通过自研数据库画像工具支持“去O”评估
7月25日晚8点，线上直播，【AI中台——智能聊天机器人平台】，点击了解详情。
“去O”，是近些年来一直很火的一个话题，随之也产生了各种疑惑，包括现有数据库评估、技术选型等。去O是项系统工程，需要做好充分的评估。本文通过自研工具，生成数据库画像，为去O评估提供一手数据，希望给大家带来借鉴。
一、常见疑惑
很多公司在考虑去O的时候，经常面临这样的问题—"对自己的数据库不够了解"，也不免有这样一些疑惑：
[管理者]
- 数据库去O成本高嘛？
- 工作量大不大？
- 工期长吗？
- 是否存在什么风险？
[架构师]
- 使用MySQL能承载现有业务规模嘛？
- 是否有什么技术风险？
- 是否需要引入分库分表嘛？
- 是否需要引入缓存嘛？
- 研发复杂度高嘛？
- 需要投入多大工期？
- 数据访问特征如何？
- 迁移前后对比数据量大吗？
[开发者]
- 复杂SQL多嘛？
- 改造量是不是很大？
- 是不是使用Oracle方言、专有对象，需要改造？
- 等等
面对上面这些问题，就需要快速了解现有Oracle的对象、语句、访问特征、性能表现等，并据此评估技术方案、迁移方案以及后续的工作量等。也就是说，需要给我们的数据库进行“画像”。基于上面的数据库画像，对去O工作全周期进行指导，包括以下方面都将大有裨益：
- 决策阶段：整体难度、成本（人财时）、技术风险
- 架构阶段：技术方案、对象结构、性能评估
- 研发阶段：兼容性、复杂度、测试
- 迁移阶段：结构迁移、数据迁移、数据校验
正是基于此类需求，有些公司推出评估产品，例如阿里的数据库和应用迁移服务（简称 ADAM），但此类产品往往需要部署agent，上传分析包等，对于安全比较敏感的企业不太可行。我所在的公司在两年前启动去O工作时，也面临此问题。故特意开发个绿版小程序，可在本地运行，方便评估工作。
地址：https://github.com/bjbean/oracle-estimate-report
二、设计思路
收集并汇总 Oracle 数据库信息，包含环境、空间、对象、访问特征、资源开销及SQL语句等六方面信息，全面覆盖数据库实际运行状况。为信息收集更有针对性，工具通过参数设置部分阈值。通过运行命令行，收集信息后生产WEB版评估报告，以可视化的方式直观体现出来。不仅可作为去O评估依据，亦可作为后续改造的数据参考。
三、画像解读
下面针对报告数据进行解读，并对常见的去O选型-MySQL进行说明。
3.1 概要信息
image
显示收集的目标的概要信息，包括IP、实例、用户等。需注意分析时间，脚本会提取数据库执行特征（24小时内），因此建议在业务高峰之后运行。
3.2 空间信息
image
空间大小是数据库选型需重点考虑的指标之一，也会影响到后续迁移。如库规模较大，应考虑做分拆处理。拆分的原则就是尽量控制单库规模。一般可遵循如下拆分优先原则：
1）业务层垂直拆分
在应用层面，将数据按照不同的业务条线进行拆分。例如电商平台中按照订单、用户、商品、库存等拆分。各自拆分的部分，业务内聚，无强数据依赖关系。
2）业务层水平拆分
在同一业务内部，对数据建立生命周期管理，进行数据冷热分层。针对不同层的数据访问特点不同，可做进一步拆分。例如电商平台中，针对订单可分为活跃订单(二周内，可退换货)、非活跃订单(二周至半年期，客服可受理)、历史订单（半年以上）。
3）应用层分库分表
若经过上述拆分单个库的规模仍然较大，可考虑使用分库分表技术。通常的做法是引入数据库中间层，逻辑上虚拟出一个数据库，但物理上划分为多个数据库。这是一种不太“优雅”的方案，因为很难做到应用透明。也就是说，必须在研发方面有所妥协，牺牲一部分数据库能力。常见技术方案上可分为：Client、Proxy、SideCar三类，现多推荐使用Proxy模式（容器部署可考虑SideCar模式）。
