91超碰碰碰碰久久久久久综合_超碰av人澡人澡人澡人澡人掠_国产黄大片在线观看画质优化_txt小说免费全本

溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

性能神化,聊聊Exadata 的“七宗罪”

發布時間:2020-08-10 10:19:01 來源:ITPUB博客 閱讀:198 作者:wei-xh 欄目:關系型數據庫


性能神化,聊聊Exadata 的“七宗罪”

什么是Exadata?它跟國內的一些oracle數據庫一體機品牌一樣,是一套專為Oracle數據庫打造的軟硬一體化的數據庫平臺,俗稱“數據庫一體機”,你可以簡單理解成,它們是一個平臺,只要把Oracle數據庫跑在這個平臺上面,就可以跑的又快又穩又安全。

接下我來跟大家聊下Exadata的七宗罪,用“罪”這個詞當然是夸張的,主要的目的還是讓大家了解到Exadata那些可能還不為人知的一些缺陷,有些缺陷甚至是巨大的,甚至會讓你感覺Exadata的這些專有技術非常的雞肋。 如果Oracle公司可以看到這篇文章,能夠對產品加以改進,那為寫這篇文章花費的數個小時也就不白費了。

性能,吾將上下而求索

說“罪”之前,先說說性能的事,因為性能很重要。

自然和自然的法則在黑夜中隱藏;上帝說,讓牛頓去吧!于是一切都被照亮。

在性能方面很多人把Exadata神化了,Exadata不是牛頓。

造成這一局面,很大程度來自于Oracle收服了大量的技術人員的心,這些人對Exadata的專有技術津津樂道。至于這些技術是不是容易應用,以及應用的條件,技術人員很多時候是不關心的,如果不經過訓練,他們很多時候缺乏產品思維。

人類在歷史上有三個問題一直未曾解決,饑餓,戰爭和瘟疫,未來簡史的作者尤瓦爾.赫拉利說,人類直到21世紀,才總算解決了這三大難題。

數據庫領域也一直被一個問題困擾著,那就是性能。特別是,互聯網來了,性能的問題更是捉襟見肘。

很多老人的記憶里都有著吃不飽的經歷,一旦浪費一些糧食,會遭遇巨大的心理譴責,不過根據我的觀察,如果他們浪費了一些衣服(買了幾乎不穿)這種譴責會非常少。其實不管是衣服和糧食,都是人類勞動的產物,本質沒有任何區別,都不應該浪費。

性能猶如糧食,在數據庫的歷史上,一直就不夠用,當年在阿里從事應用DBA的那會兒,數據庫都是要精細化調優的。到了現在,借助于技術進步,各種高性能的架構其實已經讓性能不成為問題了,但是,還是會發現,這種擔心性能不夠的心理還在影響著非常多的人。

此外,用戶特別在意性能還有其他的一些原因,也一并列在這里:

  • 性能指標好量化。性能作為一個好度量的指標,用戶容易把各個供應商的產品區分開。就像我們的高考一樣,它的本質目的并不是為了培養人才,而是為了區分人才,通過一個非常簡單的標準也就是分數把人區分開。性能的道理也是一樣的,它非容易測量。當然,我自己不是非常認可這種區分的方法,對于產品的選擇,性能只是一個小的方面,就像你選擇一個車,不能只看跑得快不快,你一定還關注它的內飾、安全性等等因素。

  • 性能如果是無限的,那么就可以充分解放業務的想象力。某證券的漲樂財富通的APP可以做到5秒自動刷新賬戶信息,要知道每秒有幾百萬客戶在線,這個在傳統的IOE架構下是不可想象的,有了數據庫一體機,就可以釋放業務的想象力。

Exadata第一罪,第一殺手锏功能無法在真實環境中落地

那么Exadata的性能怎么樣呢?花開兩朵,各表一枝。

OLTP,殺手锏毫無用處

在OLTP方面,相對于國產的數據庫一體機品牌,Exadata并沒有優勢。主要都是通過利用SSD,以及高效的存儲層協議來最大程度提高IOPS,降低IO延遲,畢竟對于OLTP系統延遲是關鍵。對于IOPS來說,IOPS的值越大,越能保證并發量。這里還需要提一下serversan,傳統的集中式存儲,機頭控制器還有存儲的前端口很容易成為性能瓶頸,但是一體機都是使用的serversan,相當于每一個serversan的節點都是一個個可以單獨提供動力的節點,保證了IOPS和帶寬的可擴展性。可以把集中式存儲想象成綠皮火車,火車跑得快全靠車頭帶,而serversan是動車,每個動車組都單獨提供動力。

