只有所有表中的数据，依赖对象上的数据都是一致的，DDL 操作才可能成功。

 

4.0 DDL 新功能上手实测

 

▋ 新功能测试

一、主键操作

主键操作

  1. 添加主键
OceanBase(admin@test)>create table t1(c1 int);
Query OK, 0 rows affected (0.18 sec)

--添加主键示例
OceanBase(admin@test)>alter table t1 add primary key(c1);
Query OK, 0 rows affected (1.28 sec)

--添加主键验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) NOT NULL,
  PRIMARY KEY (`c1`)
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0 |
+-------+-------------------------------------------------------+
1 row in set (0.03 sec)
  1. 删除主键
OceanBase(admin@test)>create table t1(c1 int primary key);
Query OK, 0 rows affected (0.19 sec)

--删除主键示例
OceanBase(admin@test)>alter table t1 drop primary key;
Query OK, 0 rows affected (1.39 sec)

--删除主键验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) NOT NULL
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0 |
+-------+-------------------------------------------------------+
1 row in set (0.03 sec)
  1. 修改主键
OceanBase(admin@test)>create table t1(c1 int, c2 int primary key);
Query OK, 0 rows affected (0.18 sec)

--修改主键示例
OceanBase(admin@test)>alter table t1 drop primary key, add primary key(c2);
Query OK, 0 rows affected (1.38 sec)

--修改主键验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) DEFAULT NULL,
  `c2` int(11) NOT NULL,
  PRIMARY KEY (`c2`)
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0 |
+-------+-------------------------------------------------------+
1 row in set (0.03 sec)

修改分区规则

  1. 非分区表转成一级、二级分区
--非分区表转成一级分区示例
OceanBase(admin@test)>alter table t1 partition by hash(c1) partitions 4;
Query OK, 0 rows affected (1.51 sec)

--非分区表转成一级分区验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) DEFAULT NULL,
  `c2` datetime DEFAULT NULL
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0
 partition by hash(c1)
(partition p0,
partition p1,
partition p2,
partition p3) |
+-------+-------------------------------------------------------+
1 row in set (0.03 sec)

OceanBase(admin@test)>create table t1(c1 int, c2 datetime);
Query OK, 0 rows affected (0.18 sec)

--非分区表转换成二级分区示例
OceanBase(admin@test)>alter table t1 partition by range(c1) subpartition by key(c2) subpartitions 5 (partition p0 values less than(0), partition p1 values less than(100));
Query OK, 0 rows affected (1.96 sec)

--非分区表转换成二级分区验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) DEFAULT NULL,
  `c2` datetime DEFAULT NULL
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0
 partition by range(c1) subpartition by key(c2) subpartition template (
subpartition p0,
subpartition p1,
subpartition p2,
subpartition p3,
subpartition p4)
(partition p0 values less than (0),
partition p1 values less than (100)) |
+-------+-------------------------------------------------------+
1 row in set (0.04 sec)
  1. 一级分区转成其他一级或者二级分区
OceanBase(admin@test)>create table t1(c1 int, c2 datetime, primary key(c1, c2))
    -> partition by hash(c1) partitions 4;
Query OK, 0 rows affected (0.20 sec)

--一级分区转换成其他一级分区示例
OceanBase(admin@test)>alter table t1 partition by key(c1) partitions 10;
Query OK, 0 rows affected (1.84 sec)

--一级分区转换成其他一级分区验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) NOT NULL,
  `c2` datetime NOT NULL,
  PRIMARY KEY (`c1`, `c2`)
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0
 partition by key(c1)
(partition p0,
partition p1,
partition p2,
partition p3,
partition p4,
partition p5,
partition p6,
partition p7,
partition p8,
partition p9) |
+-------+--------------------------------------------------------+
1 row in set (0.03 sec)

OceanBase(admin@test)>create table t1(c1 int, c2 datetime, primary key(c1, c2))
    -> partition by hash(c1) partitions 4;
Query OK, 0 rows affected (0.19 sec)

--一级分区转换成二级分区示例
OceanBase(admin@test)>alter table t1 partition by range(c1) subpartition by key(c2) subpartitions 5 (partition p0 values less than(0), partition p1 values less than(100));
Query OK, 0 rows affected (1.88 sec)

