PD架构

PD：有高可用和强一致性。 也有leader。使用奇数的节点数量。它需要存储元数据，分配全局时钟(TSO)，调度Region。

名词概念：
store： 指的是TiKV 节点，或者说TiKV实例
Peer： 一个副本就是一个peer,也指raft当中的成员。

主要功能

• 整个集群TiKV的元数据存储
• 分配全局ID和事务ID(全局id：例如table id 索引id)
• 生成全局时间戳TSO
• 收集集群信息进行调度
• 提供label，支持高可用
• 提供TiDB Dashboard

路由功能

路由功能：简单而言，就是执行SQL的时候，Leader region在哪个TiKV上。
Region Cache： 为了减轻PD与TiDBServer的交互，将一些Region 信息缓存在这。当然这里面有可能信息过旧。需要重新从PD中载入。 这个时间消耗属于back off一种。

TSO分配

TSO概念

TSO = physical time logical time
tso int64 unix 时钟 locical time: 把1ms分成262144个TSO。

分配过程

PD (Placement Driver) 是 TiDB 集群的管理模块，同时

tsFuture的作用： 如果要等TSO返回，则可能会有延时，改进措施，会立即返回tsFutrue,这个tsFuture会标识 我在什么时候请求了一个TSO。此时SQL语句就该干什么就做什么不用等待获得的TSO。 此时就解析编译，生成执行计划。 在这期间pd client就赶紧拿着这个请求需求去PD，来获得TSO。 获得TSO 和执行计划后，就可以执行SQL语句。

如果获得TSO 比较快，而解析编译还没完成，会等待下tsFutrue.wait(在解析编译后才会获得)，得到tsFutrue.wait后才会将请求到的TSO 获得到。

问题：

1. 性能问题。
   如果多个会话 发送TSO的请求，每一次都发送请求是不是可能的，它有一个批处理的过程，每隔一段时间发送请求。 这个io 的问题（PD需要持久化TSO），用时间窗口来解决。
2. 高可用问题

时间窗口

这时候可以看到磁盘的IO就是3秒一次。 意思就是将一段时间的TSO 分配到缓存中，供TiDB Server排队获取。

同步过程

中间会有一段间隙的丢失。不能保证连续性

调度

总流程

信息收集

TiKV 周期性 将信息发送给PD

• store heartbeat: TiKV 自身信息，例如当前容量信息
• region heartbeat: region信息

调度依赖于整个集群信息的收集，简单来说，调度需要知道每个 TiKV 节点的状态以及每个Region 的状态。TiKV 集群会向 PD 汇报两类消息，TiKV 节点信息和Region 信息：

每个 TiKV 节点会定期向 PD 汇报节点的状态信息

TiKV 节点 (Store) 与 PD 之间存在⼼跳包，⼀⽅⾯ PD 通过⼼跳包检测每个 Store 是否存活，以及是否有新加⼊的 Store；另⼀⽅⾯，⼼跳包中也会携带这个 Store 的状态信息，主要包括：

• 总磁盘容量
• 可⽤磁盘容量
• 承载的 Region 数量
• 数据写⼊/读取速度
• 发送/接受的 Snapshot 数量（副本之间可能会通过 Snapshot 同步数据）
• 是否过载
• labels 标签信息（标签是具备层级关系的⼀系列 Tag，能够感知拓扑信息）

通过使⽤ pd-ctl 可以查看到 TiKV Store 的状态信息。TiKV Store 的状态具体分为Up，Disconnect，Offline，Down，Tombstone。各状态的关系如下：

• Up：表示当前的 TiKV Store 处于提供服务的状态。
• Disconnect：当 PD 和 TiKV Store 的⼼跳信息丢失超过 20 秒后，该 Store 的状态会变为 Disconnect 状态，当时间超过 max-store-down-time 指定的时间后，该 Store 会变为 Down 状态。
• Down：表示该 TiKV Store 与集群失去连接的时间已经超过了 max-store-down-time 指定的时间，默认 30 分钟。超过该时间后，对应的 Store 会变为Down，并且开始在存活的 Store 上补⾜各个 Region 的副本。
• Offline：当对某个 TiKV Store 通过 PD Control 进⾏⼿动下线操作，该 Store 会变为 Offline 状态。该状态只是 Store 下线的中间状态，处于该状态的 Store 会将其上的所有 Region 搬离⾄其它满⾜搬迁条件的 Up 状态 Store。当该 Store 的leader_count 和 region_count (在 PD Control 中获取) 均显示为 0 后，该Store 会由 Offline 状态变为 Tombstone 状态。在 Offline 状态下，禁⽌关闭该Store 服务以及其所在的物理服务器。下线过程中，如果集群⾥不存在满⾜搬迁条件的其它⽬标 Store（例如没有⾜够的 Store 能够继续满⾜集群的副本数量要求），该 Store 将⼀直处于 Offline 状态。
• Tombstone：表示该 TiKV Store 已处于完全下线状态，可以使⽤ remove tombstone 接⼝安全地清理该状态的 TiKV