可能有Exadata的技術極客會提到Exadata的RDS協議,這個協議是用來集群間傳遞數據塊的,那什么時候需要傳遞數據塊?在多個節點都需要修改這個塊時。所以如果去設定一些極端場景,例如多個集群節點對少量的熱點數據頻繁做更新,那么數據塊需要不斷的在集群間傳遞,這種極端場景下,RDS協議可能會比IPoIB協議會有優勢,例如用HammerDB或者Swingbench這種壓測工具去做性能測試把壓力開到最大(CPU跑滿),兩者可能會有5%左右的差異。RDS并不是銀彈,錦上添花而已。

OLAP,鏡中花,水中月
  • OLAP方面呢?要知道Exadata本來就是為數據倉庫開發的。它的殺手武器就是它的存儲卸載。存儲卸載做到了 1)可以把大量的操作offload到存儲層完成,節省計算節點的資源 2)第二點也是最重要的一點,可以快速的過濾掉那些不需要掃描的數據,這樣不但提高了掃描的效率,還變相的提高了存儲到計算的帶寬。也就是說,Exadata不用在物理設備上做文章,例如把互聯層從40GB升級到100GB,通過卸載功能,它就能達到56GB甚至100GB的效果,甚至更高。因此,理論上它比國產的一體機品牌在OLAP方面要強。

真強嗎?讓我這個圈子里的人爆一點料給你聽一聽。

先思考一個問題,這個殺手锏也就是卸載功能什么時候能夠被用到?

答,天時地利人和,不比集齊七顆龍珠召喚神龍的難度小。Exadata的銷售人員是不會告訴這一點的。接下來來具體說一說。

索引的痛

要啟用卸載或者說smart scan,第一個限制的條件是,SQL語句的執行計劃必須是全表掃描(全索引掃描也可以認為是全表掃描)。

smart scan是卸載的一個類型,用于SQL語句,卸載還可以對數據庫文件的快速創建,RMAN增量備份等有效果,不過這篇文章并不是做技術的深入探討,簡單的把卸載和smart scan做了等同。

也就是,如果你的系統是OLTP類的訪問,這個殺手級特性對你是毫無作用的,因為OLTP的特點是查詢短小精干,要走索引。卸載功能只能用于偏分析類的系統(例如OLAP),但是請注意,重點來了,在這種分析型場景下,表上不能有相關的索引,否則,按照Oracle的CBO算法有極大可能執行計劃不能滿足走全表掃描這個前提。

你可能會說,那不建索引不就完了嗎?事實的情況是,每個DBA都或多或少,有哪么些索引情節,搞一堆索引在表上。這也是你為什么能夠聽到很多Exadata的工程師去幫客戶優化SQL給出的建議是:“刪掉索引”。甚至這句話被傳的還神乎其神,說,Exadata太神奇了,沒索引才跑得快。

不過且慢,刪掉索引真的可以解決所有的問題嗎?不但可能解決不了問題,而且離系統崩潰也不遠了。大多數客戶的環境,都不是那么的純粹,不是純OLTP或者純OLAP,這些索引可能在OLTP業務下是需要的,如果為了讓分析型的任務跑得快,把索引刪掉,那么就會影響那些OLTP型業務的服務質量了,而 OLTP型的任務對延遲又是最為敏感的。 試想,如果每次查詢淘寶訂單都要十幾秒,你一定要瘋掉,十幾秒的時間都可以看一個抖音短視頻了。

至此死循環產生了。索引是刪還是不刪,我遭遇過的大多數客戶,都選擇了不刪。就讓卸載功能歲月靜好在那美美的呆著,無為而治,更為痛心的是,客戶買的Exadata有1/3的錢都是為了這個功能付費,接觸的某證券客戶,經過統計,只有不到1%的SQL可以用到卸載功能,其他99%的沒有特意經過優化的SQL都走了索引掃描。

必須打開direct path read讀取方式

能用上卸載的第二個條件是,查詢必須要走direct path read方式,也就是讀取的數據不經過buffer cache,直接放入到數據讀取進程自己的私有內存(PGA)中,現實的情況是,不少用戶把這個直接路徑讀是關閉掉的,因為這些全表掃描的SQL導致了過多的物理IO。

