论亚马逊QLDB与腾讯TDSQL对历史数据的管理和计算

AWS re: Invent 2018上,AWS CEO Andy Jassy发布了QLDB - Quantum Ledger Database(量子账本数据库)[1]。引用Amazon关于QLDB的FAQ[2],QLDB是一款特型数据库,它能够提供应用数据全部的历史变迁。

QLDB与我们之前提出的TDSQL全时态数据库有些相似,本文分析比较QLDB和TDSQL全时态数据库的异同。

一、 生产背景

1.1 QLDB产生背景
Andy Jassy提到,QLDB其实已经在AWS中稳定运行了几年,为EC2、S3等一批大规模服务提供支持,QLDB将所有的数据变化记录下来,以简化操作、计费等。

据Andy Jassy说,经过与数百位区块链用户沟通,AWS发现用户最迫切的需求有二:中心化可信账本(ledgers with centralized trust)和去中心化可信事务(transactions with de-centralized trust,本文不讨论)。

供应链跟踪、医保记录、机动车管理、个人履历等应用有追溯数据变化的需求,用于记录这些数据变化的称为账本(ledgers),账本需要可靠、透明、不可更改、加密认证,QLDB即扮演中心化可信账本的角色。

可见,此次AWS对外发布QLDB,是要将其作为进军区块链的一大利器(另一为Amazon Managed Blockchain[3],本文不讨论)。

1.2 TDSQL全时态数据库的产生背景
TDSQL全时态数据库产生于腾讯计费业务。据统计,腾讯计费平台部每天需要对363亿独立账户准确无误地处理,在线交易要求极高的可靠性和准确性,因此,交易监控功能至关重要。

交易监控包括对账、审计、风控等手段,以对账为例,通过比对一段时间内的账户数据变化和流水数据来定位异常交易。

受限于传统关系型数据模型和现有数据库产品的实现,交易监控无法做到实时和精确。再以对账为例,业界通用做法是:账户表按日分表,业务低谷时在当天账户表、前天账户表、流水表上做计算。此方法的问题在于只能在“天”的粒度上对账,定位具体的问题交易还要借助其他手段。要细化对账粒度,精确到异常交易,就需要记录每一笔交易导致的数据变化。

另外,银监会规定金融行业的重要数据须保存规定年限[4],深圳市互联网金融协会要求账户信息、资金流水、交易数据等须保存超过15年[5]。

出于以上需求和规定,我们设计了TDSQL全时态数据库,以管理历史(后续在全时态模型下称为历史态数据)数据,包括了历史数据的存储、计算。

1.3 小结
QLDB和TDSQL全时态数据库都诞生于业务、服务于业务:QLDB源于AWS EC2,S3等的内部支持,可作为区块链中心化账本。

TDSQL全时态数据库源于互联网在线交易监控,初衷是提供更精细的监控粒度,但应用场景不限于金融、计费、交易,任何有追溯过往需求的场景均适用。

但是,二者共同之处,在于提供历史数据的生命周期的管理。这表明,腾讯和Amazon都认识到了历史数据的价值,并在生产实践中加以管理和使用。

2.数据模型

2.1 QLDB数据模型
2.1.1 QLDB的“账本”

论亚马逊QLDB与腾讯TDSQL对历史数据的管理和计算_第1张图片

由Current、History和Journal组成:

1.Current:用户的当前数据,比如,当前银行账户的状态;

2.History:用户数据的历史版本,比如,历史上的银行账户的状态;

3.Journal:只可追加、无法修改的日志,存储序列化的、可密码验证的数据变化,比如,银行账户的交易记录。

2.1.2 QLDB文档数据模型
QLDB以文档数据模型维护当前和历史的应用数据,图2-2(引用自ref[6])是一例,可以看到,QLDB支持嵌套的数据类型,与传统关系数据模型相比,能够集中完善地存储、表现数据。

Journal中日志由两部分组成:本次数据增量,SHA-256哈希值H(T)。

以图2-3(引用自ref[6])为例,可以看到,数据增量包括应用数据的变更,以及操作类型、操作时间等元数据。

可以发现,QLDB参考区块链,保证所记录的“账目”是不可修改的:

