二、 Serverless数据库关键技术及应用场景

（一）Serverless数据库关键技术

云计算的核心理念在于池化资源的弹性使用。阿里云数据库基于线上数百万实例的运维经验，分析大量客户的核心痛点需求，总结出以底层池化资源为基础，利用RDMA高性能网络高效管理、使用物理资源的云原生数据库Serverless关键技术，实现资源池化及弹性扩展、高可用、高性能、低成本的Serverless能力。

1、 资源池化及弹性扩展

（1）存储资源池化，存储计算解耦

云数据库作为贴近数据存储的中间件服务，其与底层存储有着紧密联系。传统数据库将数据存储在物理机本地的持久化存储设备中，如磁盘、NVMe SSD等，并在同一台物理机上部署数据库实例以访问持久化数据。因此，当用户数据超出本机存储上限时，需要手动添加新的存储设备，或者迁移数据到存储空间更大的机器上。无论哪一种方案都是缓慢且长时间影响数据库服务能力。

云原生数据库第一步是要将底层的庞大数据量池化，使得数据存储空间的弹性伸缩成为可能。池化的存储资源池，为上层的数据库计算服务提供弹性的存储能力。常见的池化存储方法可以是分布式文件存储服务，如Ceph、HDFS等，也可以是数据库系统定制的共享存储服务，如Ceph、HDFS等，也可以是数据库系统定制的共享存储服务，如Aurora的quorum机制存储服务、PolarDB高性能共享存储PolarStore等。存储池化条件下，当用户需要进行存储空间扩容时，只需要向底层服务发起请求，数据库计算实例不需要做任何数据迁移，用户业务亦是无损影响。

（2）资源调度

在存储资源池化以后，云原生数据库Serverless的计算资源弹性也需要实现优异的资源隔离能力，进而为基础的计算资源提供池化管理。管理平台需实时监控实例负载，根据丰富的弹性参考维度（CPU、内存、IOPS、链接数等），提供高效率的计算资源调度服务，最终提供秒级的计算资源弹性能力。

实现该功能的常见技术路线可以是使用以Kubernetes等容器形式管理和调度计算资源，也可以是以虚拟机的形式管理计算资源，例如开源服务OpenStack。

（3）计算+内存+存储三层解耦

云数据库通常需要较大的内存对缓存磁盘上海量数据进行加速查询，以保证数据库的服务质量，尤其是对于OLTP类型对延时及其敏感的业务。然而，云上用户的业务类型丰富，其各种业务对计算资源与内存资源的需求比例是不同的，这就导致固定的vCPU+内存的数据库规格售卖模式，通常导致用户购买的实例存在部分资源浪费的现状。例如用户对200G常用数据进行简单的插入操作，由于不需要复杂的计算，因此4vCPU可能足以满足用户需求，但是用户为了保证服务质量，想选用32GB内存从而缓存更多的数据实现加速查询，但当用户购买8vCPU+32GB规格的数据库实例，将导致购买的实例闲置了4vCPU资源。在其它场景下，用户业务可能需要更多的CPU资源，但对数据量要求并不多，导致用户购买的内存资源闲置。

为了更多地降低用户成本，提升云上资源的利用率，云原生数据库需要将内存与计算节点进行深度解耦，实现CPU+内存+持久化存储的三层解耦模型。如图4所示，在共享存储服务和计算节点之间存在一个GBP（Global Buffffer Pool Service）服务。计算节点在物理服务器上只需要较小的内存作为用户查询在GBP中实际需求数据页的缓存，而将其余clean data page暂存在GBP中。使用池化内存有两个好处，一是计算节点服务器不再需要巨大内存，当用户需要扩展内存时只需要在GBP中动态扩展即可；二是当实例崩溃、重启或者迁移时，由于其数据页仍然在GBP中，其可以快速恢复服务而不需要再此从共享存储中加载持久化数据。

《Serverless数据库技术研究报告》——二、 Serverless数据库关键技术及应用场景——（一）Serverless数据库关键技术（2） https://developer.aliyun.com/article/1223710?groupCode=polardbforpg