所以這對客戶來說又是一個巨大的挑戰。

曾經遭遇的某銀行的Exadata上一個案例是,某個表上有頻繁的增刪改操作,奇怪的是,這個“寫入多”的行為導致表上的其它查詢操作變得非常慢,最后經過分析是由于很多查詢選擇了direct path read的讀取方式,導致每次讀取前都要先把 buffer cache中的臟數據刷到磁盤,等待刷盤的過程中,查詢會被阻塞,直到刷盤完成,一旦這種讀取操作比較多,就會有大量的查詢被阻塞。

Exadata第二罪,上,下,都是折磨

以上說了啟用卸載,這個超級殺手锏的功能,所要滿足的前置條件,都很難滿足!

此外,你的應用需要做大量的測試驗證,中間DBA需要高度配合,而且這個DBA得是個高級專家,review每一個SQL,看是不是要加hint,還是刪索引,這是巨大的工作量,是個系統工程,需要多個角色的配合才能完成,如果為了省事,把所有的索引都刪掉,那么你的系統離崩潰也不遠了,因為OLTP類型的SQL一定還是通過buffer cache這種內存讀的方式查詢的快。

卸載功能,在OLTP場景下,根本無法發揮作用。

即使退一萬步,你覺得自己團隊有大量的Oracle頂級專家,這些工作你都認,認為還是要上,就完了嗎?

并沒有,到了某一天,你接受了天啟,感覺到Exadata并沒有想象那么好,想換掉它,悲劇又會重演,因為,你還需要把當初review過的所有的SQL重新review一遍,哪些加過的hint可能要去掉,或者把當初刪掉的索引再加回來,這又是一個極為漫長痛苦的過程。這個過程,我親身經歷過,而且現在還正在經歷(某銀行客戶)。

我非常認可一句話,

“人類技術的發展有一個很重要的概念,不斷地讓一個難被駕馭的技術,越來越容易地被普通人操縱。”

就像美圖秀秀戰勝PS,一個技術能被越多的人駕馭,價值也才越大,從這一點上來說,Exadata在鉆牛角尖了,客戶去落地使用這個產品是非常困難的。技術本身可以很復雜,但是對客戶的界面要足夠的簡單。

Exadata第三罪,上帝的歸上帝,凱撒的歸凱撒

Exadata有一個EHCC的壓縮功能,這也是他的第二大殺手锏功能。畢竟Exadata這個產品主要是面向數據倉庫系統的,壓縮功能被提到這樣的地位并不為過。

不過這里我負責任的告訴大家,該功能只能在Exadata上使用,意味著你的容災也得用Exadata來搭建,不能使用通用平臺來做Exadata的容災,這是巨大的成本啊,相信就是銀行,面對這樣的成本,也得思量思量吧?

如果你選擇了用通用平臺來搭建Exadata的容災,使用EHCC壓縮過的數據將不能被訪問,除非使用特定的辦法花大量的時間去做解壓才行。此外,壓縮還會讓數據的備份和遷移同樣變得頭痛萬分。再有,數據的壓縮本身就如硬幣的兩面,節省了空間,消耗了CPU資源,更為重要的是,對于Exadata來說,壓縮是必須在計算節點完成的,不能卸載到存儲節點,如果要壓縮的數據量比較大,那就得思考一下,畢竟客戶是要為計算節點的CPU付大量的license費用的。

這里提一下,我接觸到的很多客戶其實是把壓縮功能關閉掉的,做這樣的犧牲,就是為了能夠使用通用平臺來搭建容災,不過可惜的是客戶是為了這個功能支付了大量的費用的。

以上介紹了這么多都說明了Exadata是一個封閉的系統,上了這個船,你就得一直在船上,這個船可不是諾亞方舟。 它讓用戶產生了巨大的沉沒成本,被沉沒成本綁架后,用戶只能老老實實呆在船上。很多人只是買了一張40塊的電影票,看到爛片,也得堅持把片看完,更別說是一個幾百萬上千萬的設備。

Exadata第四罪,技術門檻太高

從市面上很難招聘到一個懂Exadata的DBA,而Exadata要想用的好,恰恰需要一個非常懂行的人。如果用戶的DBA技能不達標,那就只能“無為而治”了,我經常參加一些oracle圈子里的活動,接觸到的很多第三方數據庫服務公司的專家都說,對于Exadata,絕大多數客戶也都是“無為而治“的。可是,客戶為了那些殺手锏的功能是支付了幾百上千萬的費用的。就像買了一個汗血寶馬,結果沒人能夠騎,騎的門檻很高。