1.图2-3所示,插入操作的日志,其HASH值为数据增量的SHA-256的值;

2.更新或删除操作的日志,如图2-4所示,其HASH值由两部分组成,一是本条日志的数据增量,二是上一条日志的HASH值,如此构成一HASH链。

此HASH链维系了一个数据项的历史操作和数据增量。一旦HASH链中某一条日志的数据被修改,那么该日志的HASH值会发生变化,之后的日志就无法连接到这条日志,这种机制保证了数据一旦写入就无法篡改,做到了历史发生不可修改。

于是QLDB的“账目”是不可修改、加密认证的。

此处,我们简单对比QLDB和腾讯区块链TBaaS[7]采用的Hyperledger[8]。与QLDB不同,Hyperledger是去中心化的区块链账本,每个参与者保存一个区块链账本的副本,所有参与者通过协作共同维护着账本。

4.1 QLDB:How it works节介绍QLDB文档数据模型如何工作。

论亚马逊QLDB与腾讯TDSQL对历史数据的管理和计算_第2张图片

2.2 TDSQL全时态数据模型
TDSQL全时态数据是具有全态特性和时态属性的数据的统称。

2.2.1 TDSQL数据全态
数据在其变迁过程中,处于不同状态,TDSQL提出将数据状态划分为3个阶段:

  1. 当前态(Current State):数据项的最新版本,是处于当前阶段的数据。封锁和MVCC机制下,能被读取到的最新版本的数据为当前态数据。
  2. 历史态(Historical State):数据在历史上的一个状态,其值是旧值,而非当前值。一个数据项可以有多个历史态,反映数据状态的变迁过程。处于历史态的数据,只能被读取而不能再被修改或删除。

封锁机制下,更新操作发生后,原更新前的数据版本处于历史态。MVCC机制下,当前活跃事务列表中最小的事务之前的事务产生的版本处于历史态。

  1. 过渡态(Transitional State):既非数据项最新版本,亦非历史态版本,处于从当前态向历史态转变的中间状态。基于封锁实现并发控制的系统中不存在过渡态。

MVCC机制下,被读取的版本上有最新的相关事务使用,因最新的事务修改了数据项的值,其最新值处于当前态,那么被读取到的版本相对于最新值成为历史。

而读取此版本的事务还是活跃的,此版本还不处于历史态。

这样一种,从当前态向历史态过渡的数据,称为过渡态数据。

数据的当前态、历史态、过渡态,合称为数据的全态。

可以看到,QLDB有历史数据,但没有把数据的生命周期加以统一模型化管理。

2.2.2 TDSQL数据时态
时态,即时态数据库概念中的时态。

依据时态数据库理论,参考SQL:2011时态相关准则,TDSQL提供有效时间和事务时间的支持。

有效时间用来表示,数据所表达的事实在现实世界真实有效的这段时间。比如,小明在2000-9-1到2003-7-30上中学,那么“小明上中学”这个事实的有效时间为2000-9-1到2003-7-30。有效时间可用于保险在保、食品保质期等事实。

事务时间用来表示,数据在数据库系统中发生变化的时间。比如,“小明在2000-9-1到2003-7-30上中学”这条数据在2003-9-1写入学籍管理系统,2003-9-1是此数据入库时间。事务时间维系了数据生命周期的时间线。

相比下,QLDB并没有提供时态支持。

可参考ref[9]了解更多TDSQL时态内容。

2.2.3 TDSQL全时态
数据全态和数据时态合称为TDSQL全时态,全时态刻画了数据完全的生命周期。TDSQL在全时态概念的基础上,进一步提出了全时态数据模型的概念,有基础的全时态(全态+双时态)数据结构,更有基于全时态的丰富的语义操作。在这一点上,还没有看到QLDB有更多的信息展示。

