本文將就企業(yè)信息系統(tǒng)中如何更好應用上述技術進行探索。在討論云存儲技術的之前，我們來回顧一下現(xiàn)在企業(yè)所使用的關系型數(shù)據(jù)庫所存在的問題。

一、關系型數(shù)據(jù)庫的問題

1970年IBM的EdgarF.Codd博士發(fā)表一篇著名的論文《一種用于大規(guī)模共享數(shù)據(jù)存儲系統(tǒng)的關系數(shù)據(jù)模型》，由此奠定了現(xiàn)在諸如Oracle、MSSQL、MySQL、Postgres等關系型數(shù)據(jù)庫的理論基礎。40年過去了，關系型數(shù)據(jù)庫不可辯駁地坐上了數(shù)據(jù)世界中的頭把交椅。如此成功的技術會有什么問題?

問題來自于訪問量急劇增長所帶來的可擴展性。所有具有最基本功能的關系型數(shù)據(jù)庫都會支持join操作，不過join操作可能會很慢。由于數(shù)據(jù)庫通常依靠事務來保證一致性，而事務需要鎖住數(shù)據(jù)庫的一部分，使之不能被其他用戶訪問。因為鎖本身意味著競爭同一數(shù)據(jù)的用戶會被放入隊列，等待獲得讀寫權限，這在高負荷的情況下可能會成為系統(tǒng)的死穴。

通常我們會用下面幾種方法解決上述問題：

提升硬件能力，如增加內(nèi)存、用更快的處理器或硬盤，這被稱之為垂直擴展，可解一時之憂。

增加新的計算機，構成數(shù)據(jù)庫集群。不過，這樣就會在正常使用及故障時遇到數(shù)據(jù)復制與一致性問題。

更新數(shù)據(jù)庫管理系統(tǒng)的配置。例如要優(yōu)化數(shù)據(jù)用來寫底層文件系統(tǒng)的通道。

審視自己的應用，優(yōu)化索引、優(yōu)化查詢。不過，當我們的應用達到這個規(guī)模的時候，恐怕不太會完全沒有做過索引和查詢優(yōu)化。那么，只好重新審視所有數(shù)據(jù)庫的訪問代碼，想發(fā)現(xiàn)零星的可以調(diào)優(yōu)的機會，這是一件相當頭疼的事情。

增加一個緩存層。現(xiàn)在我們又需要面臨更新緩存和更新數(shù)據(jù)庫的一致性問題了，對于集群來說，問題更加嚴重了。

審視我們想要的查詢，復制那些訪問頻率較高的數(shù)據(jù)，讓它們更接近于查詢想要得到的形式，這個過程被稱為反范式化，也就是說違反了Codd提出的關系模型12條準則。這時我們只能安慰自己說我們是生活在現(xiàn)實世界之中。

這一幕是何等熟悉，現(xiàn)如今的企業(yè)應用的規(guī)模已經(jīng)遠不是Codd提出關系模型的年代所能夠想象的。TB級別的數(shù)據(jù)庫已經(jīng)并不罕見，一些數(shù)據(jù)表動輒上億條記錄，甚至幾十億條記錄。筆者遇到的一位客戶僅每年增長的數(shù)據(jù)量就達到了3TB，要知道這一數(shù)據(jù)在5年前僅有大約500GB。這樣的數(shù)據(jù)量已經(jīng)開始給構建在此之上的企業(yè)應用造成巨大的壓力。我們接下來看看云存儲技術又是如何解決這一問題的。

二、云存儲技術帶來什么

云存儲技術最早來源于那些互聯(lián)網(wǎng)企業(yè)，這也是可以理解的，畢竟這些企業(yè)所面臨的訪問量也是之前任何應用所不曾遇到的。從一個數(shù)據(jù)就可以得知：現(xiàn)在支付寶每天新增的記錄數(shù)為3億條。顯然這樣的數(shù)據(jù)量以及在此之上的運算，不是傳統(tǒng)關系型數(shù)據(jù)庫可以支撐的了。

