传统数据库没落，OLTP新型数据库发展火热（一）

越来越多的程序员开始做移动App的开发，真正做底层系统开发的程序员还是少数。看到国内数据库系统发展的资料不是很多，我也把自己对当前数据库系统发展的认识写成博文， 和大家分享，希望可以互相学习。

数据库系统的近期发展和分类

随着操作系统发展趋于稳定（不包括移动端OS），越来越的的研究集中在数据库系统的发展上，没有多少人说要重新做一个操作系统，更多的人是在现有的OS上做各式各样的应用。但是过去的10年，是数据库井喷式发展的阶段，各式各样的产品迸发出来，例如文件存储数据库（如MongoDB），列存储数据库（如Vertica）， 各种NewSQL数据库（如VoltDB）。之所有有如此的发展，归结于数据量不断快速膨胀，传统数据库在大数据上的处理性能不能满足需求等。人们趋于去开发针对不同应用类型的数据库，来满足对特定数据处理的需求，在操作系统上开发数据库系统应用很像是在开发移动App一样，出现了蓬勃似得发展。由于当下Big Data依旧是非常火热的话题，在未来的一段时间内，提供底层数据管理服务的数据库，仍旧会是计算机发展比较快的领域之一。

许多人会把数据库系统和其他某些概念混淆在一起，其实数据库作为一个大的系统，就对目前市场上产品来讲，可以分好多类：

1. 关系型数据库管理系统（Relational DBMS），例如：Oracle，SQL Server, MySQL， PostgreSQL

2. 键-值 存储，例如：Redis，Memcached, DynamoDB

3. 文件存储，例如：MongoDB，CouchDB，Couchbase

4. 大数据存储系统, 例如：Cassandra，HBase，Google‘s Bigtable

5. 基于Hadoop的数据分析系统，例如：Hive，Spark，Impala（第四类和第五类，多多少少有些交叉。）

6. 文本查询系统, 例如：Solr, Elasticsearch.

除了上面的常见类型，还有其他很多小分支，如图形数据库，对象数据库等，这里不作为讨论的重点。 本文主要探讨第一类传统关系型数据库系统（RDBMS）。

不同类型的数据库，适用于不同的需求，他们之间有相似也有不同。作为第一类传统关系型数据系统，与其他类型数据库最明显的区别有几点：A）支持所有SQL语句，B）支持事务（Transaction）的ACID属性。 第二类和第三类就不具备的特点A和B，第四类和第五类大多不支持A和B。即使其他类别支持A或B，也是和RDBMS所支持的A，B有很大不同。对于A而言，其他类别数据库也只是支持某些SQL的子集，而不是整个SQL标准，或者说是较老的SQL标准，比如SQL92+。对于B而言，不是在Row级别支持所有事务的ACID属性，那些eventually consistency什么的，都是商业宣传词汇，其实就是no consistency。

这里并不是说其他类别的数据库不好，只是我们进入了一个数据库多元化的时期，不同的数据库都有自己的特点和擅长的地方，不可一概而论。比如对于Consistency来言，银行的业务就需要strong consistency，确保资金出入正确，而微博这种应用可以舍弃一些consistency来换取系统高吞吐量，用户不是非常关心能否即使（比如时间延误小于2秒）看到朋友的微博状态。

传统关系型数据库系统系统根据应用还可以大致分为两类：OLTP（Online Transaction Processing）和OLAP（Online analytical processing），其中OLTP处理并发，多线程管理等事务，OLAP用于大量数据分析，是BI（Business Intelligence）的一部分。第一类的关系型数据库系统大都包含了OLTP和OLAP的功能，属于通用型的数据库。下文也着重讨论OLTP类型的数据库。

传统关系型数据库性能分析及瓶颈

近些年有关传统数据库性能的分析，已经有很多很多。我个人比较看好惠普HP和麻省理工大学MIT联合研究出的一片文献《OLTP Through the Looking Glass, and What We Found There》。简单的讲，他们的对当代数据库进行了解刨式地分析，得出结论：传统关系通用型数据库，只有10%左右的时间是处理有效数据，剩下90%的时间都浪费在其他辅助工作上：Buffer manager，Latching，Locking，logging，Btree keys等。

上图这是他们跑TPC-C benchmark得出不同数据库部分的性能图标，左侧为指令的百分比，右侧为CPU cycle（即CPU执行时间）的百分比。白色部分为真正有用的数据处理，剩下的都是传统数据库不可或缺的部分，但是消耗了大量的资源。由上图所示，缓存管理和锁，门闩和日志都是传统关系型数据库实际较大的开销。

传统数据库的性能缺陷一直没有提到大家的日程上，主要还是因为在过去数据量太小的缘故。随着近10年因特网的发展，尤其是近5年移动端应用爆炸式的涌现，数据量也在井喷式的增长。在当代，谁能处理好大数据，谁能挖掘Big data的商业价值，谁就能赚到钱。不少科技公司的竞争，就是数据处理能力的竞争。这也是为什么近10年涌现出很多NoSQL的数据库和NewSQL的数据库。NoSQL发展的早些，现有很多知名的系统，例如Google的Big Table，Amazon的DynamoDB，Apache的HBase，Cassandra等。NewSQL系统出现的晚于NoSQL大概5,6年吧，现在流行的有VoltDB，NuoDB，Clustrix等。他们的共同点都是解决大数据的处理性能问题，不同点是NewSQL系统，旨在解决NoSQL不支持标准SQL语言和事务Transaction不全支持ACID属性的特点。换句话说，NewSQL的功能要比NoSQL更加全面，更加兼容传统数据。

好多人想问，为什么市面上流行的数据库竟然如此差，设计成这个样子？难道大家都错了吗？其实这个问题很简单，传统数据库开发得很早，最早可追述到上世纪七八十年代，距今至少也有30个年头了。这种数据库系统实际架构和模式，是由当时整体计算机硬件水平和理论水平而决定的。近些年硬件发展速度相当迅猛，无论是从Disk/RAM的大小到价格，还是CPU的性能和多核（Multi-core）技术等，比起30年前，都有飞跃式的发展。尽管摩尔定律这两年半导体技术发展的增长速度已经放缓，但是还在不断进步。再者就是因为，30年前数据库的应用很单一很简单，经过这么多年的发展，我们的实际的数据处理需求也在不断多样化，传统数据库也随之不断地增加不同的功能，使之越来越庞大。

参考资料：

(1) 《OLTP Through the Looking Glass, and What We Found There》，

(2) 《The End of an Architectural Era》，VLDB 2007