--一级分区转换成二级分区验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) NOT NULL,
  `c2` datetime NOT NULL,
  PRIMARY KEY (`c1`, `c2`)
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0
 partition by range(c1) subpartition by key(c2) subpartition template (
subpartition p0,
subpartition p1,
subpartition p2,
subpartition p3,
subpartition p4)
(partition p0 values less than (0),
partition p1 values less than (100)) |
+-------+-------------------------------------------------------+
1 row in set (0.03 sec)
  1. 二级分区转成一级分区或者其他二级分区
OceanBase(admin@test)>create table t1(c1 int, c2 datetime, primary key(c1, c2)) partition by range(c1) subpartition by key(c2) subpartitions 5 (partition p0 values less than(0), partition p1 values less than(100));
Query OK, 0 rows affected (0.23 sec)

--二级分区转换成一级分区示例
OceanBase(admin@test)>alter table t1 partition by key(c1) partitions 10;
Query OK, 0 rows affected (1.98 sec)

--二级分区转换成一级分区验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) NOT NULL,
  `c2` datetime NOT NULL,
  PRIMARY KEY (`c1`, `c2`)
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0
 partition by key(c1)
(partition p0,
partition p1,
partition p2,
partition p3,
partition p4,
partition p5,
partition p6,
partition p7,
partition p8,
partition p9) |
+-------+--------------------------------------------------------+
1 row in set (0.03 sec)

OceanBase(admin@test)>create table t1(c1 int, c2 datetime, primary key(c1, c2)) partition by range(c1) subpartition by key(c2) subpartitions 5 (partition p0 values less than(0), partition p1 values less than(100));
Query OK, 0 rows affected (0.24 sec)

--二级分区转换成其他二级分区示例
OceanBase(admin@test)>alter table t1 partition by hash(c1) subpartition by key(c2) subpartition template(subpartition sp0, subpartition sp1, subpartition sp2) PARTITIONS 5;
Query OK, 0 rows affected (2.07 sec)

--二级分区转换成其他二级分区验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) NOT NULL,
  `c2` datetime NOT NULL,
  PRIMARY KEY (`c1`, `c2`)
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0
 partition by hash(c1) subpartition by key(c2) subpartition template (
subpartition sp0,
subpartition sp1,
subpartition sp2)
(partition p0,
partition p1,
partition p2,
partition p3,
partition p4) |
+-------+--------------------------------------------------------+
1 row in set (0.03 sec)

修改列类型

  1. 修改某列的列类型，包括变短、变长、跨类型变更、修改为自增列、修改字符集等等
OceanBase(admin@test)>create table t1(c1 varchar(32), c2 int, primary key(c1,c2));
Query OK, 0 rows affected (0.19 sec)

--修改列类型：变短示例
OceanBase(admin@test)>alter table t1 modify c1 varchar(16);
Query OK, 0 rows affected (1.47 sec)

--修改列类型：变短验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` varchar(16) NOT NULL,
  `c2` int(11) NOT NULL,
  PRIMARY KEY (`c1`, `c2`)
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0 |
+-------+--------------------------------------------------------+
1 row in set (0.03 sec)

OceanBase(admin@test)>create table t1(c1 varchar(32), c2 int, primary key(c1,c2));
Query OK, 0 rows affected (0.17 sec)

--修改列类型：变长示例
OceanBase(admin@test)>alter table t1 modify c1 varchar(48);
Query OK, 0 rows affected (0.17 sec)

--修改列类型：变长验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` varchar(48) NOT NULL,
  `c2` int(11) NOT NULL,
  PRIMARY KEY (`c1`, `c2`)
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0 |
+-------+--------------------------------------------------------+
1 row in set (0.01 sec)

OceanBase(admin@test)>create table t1(c1 int, c2 int, primary key(c1,c2));
Query OK, 0 rows affected (0.17 sec)

--修改列类型：跨类型变更示例
OceanBase(admin@test)>alter table t1 modify c1 varchar(48);
Query OK, 0 rows affected (1.38 sec)

--修改列类型：跨类型变更验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` varchar(48) NOT NULL,
  `c2` int(11) NOT NULL,
  PRIMARY KEY (`c1`, `c2`)
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0 |
+-------+--------------------------------------------------------+
1 row in set (0.03 sec)

OceanBase(admin@test)>create table t1(c1 int, c2 int, primary key(c1,c2));
Query OK, 0 rows affected (0.18 sec)