這里所說的云存儲技術并非特指某項技術，而是一大類技術的統(tǒng)稱，一般來自只要是具有以下特征的數(shù)據(jù)庫都可以被看作是云存儲技術。首先是幾乎無限的擴展能力，可以支撐幾百TB直至PB級的數(shù)據(jù);然后是采用了并行計算模式，從而獲得海量運算能力。簡而言之，就是當計算能力不足，無論是存儲還是運算，對于需求提出方而言，就是簡單的增加機器即可實現(xiàn)。更進一步的特征便是高可用性，也就是說，在任何時候都能夠保證系統(tǒng)正常使用，即便有機器發(fā)生故障。目前常見的符合這樣特征的系統(tǒng)，有Google的GFS以及BigTable，Apache基金會的Hadoop(HDFS和HBase)，最初來自于Amazon現(xiàn)在也屬于Apache基金會的Cassandra，此外還有Mongo DB、Couch DB、Hypertable、Redis等等。

作為可擴展性是指系統(tǒng)架構可以讓系統(tǒng)提供更多的服務而不降低使用性能的特性。通過現(xiàn)有的機器增加硬件的容量、內(nèi)存進行垂直擴展，是最簡單的達到可擴展性的手段，但這有個限度。而水平擴展則需要增加更多機器，每臺機器提供全部或部分數(shù)據(jù)，這樣所有主機都不必負擔全部業(yè)務請求。但軟件自己需要有內(nèi)部機制來保證集群中節(jié)點間的數(shù)據(jù)同步。而云存儲技術所帶來的可擴展性幾乎是無限的，并且對于投資者而言投入(硬件投資)與產(chǎn)出(提供更多的服務)幾乎是線性的。

水平擴展說到底就是使用更多的主機來承擔運算。假設一臺主機在運行一年的時間里發(fā)生故障的概率是n，那么20臺主機在運行一年的時間里發(fā)生故障的概率則為20×n，由此看出當某個集群中主機的數(shù)量達到一定程度，在一年中發(fā)生故障的概率將會非常大，甚至每天有機器發(fā)生故障也不是危言聳聽。許多云存儲技術都將此作為基本的設計前提，因此云存儲技術天生具有良好的高可用性與容錯。

怎么樣?是否很誘人。這么好還不如把現(xiàn)在的這些企業(yè)應用都替換了。先別著急，享受這些好處也是有代價的。說到這里就不得不提EricBrewer的CAP理論(2002年被理論證明)。依據(jù)這個理論，對于一個大規(guī)模分布式數(shù)據(jù)庫系統(tǒng)，有以下三個需求：

一致性(Consistency)：對于所有的數(shù)據(jù)庫客戶端使用同樣的查詢都可以得到同樣的結果，即使是有并發(fā)更新的時候也是如此。

可用性(Availability)：所有的數(shù)據(jù)庫客戶端總是可以讀寫數(shù)據(jù)。

分區(qū)耐受性(Partition Tolerance)：數(shù)據(jù)庫可以分散到多臺機器上，即使發(fā)生網(wǎng)路故障，被分成多個分區(qū)，依然可以提供服務。

CAP理論指出，同時只能具有這三個特性中的兩個。傳統(tǒng)的關系型數(shù)據(jù)庫所強調(diào)的是一致性(C)與可用性(A)，而在分區(qū)耐受性(P)的方面的支持十分有限，這一點從本質(zhì)上揭示了上述關系型數(shù)據(jù)庫的問題。再來看云存儲技術，都特別強調(diào)了分區(qū)耐受性(P)從而彌補關系型數(shù)據(jù)庫在此方面的不足，接下來的區(qū)別就是選擇可用性(A)還是一致性(C)了，反正是不能都選。對于CP系統(tǒng)，放棄的是可用性(A)，你的數(shù)據(jù)將保持一致性，但如果有節(jié)點發(fā)生故障，仍然會有部分數(shù)據(jù)無法訪問;而對于AP系統(tǒng)，放棄的則是一致性(C)，那么你的系統(tǒng)就有可能返回不太精確的數(shù)據(jù)。

