分布式数据库中的事务时序

分布式数据库中的事务时序

概述

在单机数据库领域，我们为每个事务都分配一个序列号，比如***的SCN(SystemChangeNumber),MySQL的LSN(LogSequenceNumber)，这个序列号可以是逻辑的，也可以是物理的。我们依赖这个序列号对系统中发生的事务进行排序，确保所有事务都有严格的先后关系。数据库中所有的事务都按分配的序列号排序，对于任何时间点发生的读，保证能读到这个时间点之前的提交的事务，并且读不到之后发生的事务。所以，一般来说，无论系统中序列号是逻辑还是物理的，都与真实的物理时间有一个对应的单独递增关系。在单机数据库时代，这个相对容易做到，系统中有一个唯一的序列号分配器，保证有序。

来到分布式数据时代，一个数据库系统不再只有一个节点可以处理事务，多个节点上发生的事务如何保证有序是本文想要讨论的问题。最简单的想法是，我们在数据库系统中专门添加一个组件，这个组件作用就是分配时间戳，付出的代价是，任何一个事务提交，都需要有一个网络RTT的消耗，并且分配时间戳的组件是整个系统的单点，可能成为系统的瓶颈。实际上，目前主流分布式数据库系统还提供了两个可选方案，一种是Spanner数据库的TrueTime机制，另外一种CockroachDB数据库的HLC(HybridLogicClock)机制。

HLC机制

先说说HLC的由来，我们前面提到分布式数据库中，要为每个事务都分配一个合理的序列号比较麻烦，实际上这不单单是数据库的问题，还是所有分布式系统中的共性问题，如何为系统中发生的事件排序。既然各个节点的物理时钟不一致，不如都采用逻辑时钟(LogicClock)，逻辑时钟只保证因果一致性，即不保证全局有序，只保证有先后顺序的事件有序。哪些事件有先后关系，主要包括两类，1.单节点内部先后发生的事件；2.节点间有通信的事件，发送消息的节点一定早于接收消息的节点。由于分配的序列号与物理时钟完全无关，真实时间无法与序列号对应，导致无法用于实际的生产环境。HLC源于LC，是对LC的改进，同样是保证因果序，但引入了物理时间戳作为序列号的一部分，这样能与物理时钟对应起来，采用物理时钟+逻辑时钟混合的方式作为序列号，提供一种事务序列号的分配方法。

l.j表示本地HLC，pt.j表示物理时间戳，c.j表示逻辑时间戳，对于发送事件或是本地事件，递增逻辑时间戳部分，确保本地事件有序；对于接收事件节点，取本地时间戳和发送节点时间戳的最大值，如果物理时间戳部分相同，则递增逻辑时间戳部分。整个逻辑是简单清晰的，回归到数据库系统，则是事务提交时，如果是本地事务，则取本地HLC和本地物理时间的最大值，避免时钟跳变；对于分布式事务，则选择多个参与者节点中最大的HLC，并且推高各个节点的本地HLC，从而保证事务的序列号HLC一直都是单调递增的。

在分布式数据库领域引入HLC算法能为每个事务都分配一个合理序列号，并且保证有因果关系的事务通过序列号就能确定。在数据库领域，怎么定义因果关系，对于单节点事务而言，如果事务严格时间先后发生顺序(事务A提交后，事务B才开始)，或者存在依赖关系(比如更新同一行)，则认为存在因果关系；如果事务能并发执行提交，但不存在依赖关系，则不存在因果关系，事务序列号分配没有约束。对于跨节点分布式事务而言，如果涉及到节点更新与其它事务有依赖关系，则存在因果序，否则没有。数据库系统引入HLC机制后，能够保证有依赖关系的事务，分配的序列号也一定有先后顺序。HLC由物理时钟+逻辑时钟两部分组成，论文中建议48位作为物理时钟位，16位作为逻辑时钟位，那么提供的时钟精度大约是15微妙，每个微妙的逻辑时钟LC可以跳变65536次。

TrueTime机制

前面提到了TrueTime机制，在对比两种分配序列号机制之前，先简单介绍下TrueTime。我们之所以使用LC，HLC主要原因是我们各个节点的物理时钟不一致，我们无法按单机思维来解决分布式系统问题。TrueTIme机制是通过在集群中引入原子钟和GPS等硬件设备，来确保集群中各个节点的物理时钟误差在一定范围内，配合特殊的事务commit-wait逻辑，保证全局的事务有序。

