分布式数据库视角下的存储过程

小鱼儿 2024-03-23 21:28 44阅读 0赞

存储过程很好呀，那些用不好的人就是自己水平烂，不接受反驳！我就有过这样念头，但分布式数据库，更倾向少用或不用存储过程。

### 1 我从C/S时代走来 ###

C/S架构时代的末期最流行开发套件是PowerBuilder和Sybase数据库：

*  PowerBuilder可视化开发工具，像VB，开发好的程序运行在用户的PC终端上，通过驱动程序连接远端的数据库
 *  Sybase当时正与Oracle争夺数据库大头，和SQL Server有很深渊源，两者在架构和语言很像

![cd5fb72baebe437c6bcc33e550c1ee50.jpeg][]

这C/S架构中，数据库不仅承担数据存储、计算功能，还要运行很重的业务逻辑，相当于数据库同时承担应用服务器（Application Server）的大多数功能。而这些业务逻辑的技术载体就是存储过程。所以，不管是Sybase还是Oracle，它们存储过程的功能都很强大。

### 2 触发器被抛弃 ###

进入B/S，大家对数据库理解变化了，应用服务器承载服务器端主要业务逻辑，那还用存储过程吗？和今天问题一样。当时的主流观点认为存储过程还有存在价值，但它同胞兄弟触发器则被彻底抛弃。

![b376d97b2aade723b74e013f4d70995e.jpeg][]

触发器和存储过程一样也是自定义函数，但：

*  它不是显式调用，而是在操作数据表时被动触发，即执行insert、update和delete时
 *  还可以选择触发时机是在操作前还是操作后，即before和after的语义

听上去功能强大，有点面向事件编程。但维护过触发器逻辑就发现这是大坑。随业务发展和变更，触发器逻辑越来越复杂，就有人会在触发器的逻辑里操纵另一张表，而那张表上又有其他触发器牵连到其他表，变成天网。踏错一小步，经过一串连锁反应就变成大灾难。所以，触发器退出历史舞台。（感觉还是没有过多限制，导致了滥用）

### 3 存储过程的优点 ###

调用清晰，不存在触发器问题。优点明显，逻辑运行在数据库，没有网络传输数据的开销，所以在进行数据密集型操作时，性能优势突出。

当时要开发功能，追溯业务实体间的影响关系，如A影响B，B又影响到C。这个功能就是要以A为输入，把B和C都找出来，当然这个影响关系不只是三层了，一直要追溯到所有被影响实体。

典型的关联关系查询，适合用图数据库。但那时候还没可用图数据库，需在Oracle解决这问题。有一个比我更年轻的同事写了一段Java代码来实现这个功能，我猜他没有经历过C/S时代。程序运行起来，应用服务器不断地访问这张表，处理每一条记录的关联关系。性能可想而知，在一个数据量较少的测试环境上，程序足足跑了三十分钟。这大大超出了用户的容忍范围，必须要优化。

我换成存储过程来实现同样的逻辑，因为不需要网络传输，性能大幅度提升。最后，存储过程花了大概二十几秒就得到了同样的结果。干得漂亮！。

### 4 存储过程的问题 ###

后来发现这方案移植性差。开发的产品要部署到客户环境，受相关基础软件制约。

有次，刚好碰到客户没使用Oracle，所以其他同事将我写的逻辑翻写到客户使用的数据库。可移植到TDB之后的存储过程没跑出结果，直接失败退出。跟踪了这段代码，最后发现问题不在逻辑本身，而在数据库。这段逻辑中我使用了递归算法，因为Oracle支持很深的递归层次，所以运行没问题；而TDB只支持有限的递归层次，而当时数据关联关系又比较多，所以程序没跑多久，就报错退出。

这段经历让我对存储过程的信心有一点动摇。存储过程对于环境有很重的依赖，而这个环境并不是操作系统和Java虚拟机这样遵循统一标准、有大量技术资料的开放环境，而是数据库这个不那么标准的黑盒子。

然而，存储过程的问题还不止于此。当我在C/S架构下开发时，就遇到了存储过程难以调试的问题，只不过当时大家都认为这是必须付出的代价。但是随着B/S架构的到来，Java代码的开发测试技术不断发展，相比之下存储过程难调试的问题就显得更突出了。而到了今天，敏捷开发日渐普及，DevOps工具链迅速发展，而存储过程呢，还是“遗世独立”的样子。

