多点|基于 Databend 的 TiDB 数据归档实践

本次分享的主要内容：

• 为什么选择 Databend 归档 TiDB

• 归档工具，归档的流程，实践效果

• 归档实践总结，对 Databend 未来的展望

TiDB 在多点 DMALL 使用的非常好。可以实现透明扩展， 研发无感，数据增加，架构不变；TiDB 在使用中给人的感觉是没有容量限制，支持更多的数据；在 TiDB 中扩容更便捷，加节点即扩容，自动 Rebalance。基于以上优点，TiDB 越用越舒服，但成本也就越来越高。

• 存储成本：对象存储和 HDD, SSD 的成本，其中对象存储是 HDD 的1/10, 是 SSD 的 1/30,

• 在线查询能力：但数据又不能直接放到对象存储中，还需要提供对外的查询能力，

• 支持大表持续备份：这块也调研了 MariaDB on S3，需要先写入 InnoDB，然后在转成只读的 s3 engine ,这样备份 10 TB 的表，本地也要有 10 TB 的空间， Databend 是直接写入对象存储。

• 兼容 MySQL 协议：可以保持 TiDB 的使用习惯。

其中 Databend-query 有点类似于 MySQL server 直接连接对象存储，对于用户管理，权限，meta 信息存储在 Databend-meta 中，这个节点可以单点部署，生产中也可以部署成集群模式。

DMALL 研发一个新的归档工具，工作流程如下：

1. 先做归档表结构到 Databend 创建

1. 基于小批量读取源端到 Channel 中，同时检测源端压力，如果源端压力大，降低读取速度，如果压力小，就可以加大读取

1. Databend 端写入时，可以合并写入，实现更大的 batch

1. 在 Databend 写入成功后，再去源端删除，保证数据安全

归档任务，由开发人员发起，DBA 审核，自动化归档，数据永久保留。基于上面的方法，可以实现开发人员，查询 2,3 年前的数据，也可以自助完成。

• 降本显著：基于对象存储，冷数据存储成本除低 98%，如果你是 SSD 到对象存储，基可以达到 99% 以上的降本。

• 云中立：支持 AWS， Azure，GCP，阿里云，腾讯云，华为云，青云，火山引擎，minio，ceph 等

• 研发友好：MySQL 协议兼容，可在线查询，统计分析性能好

• 运维无忧：无限空间，高可靠性，免维护，迁移便捷

• Databend 文档：https://databend.rs/

• Twitter：https://twitter.com/Datafuse_Labs

• Slack：https://datafusecloud.slack.com/

• Wechat：Databend

• GitHub ：https://github.com/datafuselabs/databend