一，TDDL是什么

• Taobao Distributed Data Layer，即淘寶分布式數(shù)據(jù)層，簡稱TDDL 。它是一套分布式數(shù)據(jù)訪問引擎

• 淘寶一個基于客戶端的數(shù)據(jù)庫中間件產(chǎn)品

• 基于JDBC規(guī)范，沒有server，以client-jar的形式存在

TDDL是一套分布式數(shù)據(jù)訪問引擎，主要解決三個問題：

1. 數(shù)據(jù)訪問路由，將數(shù)據(jù)的讀寫請求發(fā)送到最合適的地方；
2. 數(shù)據(jù)的多向非對稱復制，一次寫入，多點讀?。?
3. 數(shù)據(jù)存儲的自由擴展，不再受限于單臺機器的容量瓶頸與速度瓶頸，平滑遷移。它遵守JDBC規(guī)范，支持mysql和oracle，具有分庫分表、主備切換、讀寫分離、動態(tài)數(shù)據(jù)源配置等功能。

三層架構(gòu)（可獨立使用）：

• Matrix（TDataSource）實現(xiàn)分庫分表邏輯，持有多個Group實例；
• Group（TGroupDataSource）實現(xiàn)數(shù)據(jù)庫的主備切換，讀寫分離邏輯，持有多個Atom實例；
• Atom（TAtomDataSource）實現(xiàn)數(shù)據(jù)庫ip，port，password，connectionProperties等信息的動態(tài)推送，持有原子的數(shù)據(jù)源（分離的Jboss數(shù)據(jù)源）。

其它結(jié)構(gòu)

• tddl-client：應用啟動時初始化配置信息(規(guī)則信息，各層數(shù)據(jù)源拓撲結(jié)構(gòu)，初始化是自上而下的Matrix的dsMap，Group的GroupDs，AtomDs),runtime
• tddl-rule：分庫分表規(guī)則解析
• tddl-sequence：統(tǒng)一管理和分配全局唯一sequence(序列號)
• tddl-druid-datasource：數(shù)據(jù)庫連接池（高效，可擴展性好），類dbcp、c3p0

二，TDDL不支持什么SQL

• 不支持各類join

• 不支持多表查詢

• 不支持between/and

• 不支持not（除了支持not like）

• 不支持comment，即注釋

• 不支持for update

• 不支持group by中having后面出現(xiàn)集函數(shù)

• 不支持force index

• 不支持mysql獨有的大部分函數(shù)

畫外音：分布式數(shù)據(jù)庫中間件，join都是很難支持的，cobar號稱的對join的支持即有限，又低效。 

三，TDDL支持什么SQL

• 支持CURD基本語法

• 支持as

• 支持表名限定，即"table_name.column"

• 支持like/not like

• 支持limit，即mysql的分頁語法

• 支持in

• 支持嵌套查詢，由于不支持多表，只支持單表的嵌套查詢

畫外音：分布式數(shù)據(jù)庫中間件，支持的語法都很有限，但對于與聯(lián)網(wǎng)的大數(shù)據(jù)/高并發(fā)應用，足夠了，服務層應該做更多的事情。

四，TDDL其他特性

• 支持oracle和mysql

• 支持主備動態(tài)切換

• 支持帶權重的讀寫分離

• 支持分庫分表

• 支持主鍵生成：oracle用sequence來生成，mysql則需要建立一個用于生成id的表

• 支持單庫事務，不支持跨庫事務

• 支持多庫多表分頁查詢，但會隨著翻頁，性能降低

畫外音：可以看到，其實TDDL很多東西都不支持，那么為什么它還如此流行呢？它解決的根本痛點是“分布式”“分庫分表”等。

加入了解決“分布式”“分庫分表”的中間件后，SQL功能必然受限，但是，我們應該考慮到：MYSQL的CPU和MEM都是非常珍貴的，我們應該將MYSQL從復雜的計算（事務，JOIN，自查詢，存儲過程，視圖，用戶自定義函數(shù)，，，）中釋放解脫出來，將這些計算遷移到服務層。