说了这么多，我希望你明白的是，今天的存储过程和当年的触发器，本质上面临的是同样的问题：**一种技术必须要匹配同时代的工程化水平，与整个技术生态相融合，否则它就要退出绝大多数应用场景**。

你看，《阿里巴巴Java开发手册》中也赫然写着“禁止使用存储过程，存储过程难以调试和扩展，更没有移植性。”我想，他们大概是有和我类似的心路历程吧。

### 5 分布式数据库的支持情况 ###

大多NewSQL分布式数据库仍不支持存储过程。OceanBase是例外，它在2.2版本增加对Oracle存储过程的支持。我认为这是它全面兼容Oracle策略的产物。但OceanBase官方说明很清楚，目前存储过程的功能还不满足生产要求。

对遗留系统的兼容可能就是今天存储过程最大意义。对那些从MySQL向分布式数据库迁移的系统，这诉求可能没那么强烈，因为这些系统没那么倚重存储过程。因为MySQL较晚版本才提供存储过程，而且功能也没Oracle强大，用户依赖小多了。存储过程没得到NewSQL广泛支持，还因架构难题。

看看业界尝试。

Google 2018年VLDB上发布F1新论文” [F1 Query: Declarative Querying at Scale][F1 Query_ Declarative Querying at Scale]”。提出通过独立UDF Server支持自定义函数，即存储过程。这架构中，因为F1完全独立于数据存储，所以UDF Server自然也就被抽了出来。从论文提供的测试数据看，这个设计保持较高性能，但我觉得这和Google强大的网络设施有很大关系，在普通企业网络条件下能否适用，这还很难说。

![dba03d1cd554a21c5ebc893ddbb26afa.png][]

UDF Server的设计

*  UDF实现了对通用语言的支持，除了SQL，还支持C++、Java、Go等多种语言实现方式。这样不依赖于数据库的SQL方言，逻辑表述的通用性更好。
 *  UDF并没有耦合在存储层。这意味着它的上下文环境可以更加开放。

这意味存储过程的调试问题可能得到明显改善，使其与DevOps体系对接成为可能。

更早的VoltDB也已对存储过程改革。VoltDB是基于内存的分布式数据库，由数据库领域传奇迈克尔 · 斯通布雷克（Micheal Stonebraker）主导开发。VoltDB将存储过程作为主要操作方式，并支持Java语言编写。开发者可继承系统提供的父类（VoltProcedure）开发自己的存储过程：

import org.voltdb.*;
    public class LeastPopulated extends VoltProcedure {
        
      //待执行的SQL语句
      public final SQLStmt getLeast = new SQLStmt(
          " SELECT TOP 1 county, abbreviation, population "
        + " FROM people, states WHERE people.state_num=?" 
        + " AND people.state_num=states.state_num" 
        + " ORDER BY population ASC;" );
      
      //执行入口
      public VoltTable[] run(int state_num) 
          throws VoltAbortException {
        
             //赋输入参数
             voltQueueSQL( getLeast, state_num ); 
             //SQL执行函数
             return voltExecuteSQL();
          }
    }

先定义SQL，其中“state\_num=？”是预留参数位置，而后在入口函数run()中赋参并执行。

VoltDB设计理念与众不同，很重视CPU使用效率。他们对传统数据库进行了分析，认为普通数据库只有12%的CPU时间在做真正有意义的数据操作，所以它的很多设计都是围绕着充分利用CPU资源。

存储过程实质上是预定义的事务，没有人工交互过程，也就避免CPU等待。同时，因存储过程的内容可预知，所以能尽早将数据加载到内存，进一步减少网络和磁盘I/O带来的CPU等待。

正是由于存储过程和内存的使用，VoltDB即使在单线程模型下也获得了很好的性能。反过来，单线程本身也让事务控制更加简单，避免了传统的锁管理的开销和CPU等待，提升了VoltDB的性能。

