MemSQL的纯内存设计理念

• MemSQL使用RAM作为Primary Storage。
• 传统数据库使用磁盘作为Primary Storage。内存只做缓存用。
• MemSQL通过lock-free skip lists and hash table来优化读。传统的缓存无法实现这种优化。
• 内存不够，拒绝写请求。
• 数据默认是异步批量顺序写log，结合定时快照以实现持久化。

以内存为中心就是要最大程度的发挥内存介质的性能，而不是仅仅把内存当成cache来用

-围绕内存设计数据组织格式

• 比如MemTable的无锁跳表
• 内存数据如何更好的支持持久化和恢复（比如Ignite围绕page的内存数据组织方式）
• Optimization of T-Tree Index of Main Memory Database in Critical Application
• 内存数据库中的索引技术
• 内存数据库索引研究
• 新型存储介质对数据管理的影响

- 围绕内存设计并发访问控制

• An Empirical Evaluation of In-Memory Multi-Version Concurrency Control
• High-Performance Concurrency Control Mechanisms for Main-Memory Databases
• Haketon的高性能并发控制算法
• 一文详解分布式数据库并发控制
• 不同MVCC实现优缺点
• Fast Serializable Multi-Version Concurrency Control for Main-Memory Database Systems
• Concurrent Programming Without Locks

- 围绕内存的引擎设计（所有工作围绕如何降低指令数展开）

• 优化索引实现

> B-Tree的一次索引查询至少要执行上千条指令

> 传统的围绕磁盘的设计需要考虑复杂的buffer实现

> Hekaton数据全部放内存，通过log和快照进行持久化

> Hekaton不持久化索引，重启时通过快照和log重建索引

• 清除所有的锁

> memory allocators, hash and range indexes, and transaction map, are entirely latch-free (lock-free).

> There are no latches or spinlocks on any performance-critical paths in the system.

> uses a new optimistic multiversion concurrency control to provide transaction isolation semantics, no locks and no lock table.

• 将请求编译成native code

> 大部分DBMS都是基于解释器方式来执行用户的查询请求，这会导致非常多的指令消耗。

• 不分区

> HyPer, Dora, H-store, and VoltDB是采用分区方式，将CPU和分区数据进行绑定来提高性能。

> 分区的性能提升只对那些可分区的workload有效，对于无法分区的请求会导致严重的性能损耗。

> 一个无法分区的请求，需要将请求分发到所有分区上执行，然后再汇聚结果，这中间的开销非常高。（这一点会导致yugabyte的读请求无法提前执行）

> Hekaton经过多方评估，最终选择了No Partitioning模式。

• 持久化

> transaction log + checkpoint

> 顺序写：客户把钱花到内存上而不是SSD上

> 把时间消耗推迟到恢复阶段而不是事务执行阶段

> 在恢复阶段并行化，以提高IO和CPU利用率

> transaction log

> 采用Group Commit来提高吞吐

> 不采用WAL

> 多并发的log stream来解决日志尾部的扩展瓶颈（tail of the transaction log is typically a bottleneck）

• checkpoint

> 目的是提高恢复效率

> 增量方式持续进行（以解决定时方式导致的系统性能不稳定问题）

> Streaming I/O：规避随机IO（即使SSD）带来的性能和CPU消耗

> 差量方式存储数据

对于实时读写请求来说，内存是数据的终点

• 数据写到内存之后，就应该通知客户写成功
• 数据写到内存之后，就应该可见
• 数据的持久化需要尽量小的影响性能

初步结论

• 目前大部分的HTAP系统都仅仅是即支持TP又支持AP；并且针对AP的设计也主要围绕海量数据分析场景；
• OLAP场景和HTAP中的AP场景不同，一个是低频的海量数据分析场景，一个是为TP过程提供的快速AP能力。我们应该是重点关注后者，同时支持前者；
• 以内存为中心就需要最大化的发挥内存的性能优势。

MemFire Cloud是基于MemFireDB云原生和线性扩展能力而打造的数据库云服务，致力于为互联网用户提供一站式数据库自助服务，实现按需使用，随用随取，最大化的节约成本，加速用户的业务创新。