提升复制数据库分析性能模型的表达能力

### 提升复制数据库分析性能模型的表达能力 #### 1. 引言 分布式数据库中的复制管理涉及两个关键决策：一是何时何地分配逻辑数据片段的物理副本（副本放置），二是何时以及如何更新这些副本以维持可接受的一致性程度（副本控制）。复制的目的在于，在站点或通信出现故障时提高数据可用性，并且在可能的情况下通过本地访问降低数据检索成本。因此，复制数据的维护与站点间通信密切相关，而复制管理对整个系统的性能有着重大影响。 虽然已有多种副本放置和副本控制的算法，但目前用于性能评估的分析模型却未能与之匹配。现有的分析模型在设计复制方案时，仅考虑了一些极端情况，如不进行复制或完全复制，同时也没有充分考虑站点间通信在复制管理中的重要作用。随着分布式数据库和现代通信系统的不断发展，用于评估这些系统的理论性能模型却相对滞后。我们的目标是找出并解决性能评估中的这些问题，推导出一种能更准确描述现实世界复制数据库的分析建模方法，从而得到更新且更具表达力的结果。 #### 2. 现有性能模型的不足 ##### 2.1 通用建模概念与通信 分布式数据库的性能研究采用了分析方法和模拟方法。模拟方法能够评估复杂的系统模型，但在编程和计算时间上成本较高，往往难以全面覆盖参数空间并进行充分的敏感性分析。 模拟和分析研究常使用排队系统作为基础模型。早期的分布式数据库排队模型存在一些缺陷，例如忽略了站点间通信，且所有站点共享一个事务队列。为解决这些问题，人们采用排队网络对分布式数据库进行建模，但这些模型仍存在限制，如无法评估超过两种事务类型的现实系统。 大多数分析性能研究对通信网络的建模过于简单，假设其为无限服务器，引入恒定延迟，而不考虑消息大小或网络负载。这种模型会预测复制总是降低吞吐量，这与实际情况不符。此外，多数研究还假设数据访问是均匀分布的，并且在建模锁冲突和事务阻塞时，通常需要使用模拟和简化的假设。 ##### 2.2 复制模型的分类 - **无复制**：一些研究简单假设不进行复制，即每个逻辑数据项仅由一个物理副本表示。 - **全复制（所有对象到所有站点）**：多数性能评估假设进行全复制，即所有数据对象都复制到所有站点。但对于大多数应用来说，全复制或不复制都不是最优配置。 - **一维部分复制**： - **所有对象到部分站点**：该方案用参数 r 表示复制程度，r = 1 表示不复制，r = n 表示全复制。但这种方案无法处理某些应用中更新密集型数据和读取密集型数据的不同复制需求。 - **部分对象到所有站点**：用参数 r 表示完全复制到所有站点的数据项百分比，r = 0 表示不复制，r = 1 表示全复制。然而，在大型广域分布式数据库中，这种方案不太现实，因为复制部分数据项到所有站点会带来大量的更新传播开销，而不复制其他数据项则会严重降低其可用性。 #### 3. 集成通信的二维复制模型（2RC） 基于对现有模型的研究，我们提出了改进建模方法的要求：需要一个更具表达力的复制模型来表示和评估现实的复制方案；不仅要能计算响应时间，还要能计算吞吐量和瓶颈；要考虑负载相关的通信延迟、网络限制的事务吞吐量以及复制与通信之间的相互作用；能够描述详细的事务和通信模式，考虑非均匀数据访问、复制方案的质量和宽松的一致性。 2RC 模型满足了所有这些要求。在 2RC 中，事务处理采用主副本方法，同时对异步更新传播到次要副本进行建模，并且不考虑两阶段提交处理更新。由于 2RC 并非主要用于比较并发控制算法，因此不建模锁冲突，以便在复制和通信子模型中考虑更多细节。 ##### 3.1 二维复制模型 基于之前对复制模型的分类，我们将两个正交的一维概念组合成一个新的二维方案，即“部分对象到部分站点”。在这个方案中，复制由一对参数 (r1, r2) 表示，其中 r1 表示复制的数据项百分比，r2 表示每个复制数据项的物理副本数量。r1 = 0 表示不复制，(r1 = 1, r2 = n) 表示全复制。 对于 d 个逻辑数据项，复制方案 (r1, r2) 会将物理副本数量从 d 增加到 (r1 × d × r2) + (d × (1 - r1))。我们将复制对象的副本数量 (r1 · d × r2) 视为实际的复制程度，并将其归一化到 [0;1] 区间，得到整体复制水平 (r1 × r2)/n。 与仅考虑全复制或一维部分复制的模型不同，二维方案考虑了所有可能的复制策略，能够更准确地捕捉现实世界的复制策略，有助于更好地理解复制对分布式系统性能的影响。 ##### 3.2 依赖结构 除了对现实系统的各个方面进行建模外，模型中考虑的各方面之间的依赖关系也很重要。在 2RC 中，二维复制方案是核心部分，直接影响复制质量、事务到达率和网络流量，进而对所有后续结果产生重大影响。t 种事务类型和每种事务的 2 种消息类型允许我们对各种不同的应用和工作负载模式进行建模。通过两个关键依赖关系，我们能够捕捉负载相关的通信延迟和网络限制的吞吐量。整体吞吐量取决于网络和本地