每个 Raft Group 的 Leader 会定期向 PD 汇报 Region 的状态信息

每个 Raft Group 的 Leader 和 PD 之间存在⼼跳包，⽤于汇报这个 Region 的状态，主要包括下⾯⼏点信息：

• Leader 的位置
• Followers 的位置
• 掉线副本的个数
• 数据写⼊/读取的速度

PD 不断的通过这两类⼼跳消息收集整个集群的信息，再以这些信息作为决策的依据。

除此之外，PD 还可以通过扩展的接⼝接受额外的信息，⽤来做更准确的决策。⽐如当某个 Store 的⼼跳包中断的时候，PD 并不能判断这个节点是临时失效还是永久失效，只能经过⼀段时间的等待（默认是 30 分钟），如果⼀直没有⼼跳包，就认为该 Store 已经下线，再决定需要将这个 Store 上⾯的 Region 都调度⾛。

但是有的时候，是运维⼈员主动将某台机器下线，这个时候，可以通过 PD 的管理接⼝通知 PD 该 Store 不可⽤，PD 就可以⻢上判断需要将这个 Store 上⾯的 Region都调度⾛。

调度的实现

PD 不断地通过 Store 或者 Leader 的⼼跳包收集整个集群信息，并且根据这些信息以及调度策略⽣成调度操作序列。每次收到 Region Leader 发来的⼼跳包时，PD 都会检查这个 Region 是否有待进⾏的操作，然后通过⼼跳包的回复消息，将需要进⾏的操作返回给 Region Leader，并在后⾯的⼼跳包中监测执⾏结果。

注意这⾥的操作只是给 Region Leader 的建议，并不保证⼀定能得到执⾏，具体是否会执⾏以及什么时候执⾏，由 Region Leader 根据当前⾃身状态来定。

调度需求

对常见问题和场景进⾏分类和整理，可归为以下两类：

第⼀类：作为⼀个分布式⾼可⽤存储系统，必须满⾜的需求，包括⼏种

• 副本数量不能多也不能少
• 副本需要根据拓扑结构分布在不同属性的机器上
• 节点宕机或异常能够⾃动合理快速地进⾏容灾

第⼆类：作为⼀个良好的分布式系统，需要考虑的地⽅包括

• 维持整个集群的 Leader 分布均匀
• 维持每个节点的储存容量均匀
• 维持访问热点分布均匀
• 控制负载均衡的速度，避免影响在线服务
• 管理节点状态，包括⼿动上线/下线节点

满⾜第⼀类需求后，整个系统将具备强⼤的容灾功能。满⾜第⼆类需求后，可以使得系统整体的资源利⽤率更⾼且合理，具备良好的扩展性。

为了满⾜这些需求，⾸先需要收集⾜够的信息，⽐如每个节点的状态、每个 Raft Group 的信息、业务访问操作的统计等；其次需要设置⼀些策略，PD 根据这些信息以及调度的策略，制定出尽量满⾜前⾯所述需求的调度计划；最后需要⼀些基本的操作，来完成调度计划。

生成调度

调度类型大概有以下一些：

• balance
  • leader
  • region
• Hot Region
• 集群拓扑
• 缩容
• 故障恢复
• Region merge

执行调度

调度的基本操作

调度的基本操作指的是为了满⾜调度的策略。上述调度需求可整理为以下三个操作：

• 增加⼀个副本
• 删除⼀个副本
• 将 Leader ⻆⾊在⼀个 Raft Group 的不同副本之间 transfer（迁移）

刚好 Raft 协议通过 AddReplica 、 RemoveReplica 、 TransferLeader 这三个命令，可以⽀撑上述三种基本操作。

调度的策略

PD 收集了这些信息后，还需要⼀些策略来制定具体的调度计划。

⼀个 Region 的副本数量正确

当 PD 通过某个 Region Leader 的⼼跳包发现这个 Region 的副本数量不满⾜要求时，需要通过 Add/Remove Replica 操作调整副本数量。出现这种情况的可能原因是：

• 某个节点掉线，上⾯的数据全部丢失，导致⼀些 Region 的副本数量不⾜
• 某个掉线节点⼜恢复服务，⾃动接⼊集群，这样之前已经补⾜了副本的 Region的副本数量过多，需要删除某个副本
• 管理员调整副本策略，修改了 max-replicas的配置

