探访北京新质生产力·走出实验室|旧瓶难装新酒，分布式数据库攻关传统运维难题

数据库，和芯片、操作系统一样，是现代信息技术的三大核心基础之一，是IT基础软件的“命门”。数据库的安全、稳定、可靠、性能、容量，对国计民生有根本性的影响，也直接影响数字化转型的进程。

这话毫不夸张，随着信息技术的迅猛发展，各行各业产生的数据量呈爆炸式增长，传统集中式数据库的局限性在面对大规模数据处理中逐渐显露，分布式数据库应运而生。

北京商报记者了解到，分布式数据库解决了传统集中式单机数据库时期的问题，打破了后者面对海量数据在处理、存储、性能等方面存在的瓶颈，且分布式数据库的高可用能力，保证了不会因为单点故障而影响整体的可用性，这也保障了金融、电信等对高可用需求较高业务的连续性。

重构“根基”

什么是数据库？不少人对此还较为陌生。

有人这样解释，你可以将数据库看作为一名“超级会计师”，如果没有数据库，存储的数据可能像把一堆书随意堆放在房间里，不易找寻还容易丢失。但有了数据库，就能按特定的规则和顺序来存放这些数据，还能进行各种查询、更新、删除等操作。

那么，分布式数据库对于金融行业来说又有何意义？

近年来，数字化转型已经逐步从头部金融机构带动效应下的“选择题”，发展成为几乎所有金融机构需要面对的“必答题”。随着全面迈入数字经济时代，数据量也正在从TB级跃升至PB级，甚至ZB级。

OceanBase CEO杨冰进一步告诉北京商报记者，IT领域“旧瓶”（旧的数据架构）难装“新酒”（新的数据量级），数字化转型也需要一套现代数据架构的有力支撑。其中，数据库就相当于“大树”（数据架构）的“根基”，“根基”决定“果实”（数字化转型）的优良。立足当下，传统数据库已不能满足现代数据架构需求，金融机构急需彻底重构“根基”。

OceanBase是蚂蚁集团自研的原生分布式数据库。此前，中国的数据库市场几乎都是海外产品，但随着访问量、交易量指数级攀升，所对应要购买的数据库资源也随之直线攀升，企业不堪重负，瓶颈也很快显现。

有报告指出，传统数据库在数字经济时代面临技术架构复杂、使用成本高以及安全性等严峻挑战，企业迫切需要采用新一代数据库来处理海量数据，利用架构升级来消弭高昂的软硬件成本，并需要加强数据分析能力以推动企业洞察驱动的决策模式，从而进一步加速数字化转型。

“那个时候的数据库都是集中式，没有办法处理大数据，面对高并发的一些场景也没有扩展能力，随着互联网的需求爆发式增长，我们需要一个有扩展能力的分布式数据库，所以我们就决定自己做。”杨冰介绍，从0至1，很多都得打破重来，如何重新设计一个架构适应未来的发展，是技术上的难点；另外，如何处理海量数据以及确保数据一致等等，也是逐步解决掉的问题。

“数据库是用出来的。”杨冰称，OceanBase从2010年立项，写下第一行代码，坚持完全自主研发，在过去十多年间，从互联网支付核心到全场景金融核心，再到政企民生、运营商核心场景，以及新零售、新制造、互联网海量场景，OceanBase参与并支持了多次关键业务负载，并不断深度完善、快速迭代。

择最优执行路径

随着业务发展与数据处理需求的变化，传统数据库方案逐渐面临业务抖动、扩展难、处理时延大、成本高等诸多困境，许多行业及业务场景都在谋求数据库现代化升级。但什么样的数据库能解决扩展性、稳定性和运维问题？在业内看来，这对于提升企业的竞争力至关重要。

北京商报记者了解到，在当今多样化的业务环境中，不同行业对数据库系统的需求各不相同。例如，金融风控场景需要高效的事务处理（TP）和分析处理（AP）数据库；游戏行业则更关注文档数据库的灵活性和性能；而基于位置服务的业务对GIS 空间数据库的依赖尤为突出。

业务场景的复杂性导致数据库运维过程中面临诸多挑战，包括备份恢复、现网巡检、安全与法规遵从、故障排查、维护升级和性能调优等。

传统的单一数据库系统难以全面满足多样化的业务需求。运维过程中，多数据库系统的多样化诉求不仅增加了数据库管理员（DBA）的工作量，还对其技能提出了更高的要求。随着引入数据库系统的增多，运维的复杂程度成倍增加。

