Kv-Tair best practise

�  Nosql 域

�  美 集群 状

�  物理架构

�  技

�  idc多机房

�  sla

�  典案例

�  系 演

Nosql 域

CAP 数据模型

离VS在

迁移

数据冗灾 Vs故障恢复

保

数据分区

分布式算法

硬件施

中心vs去中心

数据完整性

内存形vs磁

形

4高原

模型

程模型

数据

兼容

启延 控 运

冷数据

美 集群 状

物理架构

Client

Master Slave ConfigServer

DataServer

heartbeat

技

oct

Kv

tsdb

zabbix

Kv port

databus

Redis-trasfer

mysql redis

Gtest gcover valgrind

Bench mark

Profile gprofile

systemtap

tair

client

片

多机房－背景&关 点�  域

数据量大、无 迁移、 故障、 写并 大、本地加速

�  技 关 点 �  Snapshot + redolog 和 snapshot + w ＝ snapshot’ �  Pipline �  Data relay �  断点重 �  限速migrate �  智能客 端 �  Check 一致性 �  并 回放

idc多机房架构

sla

�  可用性 �  99.95% vs 99.99%

�  定性 �  超出系 界的 提供系 界内的 （集群0故障） �  系 界内曲 平滑（tp90、tp99）

�  Fast fail&recover �  快速 �  系 ， 列 弃

�  可靠性

�  一致性

Qps vs latency

�  Qps越高越好？ �  5wqps 100ms（千分之一） vs 3wqps 100ms（万分之一）

�  Qps作用 �  省机器 源

�  Qps衡量粒度 �  1s衡量是不 的 (2微秒（50w qps）内1w 求同 达到) �  1ms 位

�  延 �  可用性生命

5.1 sla－模型分析 估�  物理 源：cpu、内存、disk、网 、跨idc

�  模型：低延 、高吞吐、 易 value、 qps、高并 、冷数据

�  源模型： 接池、 程池（ 程角色）、内存池、 象池

�  系 用：malloc、mmap、mutex、disk io & netio、程上下文切

�  数据格式：jason、序列化、数据交

1.3 sla 化-工具集

�  Profile �  分析

�  置 �  宏 slice耗 比率分析

�  Systemtap �  分析系 用耗

�  程挂起耗

�  Gprofile �  Cpu耗

profile

�  Profile �  分析

�  置 �  宏 slice比率分析

�  Systemtap �  分析系 用耗

�  程挂起 度耗

�  Gprofile �  Cpu耗

systemtap

gprofile

案例分析-名店 (25w)

2.2 名店 峰 超

原因�  网 慢？

�  虚 机器 ？

�  Dataserver？

�  是？

Reason & deal & �  Reason:

大量 接 & 系 用 －－－》 kernel 内核事件堆

�  Deal:

接分 多epoll接入

� 

高并 情况下，一个epoll 500个 接

5.2 外 峰 集群不可用�  Client？

�  网 ？

�  Mdb？Ldb？

�  Lock？

�  ？

�  程 程切 ？

�  虚 机器

Reason & deal&最佳 践�  Reason:

(1)Timeout 加 数据，tps急 上升

（2）写hung住

�  Deal:

（1） code 化

（2）databus上

（3） 写分离

（4） 保

�  最佳 践

列 度1w、内存操作1个核2~4个 程

系 的演 方向

�  1.0：版本：Feature开

�  2.0：版本：开 、 控、运

�  3.0：系 自治

�  4.0：系 生 圈