作者：黃鵬程（馬格）
一、Tair背景介紹
（一）什麼是阿裡雲Tair雲原生記憶體資料庫
阿裡雲Tair雲原生記憶體資料庫線上名字為阿裡雲資料庫Redis企業版（又稱阿裡雲Tair），從2009年開始正式承載集團業務，是一款曆經磨練的企業級産品。它完全相容Redis的資料結構和通訊協定，包括API接口，并且在内部逐漸打磨的過程中，基于Tair研發雲上托管雲記憶體資料庫。
如上圖所示，Tair産品分為三個類型，從性能到成本效益有不同的産品排布，下面用1.0X表示開源的Redis的性能與價格，從性能和價格上與三個類型的Tair産品進行對比。
-
Tair性能增強型
性能約為開源Redis的兩倍，支援多種常見資料結構，在天貓/淘寶/高德/優酷中大規模使用，并擁有任意時間點恢複/全球分布式/熱點散列等特性。
-
Tair持久記憶體型
基于Intel傲騰持久記憶體做的資料庫，後文會重點闡述其特點。
-
Tair容量存儲型
直接對标社群Pika等開源存儲型Redis産品。然後因為我們會用阿裡雲的高效的高效雲盤，是以說整個的功能和性能都會比Pika強很多。
如上圖所示，從記憶體存儲方面，Tair三個類型的産品适應不同的場景。
1）資料讀寫頻繁，要求低延遲，支援大連接配接；
2）成本相對不敏感，以滿足業務性能需求為主。
1）資料讀寫較頻繁，延遲要求可稍微放寬，存儲資料量有一定較大容量要求；
2）成本控制較之熱資料要求更高。
1）資料讀寫密集程度低，延遲要求不高，整體存儲容量要求高；
2）成本是最大考量因素。
（二）阿裡雲Tair面向業務的資料結構讓業務創新更容易
在業務方面，阿裡雲Tair與基于傳統Redis存在許多不一樣的地方，阿裡雲Tair業務結構如下所示。
除此之外，阿裡雲Tair有以下優點：
1）高性能
性能增強型，流量上漲淡然處之，性能是開源Redis的2倍。
2）持久化
持久記憶體型，資料可靠，友善業務使用，不再擔心資料丢失。（RPO=0）
3）低成本
多種存儲媒體，選擇最優成本效益，成本效益高于ECS自建。
4）豐富資料模型
在社群Redis上提供了更多面向應用的資料結構，應用開發更簡便。
5）企業級能力
全球多活，資料閃回，混合多雲（熱點散列）。
（三）阿裡雲Tair曆史
上圖為Tair的發展曆史。從Tair1.0開始，團隊就孵化出了雲Redis社群版和雲Memcache，這是線上社群托管的兩個版本。
在Tair1.0的時候，就會整個孵化出來，2.0逐漸上雲，3.0會孵化出來一款叫GDB的産品，是一款線上的圖資料庫。
再往下是Tair（Redis企業版/Tair 3.0），集團和雲上是同一個版本，有很多種形态來支援使用者在各種業務場景下的需求。
二、Tair功能介紹
（一）做一個不丢資料的記憶體資料庫—Tair持久記憶體型
我們希望做一個不丢資料的資料庫，做法是通過新硬體和新軟體來進行。
1.新硬體
- 引入英特爾® 傲騰™ 資料中心級持久記憶體；
- 與DRAM記憶體相近的性能表現，而且其大容量和非易失性的特性還可幫助系統獲得更優的可用性；
- 它相比于DRAM記憶體的成本和容量優勢，也可幫助客戶有效地降低總擁有成本。
上圖為存儲媒體圖，速度延遲從上到下逐漸增大，相反，容量逐漸減少，成本逐漸降低。Storage Class Memory處于中間，成本效益較高。
2.新軟體
- 模式選擇
新軟體的開發模式方案有兩種，分别是記憶體模式（Memory Mode）與應用程式直接通路模式（App Direct Mode）。
在記憶體模式下，應用和OS将其視為易失性記憶體池，雖對應用透明，但掉電即失，是以不采用。
在應用程式直接通路模式下，持久記憶體和 DRAM充當獨立記憶體資源，通過建構符合Redis協定和資料結構的軟體利用兩塊存儲資源建構相容Redis、具備指令級持久化能力的記憶體資料庫。
- 全新的挑戰
我們選擇重新寫相容Redis的東西，而不是在Redis基礎上進行更改，是因為新軟體有着全新的挑戰：
1）替代原有的記憶體配置設定器，同時要保證記憶體配置設定器中繼資料的持久化；
2）Redis資料結構與索引的持久化要保持一緻性；
3）持久記憶體和易失記憶體如何協同工作，讓整個資料庫高性能工作，同時還具備強大的持久化能力。
3．産品化能力
上文結合軟硬體的能力闡述了如何去建構持久化記憶體的形态，下面可以看一下所帶來的成果。
- 消除aofrewrite與fsync的無Fork設計，服務更順滑，P95延時較之記憶體版Redis更低更穩定；
- 讀寫性能吞吐為記憶體版Redis的90%以上。
- 原生指令級持久化能力，操作寫入即持久化；
- 緩存主存合一成為可能，成本更低，架構更優雅。
4.應用場景
應用場景主要分為如下兩種。
場景一：大資料量、高性能、成本的綜合選型考慮
- 機器學習平台、推薦系統等計算資料對性能和容量的要求很高；
- 全記憶體又使得成本壓力巨大；
- 可采用Tair持久記憶體型以有效降低成本，并能夠保持高性能運作；