我们看一个问题，假设集群最大物理时钟误差是100，用户先后执行了两个事务A和B，分别在节点Node1和Node2上提交，Node1的物理时钟比Node2物理时钟快70，事务A的提交时间物理时间戳为120，记为t1；事务B的提交物理时间戳为55，记为t2，显然从时间戳来看t1>t2，但是事务A却先于事务B发生，这显然与实际情况不符。由于事务A和B并没有任何交集，按我们的定义，它们之间没有因果关系，所以HLC机制不保证最终分配的时间戳HLC(A) < HLC(B)。

现在看看TrueTime机制如何给两个事务排序。假设事务A提交时，通过TrueTime-API获得的是一个时间戳是一个范围，比如[t1-ε1,t1+ε1]，事务B开始时，获取的时间戳范围是[t2-ε2,t2+ε2],由于事务A先于事务B发生，因此需要能保证t1+ε1 < t2-ε2，t2-t1 > ε1+ε2，那么显然只要事务提交时，等待(ε1+ε2)时间，那么一定能满足t1+ε1 < t2-ε2,也就是事务A提交时间戳<事务B提交的时间戳。实际上TrueTime机制保证的时间戳误差最大在7ms，那么事务提交时，则必须等待大概14ms，才能保证事务有序。对于分布式事务，事务会跨多个节点，事务的时间戳会选取几个节点中最大的时间戳。因此，实际上对于集群中任何一个节点无论是本地事务还是分布式事务，发生的先后顺序都与时间戳顺序一致，也就能保证所谓的外部一致性。TrueTime机制通过commit-wait的模式通过牺牲延迟，保证了全局顺序。

TrueTime机制引入了特殊的硬件设备，外加commit-wait机制，通过牺牲一定的latency，来保证全局事务的顺序。HLC机制对于写请求则相对轻量，尤其是本地事务，没有任何网络交互，也不需要额外的时间等待，不同节点上有先后顺序事务，实际上分配的序列号没有严格的先后顺序，只能保证因果序。

全局序VS因果序

如果采用专门的事务序列号分配组件服务，比如TSO(TimeStamp ***)，显然所有事务都是有序的，类似于单机数据库；如果是TrueTime机制，对于任何一个时间戳，读取的快照误差都在指定的范围(7ms以内)，结合commit-wait，也能保证全局有序；而对于HLC机制，由于并没有解决物理时钟问题，要控制误差可能需要借助NTP等服务，当然这个误差可能在150ms或更多，不如原子钟和GPS精确，如果采用commit-wait机制，事务延迟过大，就无法用于实际生产环境了，所以无法提供全局序。那么全局序和因果序对于读有什么影响？对于快照读，HLC机制如果只根据本地HLC时间戳生成，那么因为时钟误差，可能会漏掉部分已提交的事务；如果与所有节点通信并获取HLC，那么至少当前的这个快照是能读到所有已提交的事务的，但读性能开销就比较大了(与所有节点都有网络交互)。当然，这个就看场景了，比如要建全局索引，通过与所有节点通信获取HLC，实际上就相当于与所有节点都有因果关系，间接得到了一个全局一致性快照。这个快照点以前的事务都可以读取到，这个点以后的事务都不读到。显然，全局序更贴合实际应用场景，但我们也可以具体问题具体分析，不能说只提供因果序的系统没有价值。

总结

数据库系统中，给事务分配合理的序列号，需要与实际发生的事务先后顺序保证单调递增关系。这个需求在单机数据库时代很容易满足，因为只有一个时钟源。进入分布式数据库时代，由于一个数据库系统中有多个节点，每个节点都需要承担分配事务序列号的任务，但天然的各个节点时钟存在误差，导致需要引入特殊的事务序列号分配机制，比如HLC机制，或者TrueTime机制。TrueTime机制本质就是硬件方案，将集群中节点间的物理时钟误差控制在很小的范围内，结合commit-wait模式，保证所有事务全局有序，理论上要保证全局有序，TrueTime并非是充分条件，只需要commit-wait即可，就看wait的时间长短了。HLC机制则是软件方案，只保证事务因果序，并且解决了本地时钟跳变问题。HLC机制配合NTP服务，也能提供一定误差范围内的快照读。

参考文档

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。