--修改列类型：将某列修改为自增列示例
OceanBase(admin@test)>alter table t1 modify c1 int auto_increment;
Query OK, 0 rows affected (0.58 sec)

--修改列类型：将某列修改为自增列验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) NOT NULL AUTO_INCREMENT,
  `c2` int(11) NOT NULL,
  PRIMARY KEY (`c1`, `c2`)
) AUTO_INCREMENT = 1 AUTO_INCREMENT_MODE = 'ORDER' DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0 |
+-------+--------------------------------------------------------+
1 row in set (0.01 sec)

OceanBase(admin@test)>create table t1 (c1 int, c2 varchar(32), c3 varchar(32), primary key (c1),  unique key idx_test_collation_c2(c2));
Query OK, 0 rows affected (0.24 sec)

--修改列类型：修改某列的字符集示例
OceanBase(admin@test)>alter table t1 modify column c2 varchar(32) charset gbk;
Query OK, 0 rows affected (2.12 sec)

--修改列类型：修改某列的字符集验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) NOT NULL,
  `c2` varchar(32) CHARACTER SET gbk DEFAULT NULL,
  `c3` varchar(32) DEFAULT NULL,
  PRIMARY KEY (`c1`),
  UNIQUE KEY `idx_test_collation_c2` (`c2`) BLOCK_SIZE 16384 LOCAL
) DEFAULT CHARSET = utf8mb4 ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0 |
+-------+--------------------------------------------------------+
1 row in set (0.05 sec)

修改字符集

  1. 修改表中所有已有数据的字符集
OceanBase(admin@test)>create table t1 (c1 int, c2 varchar(32), c3 varchar(32), primary key (c1),  unique key idx_test_collation_c2(c2));
Query OK, 0 rows affected (0.23 sec)

--修改表中已有数据的字符集示例
OceanBase(admin@test)>alter table t1 CONVERT TO CHARACTER SET gbk COLLATE gbk_bin;
Query OK, 0 rows affected (2.00 sec)

--修改表中已有数据的字符集验证
OceanBase(admin@test)>show create table t1;
+-------+-------------------------------------------------------+
| Table | Create Table                                          |
+-------+-------------------------------------------------------+
| t1    | CREATE TABLE `t1` (
  `c1` int(11) NOT NULL,
  `c2` varchar(32) COLLATE gbk_bin DEFAULT NULL,
  `c3` varchar(32) COLLATE gbk_bin DEFAULT NULL,
  PRIMARY KEY (`c1`),
  UNIQUE KEY `idx_test_collation_c2` (`c2`) BLOCK_SIZE 16384 LOCAL
) DEFAULT CHARSET = gbk COLLATE = gbk_bin ROW_FORMAT = DYNAMIC COMPRESSION = 'zstd_1.3.8' REPLICA_NUM = 2 BLOCK_SIZE = 16384 USE_BLOOM_FILTER = FALSE TABLET_SIZE = 134217728 PCTFREE = 0 |
+-------+--------------------------------------------------------+
1 row in set (0.05 sec)

▋ 性能测试

我们以创建索引为例进行测试，往表格中导入一定行数的数据，测试建索引的时间，该时间主要消耗在索引数据补全，通过该测试可以评测出各个数据库的数据补全性能。

实验配置

表结构: create table t1(c1 int, c2 varchar(755)) partition by hash(c1) partitions 10；

数据量: 1000 万行；

资源配置: 单机，并行度 10，排序内存 128M；

测试场景：

create index i1 on t1(c1) global;

create index i1 on t1(c2) global;

create index i1 on t1(c1,c2) global;

create index i1 on t1(c2,c1) global;

**对比指标：**创建索引的耗时，单位为 s；

**对比产品：**单机数据库 MySQL、某分布式数据库 A 以及 OceanBase 4.0。

性能测试结果

 

Image

图2 性能测试对比

 

如上图所示，其中数据库 A 是通过模拟插入的方式来进行补全的，测试结果显示，OceanBase 索引构建性能，相对于数据库 A，提升了 10-20 倍，相对于 MySQL，提升了 3-4 倍。因此，使用排序和旁路写入方式来补全数据，能大幅提升索引构建性能。OceanBase 4.0 经过单机性能优化，数据补全的速度明显快于 MySQL。

 

写在最后

 