4）基础层分布式数据库
较“分库分表”方式更为彻底的是直接使用分布式数据库。它提供了一种可承载更大规模（容量、吞吐量）的解决方案。近些年来，分布式数据库已逐渐成熟，推广落地；并开始在关键场景中尝试使用。
3.3 对象信息
image
针对Oracle中对象，在改型中各有不同的考虑要点。报告中给出汇总数据，也可给出明细数据方便查询。
1）表
表的数量过多，直接影响数据字典大小，进而影响数据库整体效率。从MySQL来看，还需考虑文件句柄等问题。这一指标没有一定之规，需根据情况酌情考虑。这里更多是数据架构层面考虑，避免单库数据表过多。曾经历过单库10万张表，性能低下；优化后整合成2万张的优化案例。如选择MySQL，建议单库不超过5000张表；库*表的总数不超过20000。
2）表(大表)
控制单表的规模，是设计的要点之一，直接影响到访问性能。表过大，应考虑采用上面的原则进行拆分。表大小没有通用原则，这里可通过参数进行配置。可按照物理大小或记录数两个维度设置。这里的关键点在于表的访问方式，如均为简单的kv型访问，规模大些还好；如访问比较复杂，则建议阈值设置更低些。如选择MySQL，大表复杂查询或多表关联等均不是其擅长场景，可考虑使用ES、solr+hbase等方式异步处理复杂查询。
3）表(分区表)
从9i、10g以来，Oracle的分区功能日趋完善、功能增强。可以说已成为Oracle应对海量数据的利器。但对于MySQL来说，仍然不太建议使用分区功能。一方面，随着硬件能力的增强，单表可承载力变大；另一方面，MySQL使用分区还需面对“DDL放大”、“锁变化”等问题。如果团队可以很好地驾驭数据库中间层，还是建议使用复杂度更低的分表技术。这也许会稍许增加研发量，但对运维来说，好处多多。
4）字段(大对象)
在任何数据库中，都不建议使用大对象。如果你用了，趁着改造工作，赶紧去掉吧。大对象功能对数据库来说，就是鸡肋。数据库自身的ACID能力，应着力保存更为重要的数据。
image
5）索引(B树)
索引过多会影响DML效率、占用大量空间。可通过“索引/表”，大致反应出索引数量的合理程度。这里没有建议的数值，可根据情况酌情考虑。对于任何数据库来说，都有类似的问题，就是如何“构建战略性索引策略”。这里可参考下表（选自李华植-《海量数据库解决方案》一书），梳理索引需求。科学地创建、维护索引。
6）索引(其他)
Oracle除了通常的B+树索引外，还支持其他类型的索引。如选择其他数据库，那么这些索引都需要改造，通过其他方式实现。
7）视图
视图，作为SQL语句的逻辑封装，在某些场景下（如安全）很有意义。不过它对于优化器有较高要求，Oracle在这方面做了很多工作（可参看作者写的《SQL优化最佳实践》一书）。而对于MySQL，则不建议使用，考虑改造。
8）触发器/存储过程/函数
对于数据库来说，承载了计算、存储两类能力。作为整个基础架构部分最难扩展的组件，尽量发挥数据库的核心能力很重要。相较于存储能力而言，计算能力是可通过应用层解决，而应用层又是往往容易扩展的。此外，考虑到未来的可维护性、可迁移性等因素，这部分考虑在应用端解决吧。
image
9）序列
Oracle中的序列，可提供递增的、非连续保障序号服务。在MySQL中有类似的实现，是通过自增属性来完成。这部分应该可以做迁移，但如果并发量非常大；亦可考虑使用发号器的解决方案。
10）同义词
同义词是数据耦合的表现，无论在什么数据库，都应该摒弃掉。应考虑在业务端进行拆分，不再依赖于这种特性。
3.4 访问特征
image
