研究背景 + 意义，附参考文献 > 600

中国计算机学会数据库专委会在《“十四五”数据库发展趋势与挑战报告》中指出分布式数据库是未来数据库系统发展的重要方向。据 IDC 调研，超过 90% 的企业认可分布式数据库的部署效果。分布式数据库以其高性能、高可用、高扩展、高弹性为其主要优势。

openGauss 是国内热门的开源分布式数据库项目，脱胎于华为的 GaussDB 数据库，相比其他开源数据库而言，提供了面向多核架构的并发控制技术，针对了当前多核 NUMA 架构的趋势，可结合硬件优化提升系统整体性能。同时作为一个高可用分布式数据库，支持主备同步、异步、级联的部署模式，提供基于 Paxos 分布式一致性协议的日志复制和选主框架[1]。在开发过程中，引入许多成熟的技术，做到了极致性能、高可靠性、高安全性。在中国数据库排行中，长期位于前3。

在单机性能方面，openGauss 已经做了诸多优化，如 CBO 查询优化、LLVM 查询动态编译执行，以及各种基于 NUMA 硬件架构的优化。但作为分布式高可用数据库，往往为了副本一致性，增加了通讯开销与等待时间，使得跨节点的性能较为低下。本研究基于 openGauss 现有架构，围绕其高可用分布式一致性协议，对其实现方法、执行流程中的各环节进行考察，在保持副本一致性的同时，通过协议、架构的优化降低其开销。

国产数据库作为基础软件，产业化道路时间短，基础薄弱，尚未实现市场收益与自身投入的良性循环；同时受制于国际厂商垄断：Oracle 形成的事实上的垄断。且作为数据库产品，用户对其产品成熟度、品牌影响力与信心更加敏感，因为数据的可靠性是用户最看重的。阿里的 OceanBase 在内部被采用，到 TPCC 测试登顶也是一个漫长的过程。因此，对分布式数据库的研究，切合了当下国产基础软件研发的需要。

国内外研究现状 > 800

国产原生分布式数据库中，由阿里自主从0开始研发的 OceanBase 是领导者，在 TPCC 和 TPCH 测试上都刷新了世界纪录，并且已经在商用领域得到广泛使用。其基于 Paxos 协议实现高可用三地三中心五副本容灾，同时支持高扩展与 HTAP 混合负载。PingCAP 自主设计研发的开源分布式关系型数据库 TiDB 则坚持开源作为创新引擎，通过全球社区协作开发，为企业级用户提供不断迭代和演进的产品服务。腾讯云 TDSQL 历史较久，对内服务微信支付、腾讯会议、音乐等业务。其提供事务型、云原生、分析型多种产品架构，在国家级别政务民生、金融核心系统上支撑关键业务，支持了第七次全国人口普查全面电子化。其技术创新领先，在11个权威期刊发布论文；同时持续回馈开源社区，多位腾讯工程师凭借对 MySQL 8.0 版本的贡献荣获 MySQL 社区开源贡献大奖。

在分布式一致性协议方面，openGauss 自身提出了 DCF 分布式一致性框架，基于 Paxos 算法，实现数据同步强一致。其算法结合了 Raft 的主机选举方法，同时灵活地增加了 Logger 角色，只进行日志复制；另外实现了单级级联备，主备间也可以以异步方式进行同步，降低了对主机的压力。但级联备机只能从备机同步，意味着如果备机需要全量 build，级联备也必须重新全量 build，无论其副本是否与主机一致。同时不支持多级级联。

国内其他的分布式数据库中，以 TiKV 为例，基于 Raft 算法实现了线性一致性的分布式系统。客户端将请求发送给 Leader，Leader 再通过 Raft 将请求复制到主备机的 Log，最终 Commit。各 TiKV 自行应用 Log 到 DB，其状态不能同时一致，若此时发生主机切换，有可能违反线性一致性；若依次全部应用，则无法并发操作状态机，性能较差。于是 TiKV 社区提出了两种优化 ReadIndex 与 LeaseRead， 在保证线性一致性的同时，大幅提升了系统性能。

国际主流的开源分布式数据库中，以 MariaDB Galera Cluster 为例，它采用多主同步复制，既保持了整个集群的数据一致性，也允许在集群的所有节点上并行执行事务，提高读写性能。但传统同步复制通常采用两阶段提交（2PC）或分布式锁实现，随着节点数量增加，事务冲突和死锁概率增加。为解决这一问题，Galera 的同步复制采用了组通信、写集、数据库状态机、事务重排序等技术，称之为“虚拟同步复制”，使其性能目标得以实现。

主要研究或解决的问题和拟采用的方法

主要研究：openGauss 分布式一致性协议的事务、备份性能分析及调优。

拟采用的方法：

性能度量方面，通过 perf 对函数执行时间进行分析；监视主备机的各项性能负载；编写测试，对固定 workload 计算时间开销。

协议优化方面，尝试对日志同步实现 ReadIndex 优化，甚至 LeaseRead 优化；同时实现多级联备机特性。保证仍满足线性一致性。

工作进度计划 （每2周）

1、实验环境搭建，阅读项目文档及代码

2、考察分布式一致性框架，梳理完整协议工作流程

3、确定测试的数据库工作负载，形成测试代码

4、对数据库进行初步调整，并测试，形成初步优化方向

5、根据优化方向，调整协议机制，形成新的工作流程

6、将调整后的机制实现为代码

7、测试、再调整，形成最终结果

8、整理资料与总结分析，撰写毕业论文

这歌一股霉味？

问题是改进的需求。不优化是哪里？

面向openGauss数据库的副本一致性协议优化技术研究

评测 性能 有问题

设计度量，数据集，方法，通过xx技术发现瓶颈

针对瓶颈发现问题，然后原理，然后优化

以国产开源openGauss分布式数据库为研究对象。在前期的了解过程中，观察到其副本一致性协议中，将Log异步复制到各个备机，再由备机重放到 DB 并持久化的过程，若在状态不一致时发生主机切换则违反线性一致性；若保证按序全部应用，则协议效率降低。本研究借鉴 TiKV 对一致性协议的优化，在保持副本一致性的同时，优化 openGauss 数据库的主备同步效率。

以国产开源openGauss分布式数据库为研究对象。在前期的了解过程中，观察到其副本一致性协议中，将Log异步复制到各个备机，再由备机重放到 DB 并持久化的过程，若在状态不一致时发生主机切换则违反线性一致性；若保证按序全部应用，则协议效率降低。本研究的主题是通过优化 openGauss 数据库的副本一致性协议，在保证一致性的同时，加速主备同步，进而提升事务执行的效率。