另外,数据在变迁过程中所经历的操作、操作者、操作发生时间等元信息都被维系下来,我们将此称为数据血统。在TDSQL中,数据每一个版本、每一次操作都由血统维护起来,如此形成更完整的生命周期,此生命周期可以如此表述,即TDSQL能够帮助用户了解到:什么人在什么时间做了什么事情,数据项数据变迁的事件是什么。

2.3 小结
QLDB和TDSQL全时态数据库的共同点是,二者都对数据状态做出区分,QLDB把数据分为当前和历史两个状态,TDSQL提出全态的概念。

QLDB采用文档数据模型,相比于传统的关系数据模型,具有支持数据类型更多、灵活性高的特点,关系型数据库应用和非关系型数据库应用都可与之对接,代价是模型不同的数据库系统间数据迁移的复杂性。

TDSQL全时态数据模型是基于关系数据模型的,并包含数据状态和时态两个概念,具备更丰富的计算能力。作为全时态数据模型的子集,大量现行的关系型数据库应用可以轻松迁移。完备的全时态数据模型使得TDSQL在处理历史数据时更加富有优势。

3.架构

3.1 QLDB之于Amazon数据库生态
Andy Jassy展示了Amazon的database freedom,如图3-1(引用自ref[1]),Amazon提供诸多数据解决方案,涵盖关系型、K-V、内存等存储,并包含图、时序、账本等特型数据库,QLDB即特型数据库之一。

QLDB作为Amazon整个数据库服务生态的一个成员,与RDS、DynamoDB、ElasticCache等产品彼此独立但紧密合作,互相补充共同构成database freedom。

QLDB如何与其他产品协作,还需等Amazon开放更多资料。

3.2 TDSQL全时态数据库的HTAC架构
图3-2展示了TDSQL全时态数据库的HTAC架构,HTAC基于master-slave架构,此架构下全态数据管理方式为:

● 主节点Current存放当前数据,从节点History存放历史数据;

● 主节点的更新操作引发:

■ 当前数据的版本推进;

■ 数据的旧版本同步至从节点,追加旧版本到历史库;

● Proxy路由TP请求到主节点,操作当前数据;路由AP请求到从节点,执行全态查询。

论亚马逊QLDB与腾讯TDSQL对历史数据的管理和计算_第3张图片

Master-Slave是目前广泛采用的高可用方案之一,HTAC架构基于此,适用性广泛。并且,在现有的数据库服务中增加一备即可承载历史,避免了重新设计部署数据库服务。

主、备在物理上分别存放当前、历史数据,保证数据安全。主节点数据出现问题时,可以使用该从节点的数据快速恢复。另外,当前和历史数据物理上的隔离,导致TP和AP服务切割,因此可以针对AP业务针对优化此从节点。

在主备间传输的历史数据,是原生数据,而非日志。其优势在于,避免本地封装数据,节约计算开销,尽可能降低对业务系统的影响;避免异地解析日志,同样节约计算开销,使得历史数据快速落地存储,实时性高。

3.3 小结
QLDB是Amazon数据库生态中的一环,作为RDS等“账本”的存在,事务在RDS上执行,在QLDB上“入账”。

TDSQL全时态数据库采用基于Master-Slave的HTAC架构,在需要追溯历史的数据库实例上增加一备,作为历史数据的存储即可,避免了额外的系统设计和部署,而且数据安全得到进一步保障,快速恢复触手可及。另外,节点间传输原生数据格式,具有对业务系统影响低、历史数据落地快、实时性高的优势。

应用场景

QLDB和TDSQL全时态数据库都诞生于内部计费、交易系统,都维系了数据的全生命周期,这样看来,QLDB和TDSQL适用的场景应该是相似的。

QLDB定位是区块链中心化可信账本,可见其发力点主要在区块链应用上,比如ref[6]提到的机动车管理、商品生产供应线、职业生涯等。当然,QLDB需要在Amazon的数据库生态当中发挥作用。

TDSQL全时态数据库并非针对某一应用方向所设计,所以有全时态数据管理需求的应用都可以使用,比如个人账户系统、服务器管理、职业生涯等。因为TDSQL全时态数据库基于关系数据模型设计,现有关系型数据库应用都可以方便使用。

你可能感兴趣的