这里收集了，在过去的24小时内数据库中DML次数最多的Top20。这直接地反应出当前系统的操作的“热点”对象。这些对象都需要在选型之后、迁移之前重点评估其性能表现。能考虑分拆、缓存等手段，均可减低这些对象的热点压力。不仅局限于这些对象，更建议的是建立“业务压力模型”。通过对业务充分的了解和评估后，将业务逻辑抽象出来，转化为数据压力模型。此处的难点在于对业务逻辑的抽象能力及对模块业务量的比例评估。
形成类似下面的伪代码：
image
可依据上述伪代码，编制压力测试代码。通过一些工具调用测试代码，产生模拟测试的压力。这对于系统改造、升级、扩容评估、新硬件选型等均有意义。在具体去O工作中，新技术方案是否满足需要，可通过此方法进行评估验证。更多用业务的语言，来对比去O前后的承载力变化。这也是决策技术方案是否可行的考虑因素之一。当然上述信息，只包括了DML，对查询部分是不包含的，可以从Oracle AWR中获得这些数据。更为完整的，可以考虑结合应用做全链路的压测。
3.5 资源消耗
image
这里列出了最近24小时的资源使用情况。这些数据主要有两个目的：
1）评估整体负载
因为上述指标是Oracle的度量显示的，无法直接类比到其他数据库。可以凭借专家经验+历史数据，评估负载压力。用于对其他备选技术方案进行评估的依据之一。这其中的有些指标（例如user calls等），可以转化为量化指标指导后续测试等工作。
2）评估瓶颈点
对于某项指标非常突出的情况，那说明现有业务也有瓶颈，在迁移至其他方案时尽量在设计阶段就予以考虑，并在测试环节重点关注，减少可能的技术风险。
3.6 SQL语句
image
SQL语句的改写，是整个迁移工作中最为头疼的部分。除非是完全重构，否则是需要关注SQL改写的工作任务。这里面涉及到改写量、复杂度、性能对比等诸多内容，很多还是需要人工甄别完成。
笔者曾经有过这样的经验，项目组花1个月的时间就完成某项目的“结构+SQL”的迁移工作，但是后续又花费了3个月的时间完成语句优化、甚至结构调整。其原因是迁移上线后语句无法满足性能需求。而这是在边上线、边调整，过程异常痛苦。因此早期查明现有SQL情况，对于评估工作量、改写难度、性能评估，有着重要的意义。而上面这部分就是收集了分析用户在历史的所有SQL（可以打开明细开关，显示全量SQL），其包含了以下这些维度。
1）总SQL数
该指标可近似反映业务繁忙程度。此外，也可用于后续有问题语句的比例分析基础。
2）超长SQL
这里列出了超过指定字符数的语句，阀值在可通过参数进行配置。如果是考虑MySQL，建议使用“短小精悍”的SQL，面对复杂SQL则一般表现不佳。那么对于这些超长的语句，都是值得关注的对象，起码是容易出现问题的语句。
3）ANTI SQL
反向查询，数据库处理上都较为困难，这部分也比较考验优化器。虽然在MySQL的较新版本中，对反向查询有了不错的优化，但这部分仍然值得关注。
4）Oracle Syntax SQL
有Oracle特征的写法，即Oracle的方言（例如特有函数、伪列等），这些都是需要在迁移中进行处理的。当然现在也有的厂商，宣布其产品是兼容Oracle语法的，但也建议针对这些做专门测试。
5）Join 3+ Table SQL
多表关联，也是比较考验优化器。特别是MySQL表间关联效率偏低，不建议使用超过2个以上表的关联。这里列出的是3个及以上的关联查询，需要考虑修改。针对特别复杂的查询，可以考虑将其卸载到大数据平台完成。
6）SubQuery SQL
子查询情况类似上面，也是MySQL不擅长的。虽然优化器可在一定程度上进行优化，但还是值得关注。
作者：韩锋
原文首发于公众号《韩锋频道》，欢迎关注。
来源：宜信技术学院