与其他数据库相比，存储过程对VoltDB意义已截然不同。

### 6 总结 ###

1.  存储过程移植差。高度依赖数据库环境，而数据库环境不像操作系统或虚拟机那样遵循统一的标准。因为同样的原因，存储过程调试也很复杂，也没有跟上敏捷开发的步伐，与今天工程化的要求不匹配。正是因为这两个工程化方面原因，不用或少用存储过程
2.  分布式数据库角度，多数NewSQL还不支持存储过程，OceanBase作为唯一的例外，已经支持Oracle存储过程，但仍然没有达到生产级。
3.  F1的论文提出了独立UDF Server的思路，是分布式架构下存储过程的一种实现方案，但能不能适合普通的企业网络环境，尚待观察。但这个方案中，存储过程的实现语言不局限于SQL方言，而是放宽到多种主流语言，向标准兼容，具备更好的开放性。这提升了存储过程技术与DevOps融合的可能性。
4.  VoltDB作为一款内存型分布式数据库，以存储过程作为主要的操作定义方式，支持使用Java语言开发。甚至可以说，VoltDB的基础就是存储过程这种预定义事务方式。存储过程、内存存储、单线程三者互相影响，使得VoltDB具备出色的性能表现。

对于任何一个程序员来说，放弃一种已经熟练掌握而且执行高效的技术，必然是一个艰难的决定。但是今天，对于大型软件系统而言，工程化要求远比某项技术本身更加重要。不能与整个技术生态协作的技术，最终将无法避免被边缘化的命运。当你学习一门新技术前，无论是分布式数据库还是微服务，我都建议你要关注它与周边生态是否能够适配，因为符合潮流的技术有机会变得更好，而太过小众的技术则蕴藏了更大的不确定性。

![4f5b09074a38422a92dfa2c666fec552.png][]

参考

*  Bart Samwel: [*F1 Query: Declarative Querying at Scale*][F1 Query_ Declarative Querying at Scale]

### 7 FAQ ###

VoltDB的设计思路很特别，除了单线程、大量使用内存、存储过程支持Java语言外，它在数据的复制上的设计也是别出心裁，既不是NewSQL的Paxos协议也不是PGXC的主从复制，你能想到是如何设计的吗？复制机制和存储过程是有一定关系的。

1.业务代码跟技术代码应该要分离，我们需要保证业务逻辑到业务代码的翻译简单而纯粹。这既是在实现阶段，降低对具体技术的耦合，也是在保证业务代码的可测试性以及业务代码的简单和内聚。  
2.具体技术的特性(比如存储过程)往往能起到杰出的性能。但这也增加了实现阶段的复杂性，而复杂意味着难维护，意味着成本和风险。虽然实现了软件行为价值，但架构质量上的健康却受到了伤害。所以在性能要求严格的场景，使用具体技术的一些特性无可厚非，但要保持警惕，认清这是把双刃剑。不可仗着自己"功力深厚"而肆意妄为。  
3.没经历过c/s的时代。但从数据模型驱动设计的相关书籍中,可以看到存储过程在当初是如何的大行其道。可是放在现在，当存储过程等一系列手段成过去式后，数据模型驱动设计就开始变得很"贫血"。基本只剩实体关系模型和数据项这点单薄的信息承载能力,已经不适合再驱动复杂的业务软件的设计。  
4.放上自己对数据模型驱动的实现，以做交流: https://github.com/Jxin-Cai/mdd/tree/master/data-model/mini-faas

VoltDB的这个分片复制和rocketMq的nameserver有异曲同工之妙。通过并行对所有副本执行操作，规避副本间达成共识的复杂性。

OceanBase支持Oracle的存储过程迫不得已，因为这决定着它是否能 “侵入” Oracle的传统客户阵营-大企业和金融领域，是纯商业行为。Oracle 的ERP产品大量采用存储过程来实现业务逻辑，最复杂的业务逻辑的源码打印出来几十页，这么复杂的存储过程，相信OceanBase的工具无法完美处理(移植到OB)，但为竞标之类的商业行为，你如果不支持Oracle的很多特性，你就根本没有参与的机会。

VoltDB用K-safety机制解决数据复制的问题，其实就是N+1的副本机制，VoltDB在写数据操作的时候，会在每个副本中执行该语句，这样就可以保证数据被正确插入每个副本。这N+1的副本都可以同时提供访问，同时允许最多N个副本丢失(分区故障), 当N+1个副本都不可用的时候，VoltDB就会停止服务进行修复。