以上技術特點決定了云存儲技術有一些特別擅長的領域。例如訪問流量可能會非常大，即隨時訪問數(shù)據(jù)量非常大，從而需要大規(guī)模分布式部署。考察讀寫操作的比例，特別適合統(tǒng)計分析型工作，但是寫可能是密集型的。有時對于數(shù)據(jù)一致性要求并不高，即可以容忍當某個數(shù)據(jù)被寫入后，在一段合理的時間內(nèi)可能會有部分用戶讀到的是寫入之前的數(shù)據(jù)，搜索業(yè)務就是一個典型例子。

但同時也有些計算領域并非云存儲技術擅長。例如事務密集型計算，這類計算對一致性要求非常高。相比讀操作，寫操作會頻繁持續(xù)發(fā)生。在企業(yè)中存在大量這種類型的計算。

通過以上分析，我們發(fā)現(xiàn)，“年輕的”云存儲技術并非完美無暇，看似“古老的”關系型數(shù)據(jù)庫在其面前并非一無是處。云存儲技術現(xiàn)在不是，將來也不應該是關系型數(shù)據(jù)庫的終結者。在我們?yōu)樗宫F(xiàn)出來的那些令人激動的特性面前，必須冷靜分析，這是否就是企業(yè)運算所需要的?至少現(xiàn)在看來不是全部。

三、企業(yè)應用探索

顯然不是所有的企業(yè)計算都適合使用云存儲，采用關系型數(shù)據(jù)庫也許仍然是目前的最佳選擇。問題就變成了應該將其用在哪里?接下來將會列舉兩個目前特別適合采取云存儲技術的應用領域，這兩個案例都來自于筆者比較熟悉的商業(yè)應用領域。

領域一、數(shù)據(jù)倉庫

數(shù)據(jù)倉庫將集中來自幾乎所有業(yè)務生產(chǎn)系統(tǒng)的數(shù)據(jù)，對外提供企業(yè)的各種查詢報表以及數(shù)據(jù)分析。從功能看這是一個典型的統(tǒng)計分析型工作，日常大量發(fā)生的都是讀操作。另一方面需要周期性地從業(yè)務生產(chǎn)系統(tǒng)收集原始數(shù)據(jù)，并可能需要對其進行進一步的數(shù)據(jù)加工，這一過程是寫密集的。數(shù)據(jù)量無疑會是非常大的，實際生產(chǎn)中的數(shù)據(jù)倉庫通常需要保留幾年至十幾年的數(shù)據(jù)，可以達到TB級，其中一些數(shù)據(jù)表可能會達到幾十億條甚至更多的記錄數(shù)。以上這些需求特點決定了其特別適合采用云存儲技術。

領域二、企業(yè)統(tǒng)一資料庫

所謂企業(yè)統(tǒng)一資料庫，就是將企業(yè)運行中所基于的各種資料集中到一個應用系統(tǒng)中進行統(tǒng)一管理，再由這個系統(tǒng)以服務的方式，提供給所有需要的其它業(yè)務系統(tǒng)，所提供的服務除普通查詢外，還應該包含基于搜索引擎的資料搜索服務，包括商品(以及商品類別、品牌)、合作伙伴(供應商、客戶、加盟商等)、合同(采購合同、銷售合同、加盟合同等)等。在這個應用中讀操作發(fā)生的頻率將遠大于寫操作，尤其當其以在線方式提供資料服務時更是如此，例如為網(wǎng)店提供資料服務。

需要說明的是，筆者所在的海鼎公司對以上這兩個方向都已經(jīng)做了相當?shù)墓ぷ?。企業(yè)統(tǒng)一資料庫的第一個版本已經(jīng)完成開發(fā)，并將在今年10月份在東莞美宜佳投入使用。而下一代的數(shù)據(jù)倉庫解決方案已經(jīng)完成了前期預研工作，開始進入開發(fā)設計階段。

應該說包括云存儲在內(nèi)的一系列云計算技術都還處于剛開始的階段。就如IT歷史上的其它新技術一樣，在為我們展示出令人激動的新特性同時，還有很多不足。這些不足既包括技術本身還有很多有待完善的地方，也包括圍繞其的后續(xù)開發(fā)工具不足導致的進入門檻偏高，以及與傳統(tǒng)技術的融合程度不高等等。但這些并不妨礙它未來美好的明天。