“这种情况下，数据库的多模能力显得尤为重要，它能够统一管理和处理不同类型的数据，在提高效率的同时简化技术栈，从而满足复杂多变的业务需求。” OceanBase 资深技术专家张易谈及了多个方面。

业内许多数据库的多模功能通常以解决方案的形式呈现，其中每个引擎都是垂直的，即每一种模型都是一个数据库，它们之间相互独立。但OceanBase采用了一种不同的方法，在OceanBase中无论是KV 多模还是SQL多模，它们都共享同一个分布式存储引擎。例如，SQL 多模会共享 OceanBase 的 SQL 引擎，包括其中的执行及优化能力。由于这种共享，OceanBase 底层的分布式存储引擎的演进也会统一影响到多个模型。张易解释，这样的设计带来的好处在于，用户不再需要担心单一模型的生态和演进问题。不但可以实现多模融合计算、多模融合存储、多模一体化运维，基础引擎的优势也将会乘以N。

在具体场景应用上，张易介绍，以基于位置的服务为例，假设需要查询距离最近且评分超过4分的奶茶店中的前10条好评。这个需求涉及多个方面。首先，需要筛选评分超过4分的奶茶店，这是普通的结构化关系型数据库擅长的处理，即以“评分4分以上”作为过滤条件即可。其次，需要找到距离最近的奶茶店，这是典型的基于位置的查询服务，是空间数据库擅长的处理。另外，需要考虑10条好评，这里的评价一般都是文本，文本内容是否属于好评很难判断，可以基于文本内容提取文本语义做向量检索，从而得出判断。

那么，如何结合这些查询条件，最终选择何种执行路径呢？是使用向量索引还是使用空间索引，还是使用普通TP索引？张易称，OceanBase通过多模引擎和优化器的融合，能够选出最优的执行路径，从而为客户带来更佳的查询结果、查询响应时间和资源消耗。

据了解，OceanBase的多模能力，可使用户无需为不同类型的数据部署不同的数据库，只需使用一个数据库、一个引擎即可。OceanBase原生支持多种数据模型，包括 SQL和NoSQL，为用户提供了根据自身需求选择合适数据模型的便利。

大规模部署阶段

“对于我们这样自研的数据库，且又是一个新品牌，最大的挑战就是客户的信任问题，”谈及在推广初期遇到的困难，杨冰记忆犹新，OceanBase团队曾为了争取某国有大型保险公司的项目，与其他厂商“竞赛”了近一个月。

“当时，整个核心系统数据量非常庞大，上千万行老代码需要兼容，短时间内要完成迁移上线，且业务尽可能少改动，在这么短的时间内基本是不可能完成的事情，但我们还是希望能挑战一下硬骨头。”杨冰称，“因为还有其他厂商一起竞赛这个项目，整个竞争架势有点像百米赛跑，为此，我们快速集结了一个7人最强小分队，几乎是大家日夜兼程，开发和测试同步进行，最终用了28天的时间完成上线。这一次的胜出，也充分体现了我们的自研能力、代码掌控能力以及解决问题的能力，通过这样一次战斗，也获得了更多的同行业客户信任。”

OceanBase诞生于金融场景，据介绍，截至目前，OceanBase已经累计服务了数百家金融机构，覆盖 70%资产规模千亿元以上的银行，在证券、保险、基金行业的 Top20资产规模企业中，覆盖率分别为 75%、65%、45%。其中大部分涉及核心系统数据库升级，尤其以头部银行、头部保险公司为代表的金融机构开始涉足“无人区”，率先进行核心系统数据库的分布式升级。

以某国有大行为例，国内首个贷记卡核心系统“大机下移”分布式已经运行一年有余，目前已有ECIF、对公网银等几十套系统数据库升级至OceanBase，传统核心也在基于OceanBase进行大机下移和单元化改造。

杨冰向北京商报记者介绍，不同规模金融机构数据库升级需求各不相同，大型金融机构基础设施较好，对TPS、响应时间等各方面的要求较高，另外，大型金融机构需要整体升级的系统较多，迁移的数据量也较大，所以重点关注整套迁移方案的安全性和改造成本。而对于中小型金融机构而言，其首先需要数据库具备分布式能力，且非常关心服务和培训，以确保有足够的服务人员可以保障后续的日常服务。

有分析人士指出，2024年将进入分布式数据库大规模部署阶段，分布式数据库厂商需要持续打磨核心功能、扩大生态建设、做好人才培养、做好金融行业差异化需求适配等。

北京商报记者 刘四红