⼀个 Raft Group 中的多个副本不在同⼀个位置
注意这⾥⽤的是『同⼀个位置』⽽不是『同⼀个节点』,这个位置指的是地理位置。在⼀般情况下，PD 只会保证多个副本不落在⼀个节点上，以避免单个节点失效导致多个副本丢失。在实际部署中，还可能出现下⾯这些需求：

• 多个节点部署在同⼀台物理机器上
• TiKV 节点分布在多个机架上，希望单个机架掉电时，也能保证系统可⽤性
• TiKV 节点分布在多个 IDC 中，希望单个机房掉电时，也能保证系统可⽤性

这些需求本质上都是某⼀个节点具备共同的位置属性，构成⼀个最⼩的『容错单元』，希望这个单元内部不会存在⼀个 Region 的多个副本。这个时候，可以给节点配置 labels并且通过在 PD 上配置 location-labels来指名哪些 label 是位置标识，需要在副本分配的时候尽量保证⼀个 Region 的多个副本不会分布在具有相同的位置标识的节点上。

副本在 Store 之间的分布均匀分配
由于每个 Region 的副本中存储的数据容量上限是固定的，通过维持每个节点上⾯副本数量的均衡，使得各节点间承载的数据更均衡。

Leader 数量在 Store 之间均匀分配
Raft 协议要求读取和写⼊都通过 Leader 进⾏，所以计算的负载主要在 Leader 上⾯，PD 会尽可能将 Leader 在节点间分散开。

访问热点数量在 Store 之间均匀分配
每个 Store 以及 Region Leader 在上报信息时携带了当前访问负载的信息，⽐如 Key的读取/写⼊速度。PD 会检测出访问热点，且将其在节点之间分散开。

各个 Store 的存储空间占⽤⼤致相等
每个 Store 启动的时候都会指定⼀个 Capacity 参数，表明这个 Store 的存储空间上限，PD 在做调度的时候，会考虑节点的存储空间剩余量。

控制调度速度，避免影响在线服务
调度操作需要耗费 CPU、内存、磁盘 IO 以及⽹络带宽，需要避免对线上服务造成太⼤影响。PD 会对当前正在进⾏的操作数量进⾏控制，默认的速度控制是⽐较保守的，如果希望加快调度（⽐如停服务升级或者增加新节点，希望尽快调度），那么可以通过调节 PD 参数动态加快调度速度。

以上问题和场景如果多个同时出现，就不太容易解决，因为需要考虑全局信息。同时整个系统也是在动态变化的，因此需要⼀个中⼼节点，来对系统的整体状况进⾏把控和调整，所以有了 PD 这个模块。

lable

label与高可用

label的配置

isolation-level 隔离级别，设置为zone，则副本在zone（当前是数据中心DC） 的级别必须要隔离。

负责集群数据的实时调度。

TiKV 集群是 TiDB 数据库的分布式 KV 存储引擎，数据以 Region 为单位进⾏复制和管理，每个 Region 会有多个副本 (Replica)，这些副本会分布在不同的 TiKV 节点上，其中 Leader 负责读/写，Follower 负责同步 Leader 发来的 Raft log。

需要考虑以下场景：

• 为了提⾼集群的空间利⽤率，需要根据 Region 的空间占⽤对副本进⾏合理的分布。
• 集群进⾏跨机房部署的时候，要保证⼀个机房掉线，不会丢失 Raft Group 的多个副本。
• 添加⼀个节点进⼊ TiKV 集群之后，需要合理地将集群中其他节点上的数据搬到新增节点。
• 当⼀个节点掉线时，需要考虑快速稳定地进⾏容灾。
  • 从节点的恢复时间来看
    • 如果节点只是短暂掉线（重启服务），是否需要进⾏调度。
    • 如果节点是⻓时间掉线（磁盘故障，数据全部丢失），如何进⾏调度。
  • 假设集群需要每个 Raft Group 有 N 个副本，从单个 Raft Group 的副本个数来看
    • 副本数量不够（例如节点掉线，失去副本），需要选择适当的机器的进⾏补充。
    • 副本数量过多（例如掉线的节点⼜恢复正常，⾃动加⼊集群），需要合理的删除多余的副本。
• 读/写通过 Leader 进⾏，Leader 的分布只集中在少量⼏个节点会对集群造成影响。
• 并不是所有的 Region 都被频繁的访问，可能访问热点只在少数⼏个 Region，需要通过调度进⾏负载均衡。
• 集群在做负载均衡的时候，往往需要搬迁数据，这种数据的迁移可能会占⽤⼤量的⽹络带宽、磁盘 IO 以及 CPU，进⽽影响在线服务。