“《阿里巴巴 Java 开发手册》“禁止使用存储过程，存储过程难以调试和扩展，更没有移植性。” 有误导嫌疑，这里存储过程针对MySQL，确实难以调试难以复制。在同等时代的产品产品中以oracle的PL/SQL,SQL server 的T-SQL编写的存储过程还是很有优势，DB2和Oracle都支持PL/SQL的，这里PL/SQL是具有移植性的，并且这个存储过程在SQL标准中叫做（SQL/PSM (SQL/Persistent Stored Modules) https://en.wikipedia.org/wiki/SQL/PSM）。

阿里开发手册的这条建议不是特指MySQL，放在MySQL这一章可能因为MySQL在阿里使用比较多，是有代表性的数据库。难道他们一边宣传禁用MySQL存储过程，一边暗地里快乐的用着Oracle的存储过程？似乎不大可能。

纵贯SQL标准的发展以及oracle的发展，存储过程的支持也是有发展历程的，存储过程在性能和开发效率上还是蛮高的。在大数据时代人们讲存储分离，存储归存储，计算归计算，在硬件和成本平衡的基础上，通过水平扩展来增加算力，把存储过程功能暂时不开发或者说难以开发，但是Apache hive是支持的存储过程的叫做hpsql。

另外，SQL标准对所有数据库都只是参照，不同的数据库，数据类型、全局变量、函数、甚至存储过程名的长度都有差异。没有完全相同的数据库，除非是专门适配。这也是为什说系统切换数据库是个大事。

在分布式数据库中的典型的代表 TiDB和CockroachDB 二者在语法兼容以及对存储过程的支持上有些不同，CockroachDB是支持pg语法的存储过程的（pg类似于PL/SQL）？

了解这些差异后，有的同学可能依然觉得这不是事，so easy。对个体来说，难还是易是个很主观的判断，关键在于你的团队是否能长期、低成本的使用这项技术，如果可以那也未尝不可。

既然存储过程都支持用JAVA了，那数据复制应该就可借鉴TCC，直接在代码层也就相当于是“服务层”实现，而且又基于内存，重试成本较低，直接用代码往节点里写得了？

都是基于内存，但与Redis不同，应该不会要求那么高的性能，直接用线程池同时往数据节点里写数据。

存储过程是单机数据库时代的不可替代的产物，当年我当程序员的时候，存储过程是最好的解决前后端代码分离的利器。一个10万条订单批量审核的操作，调用存储过程几分钟搞定，前端vb代码执行，一个小时都出不了结果？

是的，存储过程对于数据密集型计算，绝对是一大利器。

clickhouse的物化视图其实是个触发器，这种应该从什么角度分析？

ClickHouse 中的物化视图(MaterializedView)从机制上来看,确实可以看作是一种触发器。

1.  功能角度

物化视图的作用是对某张基础表进行预计算,实时维护SELECT查询的结果,功能上相当于创建了一个实时更新的缓存视图。这与触发器在数据变更时自动执行预设操作的功能类似。

1.  实现机制角度

ClickHouse通过引擎创建物化视图,当基础表有数据变更时,会自动触发物化视图的更新。这利用了引擎的触发器机制来实现物化视图的实时性。

1.  使用场景角度

物化视图可用于数据分析、Dashboard等需要快速访问聚合结果的场景,取代重复查询,这与触发器的用途有相通之处。

1.  性能角度

物化视图通过缓存提高读性能,但会增加写负载。需要权衡读写比例来决定是否使用。这也体现了触发器的性能权衡特点。

1.  限制角度

物化视图对查询有各种限制条件,这些限制也是触发器通常需要考虑的因素。

综上,从多角度来看,ClickHouse的物化视图确实可看作一种特殊的触发器,对理解和使用物化视图都有帮助。这给了我一个新的角度来分析数据库中的各种自动化机制。

[cd5fb72baebe437c6bcc33e550c1ee50.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/a8e79e11613447019b5529646ab8b19d.png
[b376d97b2aade723b74e013f4d70995e.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/6ce3105420404f5ebb65d2201feedb2d.png
[F1 Query_ Declarative Querying at Scale]: http://vldb.org/pvldb/vol11/p1835-samwel.pdf
[dba03d1cd554a21c5ebc893ddbb26afa.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/3cb8f736a40642cf98aac6b118f9f6ca.png
[4f5b09074a38422a92dfa2c666fec552.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/0a33bbd1de01487da50642efbca7558c.png