Seiring meningkatnya volume data bisnis dan tekanan akses, database node tunggal dapat mengalami keterbatasan dalam kapasitas penyimpanan dan kinerja baca/tulis. Tabel partisi kluster multi-master dari PolarDB for MySQL mendukung pemisahan horizontal data ke dalam beberapa shard fisik berdasarkan kunci distribusi, dengan beberapa node baca/tulis yang secara bersamaan menangani beban bisnis. Solusi ini menggabungkan elastisitas penyimpanan bersama dengan kemampuan skalabilitas horizontal komputasi terdistribusi, sehingga mampu meningkatkan throughput konkuren pada workload skala besar.
Arsitektur produk
Tabel partisi kluster multi-master menerapkan arsitektur pemisahan penyimpanan dan komputasi:
Lapisan penyimpanan: Menggabungkan sumber daya penyimpanan (shared storage) dan menyediakan alokasi sumber daya sesuai permintaan.
Lapisan komputasi: Memungkinkan beberapa node melakukan operasi baca dan tulis secara bersamaan (shared-nothing) untuk memperluas kapasitas kinerja baca/tulis secara horizontal.
Lingkup penerapan
Saat ini, hanya versi kernel 8.0.2 dari PolarDB for MySQL yang mendukung tabel partisi kluster multi-master.
Keunggulan dan kemampuan utama
Pemisahan horizontal otomatis
Saat membuat tabel partisi kluster multi-master, Anda dapat menentukan kunci distribusi, dan sistem secara otomatis mendistribusikan data ke shard fisik yang berbeda sesuai aturan distribusi.
Transparan bagi bisnis
Penggunaan tabel partisi kluster multi-master mirip dengan tabel biasa, sehingga aplikasi umumnya tidak perlu mengetahui distribusi fisik data tersebut.
Skala keluar penulisan horizontal
Beberapa node baca/tulis dapat menangani tugas penulisan secara bersamaan, dan sumber daya komputasi dapat diskalakan secara fleksibel sesuai beban bisnis.
DDL terdistribusi terintegrasi
Menyediakan kerangka kerja DDL terdistribusi yang sepenuhnya terintegrasi, memastikan bahwa semua operasi terkait—seperti penambahan/penghapusan indeks dan modifikasi definisi kolom—dapat diselesaikan secara lancar dalam proses yang terpadu dan transparan, sehingga sangat menyederhanakan alur kerja maintenance.
Kemampuan baca global
Membaca data global dalam kluster melalui node read-only global untuk menangani kueri read-only lintas database dan lintas shard, tanpa perlu membangun kluster agregasi tambahan atau tautan sinkronisasi DTS.
Skenario
Tabel partisi kluster multi-master merupakan bentuk organisasi data yang disediakan oleh Multi-master Cluster (Limitless), terutama dirancang untuk skenario aplikasi dengan volume data besar serta baca/tulis konkurensi tinggi, seperti E-dagang dan gaming.
Skema transaksi E-dagang
Untuk tabel besar, penulisan konkurensi tinggi, dan workload hotspot, kunci distribusi digunakan untuk mendistribusikan data dan tekanan akses ke beberapa node baca/tulis, sehingga mengurangi beban pada satu node.
Skema sharding database dan tabel
Untuk workload yang telah menerapkan arsitektur sharding database dan tabel, disediakan kemampuan pemisahan data transparan dan DDL terdistribusi terintegrasi, sehingga mengurangi biaya modifikasi aplikasi dan maintenance harian.
Perbandingan kinerja
Sysbench digunakan untuk menjalankan uji stres pada dua database terdistribusi komersial utama di pasaran (database terdistribusi 1 dan database terdistribusi 2), serta tabel partisi kluster multi-master PolarDB:
Deskripsi pengujian: Pada halaman pembelian, beli masing-masing database terdistribusi 1, database terdistribusi 2, dan tabel partisi multi-master PolarDB, pastikan kluster yang dibeli memiliki biaya yang sama.
Prosedur pengujian: Sysbench dijalankan pada instans pengujian ECS dengan 32 core dan memori 128 GB, dan pengujian kinerja dilakukan pada setiap database terdistribusi melalui 128 thread permintaan konkuren. Empat pola workload diuji: oltp_point_select, oltp_read_only, oltp_write_only, dan oltp_read_write, untuk mengevaluasi kinerja masing-masing database terdistribusi.
Hasil pengujian: Berikut ini adalah perbandingan kinerja masing-masing database terdistribusi, dengan QPS sebagai contoh:
Dalam lingkungan dan workload pengujian tersebut, tabel partisi kluster multi-master PolarDB menunjukkan kinerja keseluruhan yang baik. Kinerja aktual dapat dipengaruhi oleh faktor-faktor seperti spesifikasi instans, skala data, distribusi data, dan beban bisnis.