MVCC/分布式事务简介

之前我们学习了RocksDB，但这还只是一个最基础的存储引擎。如果想把它在生产环境中用起来，还需要解决很多问题：

如何从单机扩展到分布式？
如何实现事务，并对事务进行并发控制？
用户接口能不能高级一点？不要只有get/set？

这次我们就来解决这三个问题。

如何从单机扩展到分布式

分布式的一大意义就是把单机放不下的数据分散到多个节点上。我们不妨按照key将不同范围的key分成多个region：比如[a-c]是region1，[d-f]是region2。然后用这种方法存储：

这样实现了一个基本的load balancing。一个Region里所有的数据分散存储在多个replica上，每个实例只会存一部分的region。当然分布式之后我们是要支持节点的动态增减的，具体细节暂时忽略

分布式之后还有一个重要的问题就是如何保证多个节点的一致性。还记得paxos嘛？就用它了！当然用Raft也可

如何实现事务，并对事务进行并发控制？

事务是数据库系统中一个很重要的概念。比如我们的数据库要拿给银行去用，然后银行要把账户A的100块钱转给账户B，就需要执行如下操作：

if (A.balance>=100){
    A.balance-=100;
    B.balance+=100;
    return(DB_OK);
}
else{
    return(DB_ERROR);
}

当然在数据库系统中事务是用SQL实现的。

在事务的执行过程中，整段事务需要保证要么全都不执行，要么全都执行完，不允许出现执行到一半退出了的情况（即应该是个原子操作）。除此之外，像这样的约束条件还有很多，整理起来就是事务的ACID特性。

为了保证事务的执行能满足ACID特性，我们可以把事务的执行抽象成两种操作：commit（执行完整个事务）和rollback（比如事务跑到一半数据库崩溃了，重启后就要撤销之前执行到一半的工作，恢复到事务没执行的状态）。commit的实现很显然，直接执行就完事了......而为了实现rollback可以给数据库加上日志恢复技术，这样就可以恢复到过去的时间点了。

MVCC

如果事务是串行执行的，那么到这里差不多就可以了。但假设我们的数据库要拿去进行双十一秒杀，就需要支持多个事务的并发运行，这时候就需要进行并发控制。在数据库课本上我们学习过一些简单的并发控制模型和实现方法（如基本的加锁解锁、2pc）。但我们知道，一次事务执行时被加锁的资源越多，整个db的并行度就越低。简单的方法就没法保证用户能流畅的秒杀了......那么如何使得并行度尽可能高呢？MYSQL中使用了MVCC模型，这里我们也比葫芦画瓢用一下。

并发控制的作用就是防止出现并发一致性问题。还记得5105课上学过在Client-centric consistency models中，多个client对同一资源进行读写的几个模型吗（Monotonic-Read、Monotonic-write、Read your write、Write follow reads）？在5105课上我们学习了为了保证最终一致性，这些操作应该怎么执行、怎么加锁。这个思路放到数据库的并发控制中同样适用。

MVCC是一种多版本并发控制机制。MVCC可以在大多数情况下代替行级锁，降低系统开销。
MVCC的本质就是copy on write，能够做到写不阻塞读MVCC能够做到写读不冲突，读读不冲突，读写也不冲突，唯一冲突的就是写和写，这样系统并发读就可以非常高。MVCC 提供了时点（point in time）一致性视图。MVCC 并发控制下的读事务一般使用时间戳或者事务 ID去标记当前读的数据库的状态（版本），读取这个版本的数据。读、写事务相互隔离，不需要加锁。读写并存的时候，写操作会根据目前数据库的状态，创建一个新版本，并发的读则依旧访问旧版本的数据。一句话讲，MVCC就是用同一份数据临时保留多版本的方式，实现并发控制。MYSQL的并发控制就是用MVCC实现的。

那么怎么把MVCC用到我们的kv数据库中呢？我们可以给key-value键值对也加上timestamp。然后在运行的过程中，遵照以下规则：

All modifies are adding a new version.
The same row(就是同一个key-value键值对) may have multiple versions.
Old versions dropped by GC.

在分布式并发事务的具体实现中，会用到一个Percolator Transaction Model。它是来自Google的一篇paper。Percolator的设计是为了解决2pc在分布式环境中的一些问题，相当于是2pc的增强版。用于在保证分布式一致性的基础上保证事务执行的ACID特性。

Percolator：分布式并发事务的实现

rocksdb提供了Column Families (CF) 特性，可以用来实现上面的Percolator事务模型。CF是对数据库做的一个logical partition，可以类比关系数据库中的视图，但比视图支持更多的高级功能：

Atomic writes across Column Families are supported. This means you can atomically execute Write({cf1, key1, value1}, {cf2, key2, value2}).
Consistent view of the database across Column Families.
Ability to configure different Column Families independently.
On-the-fly adding new Column Families and dropping them. Both operations are reasonably fast.

为了实现Percolator事务模型，比如我们可以设置如下三个CF：