为什么Uber的底层存储从Postgres换成MySQL了呢？

来源：www.infoq.cn/article/underlying -storage-of-uber-change-from-mysql -to-postgres

背景

早期的 Uber 后台软件由 Python 写成，数据存储使用 Postgres。后期随着业务的飞速发展后台架构也变化巨大，演进成了微服务加数据平台。数据存储也由 Postgres 变成了 Schemalesshttps://eng.uber.com/schemaless-part-one/——Uber 自主研发的以 MySQL 做为底层的高可用数据库。Uber 的数据库主要存储的是 Trip 数据，就是一个叫车订单从下单起，到上车、下车、付费等的全过程跟踪及处理。从 2014 年初起，由于业务增长迅猛，Uber 的原有基础架构已经无法继续支撑业务。改进的项目花了将近一年时间。

对于新的数据库存储系统，Uber 的主要关键需求是：

要有能力通过增加服务器而线性地增加容量。增加服务器不但要增加可用的硬盘容量，还要减少系统的响应时间。

需要有写缓冲能力，万一持久化到数据库失败时，仍可以稍后重试。

需要通知下游依赖关系的方式，数据变更要能无损的通知出去。

需要二级索引。

系统要足够健壮，可以支持 7*24 服务。

在调查对比了 Cassandra、Riak 和 MongoDB 等等之后，Uber 技术团队没有发现能完全满足需求的现成解决方案。而再考虑到数据可靠性、对技术的把握能力等因素，他们决定自己开发一套数据库管理系统——Schemaless，一个键值型存储库，可以存放 JSON 数据而无需严格的模式验证，是完全的无模式风格。用 MySQL 作底层存储，其中只有顺序写入，在 MySQL 主库故障时支持写入缓冲。并有一个数据变更通知的发布 - 订阅功能（命名为 trigger），支持数据的全局索引。

Schemaless 的强大与简单更多是因为我们在存储节点中使用了 MySQL。Schemaless 本身是在 MySQL 之上相对较薄的一层，负责将路由请求发送给正确的数据库。借助于 MySQL 第二索引及 InnoDB 的 BufferPool，Schemaless 的查询性能很高。

写入效率不高

数据主从复制效率不高

表损坏问题

难于升级到新版本

在 Postgres 的底层设计中，它的行数据是不可修改的，每个不可修改的行都叫做“元组”，每个唯一的元组都由一个唯一的 标志，ctid 也就实际指出了这个元组在磁盘上的物理偏移量。这样对于一行修改过的数据来说，就会对应着在物理上有多个元组。表是有索引的，主键索引和第二索引都以 B 树组织，都直接指向 ctid。

除了 ctid 之外还有一个关键字段 prev，它的默认值为 null，但对于有数据修改的记录，新的元组里面的 prev 字段里存储的就是旧元组的 ctid 值。

与 Postgres 相对应的是，MySQL 的 InnoDB 引擎主键索引和第二也都以 B 树组织，但是索引指向的是主键，而主键才真正指向数据记录。而且，InnoDB 的数据是可以修改的。两者实现 MVCC 的机制不同，MySQL 依靠 UNDO 空间中的回滚段，而不是象Postgres 依靠在数据表空间对同一条数据保持多份。

Postgres 和 InnoDB 都通过 WAL来保证数据可以在数据库上安全写入，但对于主从库的数据复制实现原理并不同。Postgres 会直接把 WAL 发送到从库上，让从库也执行 WAL 来复制数据。而 MySQL 则是发送 Binlog，在从库上应用 Binlog。

由此，再来看看 Uber 对于 Postgres 有哪些不满意：

写放大

一般来说大家介意写放大https://en.wikipedia.org/wiki/Write_amplification的问题是由于对SSD 磁盘的使用。SSD 磁盘是有寿命的，它的写入次数是有限的（虽然数字很大）。这样如果应用层只是想写入少量数据而已，但数据落入磁盘时却变大了许多倍，那大家就会比较介意了。比如你只是想写入1K 的数据，可是最终却有10K 数据落盘。

Postgres 的写放大问题主要表现在对有索引的表进行数据更新上。因为 Postgres 的索引都是指向元组的 ctid，而元组又是不可更新的，所以当你更新一条记录时，它会创建一个新的元组存入磁盘，并且要针对所有的索引，为每个索引都创建一条新记录来指向新的元组，不管你更改的字段和这个索引有没有关系。这样对于 WAL 来说，Postgres 更改一条记录操作会写入新的完整记录，再加上多条索引记录。

「作者注」 ：不过 MySQL 的 InnoDB 其实也是有写放大问题的。InnoDB 是以数据页的形式组织数据的，Linux 上默认数据页的大小是 16K。这样当你更改了一条记录时，最终会把这条记录所在的数据页整页刷回磁盘，设想一下你可能只是改了一个小字段，也许只有 4 个字节，可是最终却会导致 16K 字节的写入。

另外，Postgres 的这个设计也是有其好处的，它的第二索引直接指向元组的 ctid，这样在读取数据时效率就非常高。相对应地，通过 MySQL 的第二索引去读数据会经历“第二索引——主键——数据”的过程，MySQL 的读效率不如 Postgres。这是一个经典的读写性能权衡问题，在此 Evan 没有给出具体的数字让我们体会他们的业务特征。