Exadata第五罪,Exadata并不包含license

給大家糾正一下:不要覺得買了Oracle Exadata就理所當然的包括了Oracle數據庫的license,Oracle Exadata是個Oracle數據庫的硬件運行平臺,它本身不包括Oracle License,各位買過Exadata的可以看一下,是否Exadata的軟件清單里包括了Oracle 的數據庫許可,客戶需要重新購買。

Exadata第六罪,萬年不變的40G

我們都知道計算機硬件基本上按照摩爾定律在發展,Exadata 自從2008年推出至今,在近10年的時間里,核心網絡一直初心未改運行在40Gb的IB上的,而國內的一體機早都有100Gb以上的產品了,帶寬的效率提高了3倍。可能有人要說,它有卸載功能,40Gb 夠用了,不需要提升帶寬,但是前提是要有專家DBA對SQL做精細化的調優,這將帶來巨大的系統管理成本,數據庫系統也越來越復雜。大家為什么不接受簡單高效的方式,升級到100Gb-200Gb的網絡呢?

我想最大的可能是因為,如果它升級了網絡,它存在的合法性就不存在了。Exadata最大的賣點就是通過卸載功能來最大化提升自己的價值,如果通過提升硬件來達到提升性能的目的,它豈不是沒有面子?這從一定程度上來說,還是以“產品為王”的思路來做產品,而不是以用戶的需求和痛點來做產品。國產的一體機品牌在這個方面更愿意采用更簡單、對DBA和業務更透明的的方式來釋放數據庫的性能。

Exadata第七罪,維保 & 擴容 & 服務

第七點就不詳寫了,誰用誰知道,好像沒遇到過對Exadata 維保、擴容滿意的用戶,可能是高額利潤賺習慣了吧,沒辦法說!另外維保、擴容,升級都極其復雜,服務響應也非常地不及時。其余內容,大家自行腦補就好。

Exadata的未來

說說Exadata的未來,我有點咸吃蘿卜淡操心了,我曾經發朋友圈說既然Exadata這么復雜,如果可以結合人工智能,深度學習技術,那么它的前景還是非常不錯的,但是最近又反思了這個問題,可能答案并沒有這么簡單。(事實上,oracle公司從18C起已經開始搞自治數據庫了)

就像上面提到的, Exadata有一個非常大的問題,是不容易使用,感覺上就像是一堆熱愛技術的極客搞了一個使用門檻很高的產品 ,如何才能降低它的使用門檻呢?我以前認為的答案是,借助于深度學習的人工智能技術,讓Exadata的通過自治來達到降低使用門檻的目的。

但是我這個想法現在想想不太接地氣。大多數客戶選擇使用Exadata,會把比較重要的業務放上面,只要是重要的業務系統,都有一個顯性的需求,“我要穩穩的幸福”,一定不希望,今天自治系統決定加個索引,明天又決定刪個索引,這會帶來不確定性,而核心系統最需要的屬性就是確定性。

你可能會認為我是一個技術悲觀派,但是我要說明的是,我非常看好人工智能在數據庫領域的價值的,但是它的最大的應用場景是在非核心的數據庫場景上,這些數據庫,不需要DBA操心,哪怕慢,慢就慢點,只要省事就好了,這些非重要的業務系統對于企業來說數量上也是非常多的,因此自治數據庫是非常有前景的,但是核心數據庫還有得搞,路還很長。等自治數據庫也可以提供確定性了才能去考慮。


向AI問一下細節

免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。

AI

逊克县| 台南市| 建水县| 合水县| 达孜县| 古丈县| 禹城市| 探索| 太保市| 博罗县| 清水河县| 敦煌市| 法库县| 桐梓县| 凉山| 嘉祥县| 阿鲁科尔沁旗| 兴安县| 桂平市| 灵寿县| 梁山县| 秭归县| 易门县| 察雅县| 榆林市| 小金县| 获嘉县| 旌德县| 宁国市| 海林市| 左权县| SHOW| 西畴县| 胶州市| 涟水县| 香河县| 台湾省| 南阳市| 武邑县| 阳朔县| 托里县|