當然，有些后臺系統(tǒng)或者支撐系統(tǒng)，數(shù)據(jù)量小或者請求量小，沒有“分布式”的需求，為了簡化業(yè)務邏輯，寫了一些復雜的SQL語句，利用了MYSQL的功能，這類系統(tǒng)并不是分布式數(shù)據(jù)庫中間件的潛在用戶，也不可能強行讓這些系統(tǒng)放棄便利，使用中間件。

五，TDDL層次結(jié)構(gòu)

TDDL是一個客戶端jar，它的結(jié)構(gòu)分為三層：

matrix層

• 核心是規(guī)則引擎

• 實現(xiàn)分庫分表

• 主要路徑：sql解析 => 規(guī)則引擎計算（路由） => 執(zhí)行 => 合并結(jié)果

group層

• 讀寫分離

• 權重計算

• 寫HA切換

• 讀HA切換

• 動態(tài)新增slave（atom）節(jié)點

atom層

• 單個數(shù)據(jù)庫的抽象；

• ip /port /user /passwd /connection 動態(tài)修改，動態(tài)化jboss數(shù)據(jù)源

• thread count（線程計數(shù)）：try catch模式，保護業(yè)務處理線程

• 動態(tài)阻止某些sql的執(zhí)行

• 執(zhí)行次數(shù)的統(tǒng)計和限制

整個SQL執(zhí)行過程

六，TDDL最佳實踐

• 盡可能使用1對多規(guī)則中的1進行數(shù)據(jù)切分（patition key），例如“用戶”就是一個簡單好用的緯度

• 買家賣家的多對多問題，使用數(shù)據(jù)增量復制的方式冗余數(shù)據(jù)，進行查詢

• 利用表結(jié)構(gòu)的冗余，減少走網(wǎng)絡的次數(shù)，買家賣家都存儲全部的數(shù)據(jù)

畫外音：這里我展開一下這個使用場景。

以電商的買家賣家為例，業(yè)務方既有基于買家的查詢需求，又有基于賣家的查詢需求，但通常只能以一個緯度進行數(shù)據(jù)的分庫（patition），假設以買家分庫， 那賣家的查詢需求如何實現(xiàn)呢？

如上圖所示：查詢買家所有買到的訂單及商品可以直接定位到某一個分庫，但要查詢賣家所有賣出的商品，業(yè)務方就必須遍歷所有的買家?guī)?，然后對結(jié)果集進行合并，才能滿足需求。

所謂的“數(shù)據(jù)增量復制”“表結(jié)構(gòu)冗余”“減少網(wǎng)絡次數(shù)”，是指所有的數(shù)據(jù)以買家賣家兩個緯度冗余存儲兩份，如下圖：

采用一個異步的消息隊列機制，將數(shù)據(jù)以另一個緯度增量復制一份，在查詢的時候，可以直接以賣家直接定位到相應的分庫。

這種方式有潛在的數(shù)據(jù)不一致問題。

繼續(xù)tddl最佳實踐：

• 利用單機資源：單機事務，單機join

• 存儲模型盡量做到以下幾點：

  - 盡可能走內(nèi)存

  - 盡可能將業(yè)務要查詢的數(shù)據(jù)物理上放在一起

  - 通過數(shù)據(jù)冗余，減少網(wǎng)絡次數(shù)

  - 合理并行，提升響應時間

  - 讀瓶頸通過增加slave（atom）解決

  - 寫瓶頸通過切分+路由解決

畫外音：相比數(shù)據(jù)庫中間件內(nèi)核，最佳實踐與存儲模型，對我們有更大的借鑒意義。 

七、TDDL的未來？

• kv是一切數(shù)據(jù)存取最基本的組成部分

• 存儲節(jié)點少做一點，業(yè)務代碼就要多做一點

• 想提升查詢速度，只有冗余數(shù)據(jù)一條路可走

• 類結(jié)構(gòu)化查詢語言，對查詢來說非常方便

畫外音：潛臺詞是，在大數(shù)據(jù)量高并發(fā)下，SQL不是大勢所趨，no-sql和定制化的協(xié)議+存儲才是未來方向？

分布式數(shù)據(jù)中間件TDDL、Amoeba、Cobar、MyCAT架構(gòu)比較