主从复制

Postgres 的写放大问题最终也反应在了主从复制的日志传输上，变成了流量放大问题。Postgres 的主从复制传输的是 WAL 日志，所以对于一条数据更新来说，它要传输新的数据，还要传输这张表上每一条索引修改的日志。这样的流量放大在同一机房内还稍可接受，但对于跨机房的情况，传输速度和价格等问题让 Uber 产生了顾虑。Uber 是有跨机房从库的，一方面是容灾，另一方面是 WAL 的备份，以备有时需要靠它来搭建新的从库。

MySQL 的确没有引起流量放大。MySQL 的主从复制依靠的是 Binlog，它只是记录这条数据的修改，而不在乎这张表上到底有多少索引，所以可以认为与 Postgres 相比，它的 Binlog 是一种对数据修改的“逻辑”描述。MySQL 从库上应用 Binlog 日志时，如果有第二索引涉及了改动的字段，那就更新第二索引，否则第二索引压根不需要修改。而且，MySQL 有三种不同的 Binlog 格式，包含了不同数量的信息来供使用者选择：

Statement：只传输 DML 的 SQL 语句，如：UPDATE users SET birth_year=770 WHERE id = 4。这种模式日志量最小，但在某些场景下和对某些字段来说容易出错。

Row：对于更改了的数据，会把修改前和修改后的所有字段值都打印在 Binlog 中。这种模式日志量最大，但也最严谨，越来越多的公司在转向这种日志格式。很多日志解析工具更是只工作在这种模式下。

Mixed：上面两种的结合体，MySQL 会根据不同的语句来自行判断。这种模式日志量居中。

数据损坏

Uber 使用 Postgres 9.2 时曾经因为一个 BUG 导致了很大的故障。当时由于硬件升级的原因他们做了主从切换，结果就引发了这个 BUG 导致各个从库的数据全都乱掉了，而且还没有办法判断哪个从库的哪些数据是正确的或者乱的。最终他们确认了新的主库上的数据全部正确后，用新主库的数据把所有从库数据全覆盖了一遍，才算过了这一关。可是一朝被蛇咬十年怕井绳，他们最后用的版本仍是 Postgres 9.2，原因之一是不想再去踩别的版本的坑了。

「作者注」 ：以这个作为抛弃 Postgres 的理由就太容易引起争议、令人质疑 Uber 技术团队的技术水平了。在社区的口碑中，Postgres 的稳定性恰恰是高于 MySQL 的，如果因为害怕碰上 Postgres 的 BUG 而转用 MySQL，那……我们只好祝福 Uber 了。

从库上的 MVCC 支持不好

Postgres 的从库上并没有真正的 MVCC，它的数据表空间、表空间文件内容和主库是完全一样的，在从库上就是依次应用 WAL。可如果从库上有一个正在进行中的事务的话，它就会挡住 WAL 的应用，从而导致看起来主从同步延迟很大。Postgres 实现了一个机制，如果某个业务程序的事务挡住同步线程太久的话，就直接将那个事务杀掉。所以如果在从库上有一些比较大的事务在运行的话，你可能就会经常看见莫名其妙的主从同步就延迟了，也会看见自己的操作运行了一段时间就不知被谁杀掉了。并不是每个程序员都很熟悉数据库的底层工作机制，所以这些现象会让大家觉得很诡异。

「作者注」 ：这一点的确是的。相比来说对于这个 Postgres 的复制过程，MySQL 的主从复制并不会杀死从库上的事务。

Postgres 数据库的升级

Postgres 的数据复制是物理级的，主从数据文件完全一致，所以不能支持不同版本之间的主从复制，比如主库使用 9.2 从库使用 9.3，或者相反，等等。Uber 最初使用的是 Postgres 9.1，他们成功的升级成了 9.2，但升级耗费了相当长的时间，再加上后来业务爆发式增长，让他们再也没能安排下一次升级。而且 Postgres 直到 9.4 之后才有了工具 pglogical来帮助减少升级耗时，可是 pglogical 又不在 Postgres 主分支里，让使用旧版本的人无所适从。

「作者注」 ：有消息 Postgres 的 WAL 日志也将变成逻辑型了，在这样的功能推出之后，就可以支持不同版本间的数据复制了。

MySQL 的其他优点

除了上文所述的几点，MySQL 还有几个其他 Postgres 不具备的优点：

BufferPoolhttps://dev.mysql.com/doc/refman/5.7/en/innodb-buffer-pool.html：虽然 Postgres 在内部有比较小的缓存，但和现在动辄几百 G 的服务器内存比起来，它的缓存还是太小，对硬件利用率太低了。InnoDB 则有 BufferPool，可以同时用于写缓冲和读缓存，用 LRU 管理，大小可配，这样就把硬件资源充分合理的利用起来了。

连接管理：MySQL 的连接管理是每个连接一个线程，每个线程消耗的资源都很有限，所以 MySQL 可以轻松支持 10000 个以上的连接。可是 Postgres 是每个连接一个进程的，进程之间通信和共享资源复杂，消耗资源严重，而且对多连接支持不好。Uber 的业务已经需要极大的增加数据库连接数，Postgres 已经无法满足需要。

Evan Klitzke 总结说：

在初期 Postgres 还是工作得很好的，但业务扩展时我们就碰上了非常严重的问题。现在我们还是在用着一些 Postgres 数据库，但是主要的数据已经挪到了 Schemaless 上，有些特别的业务也用了 Cassandra 等 NoSQL 数据库。我们现在用 MySQL 用得很好，我们也会写更多的博客来分享更多关于 MySQL 在 Uber 的使用内容。

审核编辑：刘清