數據庫部署因云而變

數據庫是各種IT系統中最常見的組成部分，從上世紀80年代初以來，在企業的各種基于數據庫的應用系統中，關系型數據幾乎一統天下，而進入云計算時代，由于互聯網應用的興起，關系型數據庫受到了以大數據處理為主要賣點的NoSQL數據庫的強力挑戰。為滿足云計算時代對數據處理的要求，特別是對高擴展、讀寫速度、支撐容量以及建設和運營成本方面的要求，關系型數據庫自身不斷做出調整，向分布式數據庫演進。

處理非結構化數據

在數據庫應用中，經常會涉及全文文本、圖像、聲音、影視、超媒體等信息類型，這些信息的字段長度可變，并且每個字段的記錄又可以由可重復或不可重復的子字段構成，這就形成了典型的非結構化數據。在企業中非結構化數據主要有辦公文檔、披露的信息、Web發布的頁面，以及工作中一些培訓、宣傳、監控用到的多媒體信息等。

如今，非結構化數據處理越來越普遍，而非結構化數據的處理也成為關系型數據庫面臨的一個很大挑戰。一般而言，非結構化數據的組織主觀性比較大，缺乏統一的規則，處理起來難度大，然而，非結構化數據越來越普遍，促使各關系型數據庫廠商不得不對其產品進行拓展而使其具備管理非結構化數據的功能。

目前，主流的關系型數據庫，包括Oracle、SQL Server、Sybase、DB2都或多或少對非結構化數據類型提供了支持，如SQL Server 2008中引入了文件流fileStream技術，支持非結構化文檔的存儲、查詢和檢索。Oracle數據庫則采用大對象BLOB技術存儲非結構化數據。面向對象的數據庫中還有一個典型代表是Cache數據庫，在非結構數據的支持上走得更遠些。

云計算與分布式數據庫

數據海量、類型復雜、響應速度要求高，這些都對現有數據庫構成挑戰。實際上，無論是內存數據庫還是基于存儲的數據庫，當前的這些主流數據庫都很難支持面向特大型非結構化數據的應用系統，而隨著分布式計算、云計算技術的發展，數據庫找到了一種應對辦法，這就是數據庫的分布式實現。

分布式數據庫是從數據庫與服務器組合關系來說的，它由若干個站集合而成，這些站又稱為節點。分布式數據庫系統通常使用較小的計算機系統，由多個計算機組成，每臺計算機中都有數據的一份完整拷貝或一個分片，計算機通過網絡互相連接，共同組成一個完整的、全局的大型數據庫。Oracle的并行數據庫RAC就是一種分布式數據庫，它的核心技術正是分布式計算。RAC共享了多種資源，采用統一的數據庫命名空間和一套共享的存儲。同樣，GreenPlum也是一種分布式數據庫，它實現了簡單的共享，共享的內容是管理節點和數據庫命名空間。

嚴格說來，分布式數據庫并非因云計算環境而生，但卻很適合云計算環境下的需求。這是因為云環境下要求數據庫具備很強的橫向擴充能力，這就要求節點之間盡量減少共享，而采用節點的分片技術來并行處理是解決辦法之一。

云計算技術的一個重要內容是任務的分解和結果的匯總，然后通過后臺的并行計算來完成大規模的處理。對于具體行業來說，云計算平臺軟件、虛擬化軟件都不需要自己開發， 但面向特定行業的大規模數據處理應用軟件沒有通用的產品，需要針對特定的應用需求專門開發，其中會涉及諸如并行算法、索引查詢優化技術研究以及系統的設計實現等。例如，提出云計算的Google公司為實現其搜索服務，專門設計了新文件系統（GFS）和存儲庫（Bigtable），采用調度器（Scheduler）的主從調度技術將存儲信息和任務分片（Sharing），并采用映射歸約（MapReduce）處理技術，從而實現了對網頁的存儲檢索，最后將一個大型的數據庫分成多片，調度器（Scheduler）負責任務分解，將結果分拆給節點。每個節點負責一個數據片，負責完成數據庫的基本功能（插入、復制、查詢），并把結果傳給上層的調度器，從而使數據處理達到橫向擴展（Scale Out）的能力。

在 RAC中，命名空間是一個邏輯概念，不會導致資源瓶頸。RAC數據庫本身是一套基于磁盤的數據庫，其服務器節點的磁盤操作、沒在內存緩沖區的磁盤讀寫操作都需要共享的磁盤來完成，因而統一共享的存儲是RAC的資源瓶頸之一，而RAC的性能瓶頸還會體現為后臺磁盤的I/O瓶頸。Oracle推出的一體機Exadata，其中一個重要的特點是采用并行計算的存儲服務器和閃存，以提高存儲的I/O能力。在其滿配的一體機中，數據庫服務器有8臺，存儲服務器為14臺，可見一體機設計中對存儲I/O的偏重。

在GreenPlum體系中，在主機上規劃查詢項目，并將其分成若干部分在節點上并行執行，所有通信功能都在一個高寬帶網絡互連體系上實現。這種體系下每個節點都有一個通往本地磁盤的獨立高速通道，因為沒有共享存儲，存儲和節點都有很強的橫向擴展性能力。

云環境下的數據庫架構設計

基于云計算對靈活性和可擴展性方面的要求，云計算下的數據庫可以使用多個分片數據庫并行處理，來形成一個超級大數據庫，這個數據庫共享的組件盡量少，因而不太適合共享存儲。而隨著虛擬化技術的提高，特別是虛擬機的性能損耗符合一定要求時，分片數據庫也可以架設在虛擬機上。借組云計算的資源調度技術，這樣一個可伸縮的并行數據庫可以在云計算環境中形成（參見附圖）。

值得一提的是，云計算的發展使得數據庫的擴展更為簡單可行。其中，云管理平臺負責資源的監控、自動調度，當查詢類并行數據庫的性能不足的時候，云管理平臺可以自動為虛擬機（VM）增加資源，或通過增加新的虛擬機（VM） 來增加并行數據庫的處理能力；而當系統面臨的壓力減少時可以通過減少分片處理數據庫來減少資源需求，或通過減少所在虛擬機（VM）的資源。當然，這就要求查詢類并行數據庫的管理主機能感知資源和分片數據庫的變化，而重新分配處理任務。

目前，云計算還處于發展過程之中，但一些云應用已經具備大規模處理能力，針對簡單、同質、重復使用的應用（如一種數據處理、一個查詢，郵件收發等標準化的功能），已經可以將大量的PC服務器組合，形成一個超級的計算資源來完成指定的任務，如在搜索、地震處理、氣象分析、核爆模擬方面展現巨大的能力，通過相關軟件可以將多服務器整合，形成超級處理資源，其應用軟件設計并行處理能力可以將一個巨大但相似的計算任務分解到不同的處理節點，在管理節點的統一調度下，每個節點獲得一部分數據，先獨立處理，然后與管理節點協商，并與其他的節點相互通信，交換少量數據，最終將一個巨大的計算任務完成。

不過，總體上，數據庫在可擴展性這一方面的能力還不是很強，目前，GreenPlum和VoltDB等分布式數據庫正在朝這一方向努力，并且已經具備了一定的并行能力。相信只要有市場需求，分布式數據庫一定會繼續進步，不過，是否會出現一種真正的云數據庫還值得觀察。