OceanBase 4.0 支持了常见的数据重整的 DDL 功能，包括修改主键、修改列类型、修改分区规则、修改字符集等。我们希望通过原子变更、更全面的数据一致性校验和高可用的数据同步技术，让用户只需要执行一条语句就能完成所需要的变更操作，无须考虑分布式环境中出现的异常场景，减少业务对分布式环境的感知，使用上更加透明。同时，我们提升了 DDL 的单机和分布式并行能力，加快 DDL 中数据补全的速度，使得 DDL 执行更加高效。

我们期待 4.0 对 DDL 功能的完善和优化，可以帮助用户从容应对多变的业务挑战。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/353330.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

什么是BOM？与焊盘不匹配，怎么办？

什么是BOM？与焊盘不匹配，怎么办？

什么是BOM？ 简单的理解就是：电子元器件的清单，一个产品由很多零部件组成，包括：电路板、电容、电阻、二三极管、晶振、电感、驱动芯片、单片机、电源芯片、升压降压芯片、LDO芯片、存储芯片、连接器座子、插针、排母、…
阅读更多...
成为IT服务台经理需要什么技能

成为IT服务台经理需要什么技能

要给员工带来愉快的体验，就必须对你的服务台进行有效的管理。为此，了解为什么服务台经理的角色对于绘制企业组织良好的服务台至关重要。在本指南中，我们将深入探讨他们的角色、能力和贡献，以了解如何顺利处理服务台操作。 IT 服务…
阅读更多...
【面试题】前端 移动端自适应？

【面试题】前端 移动端自适应？

移动端 h5 开发中有一个绕不开的话题：移动端自适应方案。移动端的设备尺寸不尽相同，要把 UI 设计图较好地展示在移动端上，需要让 h5 页面能自适应设备尺寸。接下来将对移动端自适应的相关概念、方案和其他一些常见问题做个介绍。概念简介大厂…
阅读更多...
什么是 Web3？解读未来的去中心化网络：The Decentralized Internet of the Future Explained

什么是 Web3？解读未来的去中心化网络：The Decentralized Internet of the Future Explained

目录 互联网的演化 什么是 Web 1.0？ 什么是 Web 2.0？ Web 2.0 变现与安全性 什么是 Web 3.0？ 原生支付 创立公司的新方式 Web3 中的身份 如果你读到这篇文章，那么你已经是当代互联网世界的一员了。我们现在使用的网络和10年前大不相同。所以，互联网是怎么演化的，…
阅读更多...
Centos7 安装 Mysql 8.0.32，详细完整教程（好文章！！）

Centos7 安装 Mysql 8.0.32，详细完整教程（好文章！！）

mysql5.7的安装方式参考之前的文章： centos7 安装 Mysql 5.7.27，详细完整教程（好文章！！）_HD243608836的博客-CSDN博客 一、检查mysql版本冲突 先检查是否已经存在mysql，若存在卸载&#xff0…
阅读更多...
大数据第一轮复习笔记（2）

大数据第一轮复习笔记（2）

Spark ./spark-submit --class com.kgc.myspark01.WordCount --master yarn --deploy-mode cluster /opt/myspark01-1.0-SNAPSHOT.jar 1.Client向YARN的ResourceManager申请启动Application Master。Client中创建SparkContext同时初始化中将创建DAGScheduler和TASKScheduler…
阅读更多...
固态继电器的五大优势

固态继电器的五大优势

固态继电器的优点和五个关键优势，现代电气控制系统因二极管、晶体管和晶闸管等固态器件的发明而得到极大的增强。对于加热器和电机等大负载设备，固态继电器可能比传统的机械继电器具有巨大的优势。 虽然并非适用于所有情况，但它们具有许多吸引…
阅读更多...
前端——周总结系列五

前端——周总结系列五

JS的Map对象 概述 ES6新增的一种数据结构Map，对操作键值对很友好，键值对集合，提供属性和方法供开发者使用。存有键值对，键可以是任何数据类型；按照原始插入顺序存储（FIFO）原则；具有…
阅读更多...
关于ChatGPT，我们到底在担心什么？

关于ChatGPT，我们到底在担心什么？

“ChatGPT已对教育产生了巨大冲击” “ChatGPT对程序员造成了哪些影响” “ChatGPT会取代人类的哪些工作？” “谷歌宣布推出类ChatGPT产品Bard” “Bing新版本引入ChatGPT” …… 显然，在这段时间内，ChatGPT这个词已经触发了“全民焦虑”。 …
阅读更多...
低代码平台调研