- 同時使用者也無需為降本而綜合使用其他資料存儲，有效地平衡了系統複雜度與成本。
場景二：用作持久化資料存儲
- 遊戲、直播、資料分析中大資料結果集對外提供查詢服務等場景可以使用；
- 可采用Tair持久記憶體型作為資料最終的存儲；
- 對比緩存+主存的兩層架構，資料同樣可靠；
- 成本效益更高，代碼更簡化，架構更優雅。
（二）做一個具備時光機能力的資料庫--資料閃回
我們希望這個記憶體資料庫具備有時光機能力。時光機能力表示可以将資料恢複到過去指定的任何時間點，也稱為資料閃回，它有如下兩大特點：
- 七天内任意時間點的資料恢複
1）Backup/Restore的終極形态
2）支援按秒級的資料恢複（可支援到按條）
3）防止删庫跑路場景
4）Clone & Switching：随時回切
- 根據按照指定Key或者Key Glob Pattern進行原地資料部分恢複
1）靈活應對部分資料異常
2）其餘未指定資料不變化
3）遊戲資料回檔實作
（三）做一個全球多地寫入的資料庫--全球多活
1.基本概念
我們希望資料庫能夠多地寫入，把多地的記憶體資料庫進行多活操作，使用者可以在多地通路與寫入，我們幫使用者做資料按序同步。
2. 三地六向同步
- 全區全服同時線上，解決漫遊（roaming）和DNS漂移問題。
- 資料本地通路（locally data access）的流暢性。
- 單元化：獨立部署，區域容災，按需排程。
- 資料的高可靠和性能提升。
3. 低延遲時間SLA保障
- 推送模式（Push），Latency= T1 (binlog落盤時延)+ T2 (Replicator發現時延) + T3 (Apply時延)
1）整體看，T1 + T2 穩定在10ms，最差100ms；T3基本上時延是網絡RTT。
2）忙時下不敏感，replicator具備獨立的資源，點到點同步通道帶寬穩定。
- 适合寫入量大，對平均時延要求高的客戶。
- 目前全球分布式緩存隻能做3地6向。
- 适合跨域多活及單元化業務（阿裡内部經驗）。
- Tair全球同步時延測試白皮書：
4. Session場景
Session的容災至關重要
- 随着業務擴充，session通路壓力幾何級數增長。
- 對抖動敏感，遠距離通路體驗差。
- 單元化部署，全球化部署。
- 除去容災（跨域備份），還要能就近讀寫（跨域雙活，多活）。
5. 遊戲場景
架構特點：玩家可就近接入，本身邏輯就近計算資料讀取，基本不存在資料一緻性問題，靈活調整分布式節點。
可以靈活跨地域部署，資料通過Tair同步延遲根據網絡速度決定通常在100ms以下。
場景：聊天室，彈幕資訊同步；跨服對戰；全球道具商城。
6.出行場景
Tair也在高德地圖中深度使用，并解決了出行場景的一些問題。
使用前：導航時地理位置資訊推送問題
- DNS漂移是一個邊界效應，通常大概影響邊界上5%-7%的使用者。
- 在導航中跨越邊界時，會大量出現交叉通路不同資料區的場景；業務邏輯複雜，可靠性低，使用者體驗差。
使用後：高德交通三地六向同步（Tair only）
- Redis-enterprise跨域多活提供百萬OPS每秒的資料同步。
- 交通在三地都可高速寫入/通路；極高性能的優勢提供流暢的使用者體驗。
- 使用者可以靈活的在SDK層控制讀寫，比例等。
（四）做一個有計算的記憶體資料庫
1. TairCPC高精度計數
TairCPC是一種資料的壓縮算法（sketches）的記憶體實作，可以利用很小的空間對采樣資料做高性能的計算，适合在實時和流式計算場景下做高性能的風控和安全場景。
- 主要特性
1）記憶體占用低
2）增量讀寫，IO最小化
3）毫秒級高性能去重
4）超高去重精度
5）誤差率穩定收斂
- 适用場景
1）想以較低的記憶體實作對海量資料的去重計算；
2）容忍一定的四舍五入的誤差率；
3）适用于實時計算的滾窗和滑窗去重。
2. TairTS時序資料處理
TairTS是基于Redis Module開發的時序資料結構，提供低延遲時間高并發的記憶體讀寫通路，以及快速的過濾聚合查詢功能。将存儲與計算集于一身，極大地簡化使用者處理時序資料的流程，結合Tair持久記憶體型單叢集最大規模可達65T。
1）TairTS相對于TSDB類傳統時序資料庫，可提供更快的寫入性能，并提供數10倍的查詢性能。
2）針對小規模資料場景，TairTS可将批量查詢與聚合計算內建到單條指令中，減少網絡互動，實作毫秒級響應。
3）針對大規模資料場景，可利用索引指令，将大規模資料，分批查詢與聚合，實作秒級響應。
1）監控資料的存儲與計算
2）車聯網、工業網際網路實時IOT資料處理
3）APM秒級監控等
三、面向未來
最後談一下未來面對的事情，關注雲産品的人可能都知道存儲計算分離，我們希望在這基礎上能再進行一層分離。将記憶體也分離出來，做一個大的記憶體存儲池。希望我們的再分離一層，就是把記憶體也分離出來，因為現在可能是一個大的存儲池，為使用者提供更加彈性的服務。