低代码平台调研

一、什么是低代码 首先，我们来看一下低代码的概念。在维基百科上，低代码是这样定义的，它的全称叫做低代码开发平台，它为开发者提供了一种创建应用软件的开发环境，可以通过图形化界面和参数配置的方式来代替传统的纯手…
阅读更多...
协方差以及PCA

协方差以及PCA

概念：协方差（Covariance）在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。协方差就是衡量两个变量相关性的变量。当协方差为正时，两个变量呈正相关关系&#…
阅读更多...
我用vue开发了一个动态网站--百宝阁 万字长文（spa电商，首页没有做动态，搜索页是动态）

我用vue开发了一个动态网站--百宝阁 万字长文（spa电商，首页没有做动态，搜索页是动态）

一、前言 学习前端已有大半年了，虽然其中备考软件设计师考试花了两个月，但我还是收获颇丰，从最开始的html,到css，js,在到es6，promise，ajax,node.js、vue、webpack我已经有较为靠谱的编码习惯，亲…
阅读更多...
Vue实战第4章：主页设计之中部内容设计

Vue实战第4章：主页设计之中部内容设计

前言 本篇在讲什么 接上篇文章，我们制作了一个自定义的网页导航栏，本篇文章我们简单制作一个内容页 仅介绍简单的应用，仅供参考 本篇适合什么 适合初学Vue的小白 适合想要自己搭建网站的新手 适合没有接触过vue-router的前端程序 本篇…
阅读更多...
Vue常用指令及声明周期

Vue常用指令及声明周期

文章目录知识点前端开发环境配置v-text && v-htmlv-if、v-else && v-showv-forv-onv-modelv-bind、v-cloak、v-pre&&v-once全局 API 是什么Vue.directive 自定义组件Vue.directive 是什么自定义组件回调函数参数自定义组件的生命周期Vue.set 全局操作为…
阅读更多...
【Kafka】一.认识Kafka

【Kafka】一.认识Kafka

kafka是一个分布式消息队列。由 Scala 开发的高性能跨语言分布式消息队列，单机吞吐量可以到达 10w 级，消息延迟在 ms 级。具有高性能、持久化、多副本备份、横向扩展能力。 生产者往队列里写消息，消费者从队列里取消息进行业务逻辑。 一般在…
阅读更多...
Unity对接接口丨简单教学丨UnityWebRequest

Unity对接接口丨简单教学丨UnityWebRequest

新手制作接口对接前言使用过程Postman测试第一次测试第二次测试第三次测试第四次测试第五次测试第六次测试总结前言 提示：大体介绍今日功能介绍 介绍大概UnityWebRequest对接接口方式,博主也是作为刚开始对接口的使用，相当详细。 使用过程 这里为内容…
阅读更多...
你知道IP属地是怎么来的？

你知道IP属地是怎么来的？

在互联网高速发展的时代，登录网络使用网络的过程当中，会存在非常独特的IP属地，这个独特的概念就是在互联网不断发展过程当中，对于大家来说非常熟悉而又陌生的一个必要设备，在使用各种电子设备上网的时候，都…
阅读更多...
Flutter For Web实践

Flutter For Web实践

1 什么是Flutter Flutter是Google开源的一套UI工具包，帮助开发者通过一套代码库高效构建多平台精美应用，支持移动APP、web、桌面和嵌入式平台。Flutter和其他的跨平台解决方案的实现方式上有比较大的差异。 我们以React Native（下文简称RN&…
阅读更多...
kubernetes教程 --组件详细介绍

kubernetes教程 --组件详细介绍

组件详细介绍 NameSpace 在 Kubernetes 中，名字空间（Namespace） 提供一种机制，将同一集群中的资源划分为相互隔离的组。 同一名字空间内的资源名称要唯一，但跨名字空间时没有这个要求。 名字空间作用域仅针对带有名字…
阅读更多...
STM32单片机初学8-SPI flash（W25Q128）数据读写

STM32单片机初学8-SPI flash（W25Q128）数据读写

当使用单片机进行项目开发，涉及大量数据需要储存时（例如使用了屏幕作为显示设备，常常需要存储图片、动画等数据），单靠单片机内部的Flash往往是不够用的。 如STM32F103系列，内部Flash最多只能达到512KByte&a…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023