一：架构介绍

　　从宏观上看，云溪数据库由两部分组成：上层的SQL引擎和下层的作为一个整体的分布式KV数据库。任何针对于数据库的SQL操作，经过SQL引擎的解析之后，都会把它们分解成一组组的kv操作，比如“select * from t”会被分解成scan操作，”update t set a = 1”会被分解成scan和put（conditionalPut）操作......事务主要是在下层的KV数据库对kv操作进行调度，以完成对更底层的存储引擎的并发读写。

　　二：Percolar事务模型介绍

　　云溪数据库的事务模型是从Percolator发展而来。Percolator是构建在BigTable之上的，通过提供一个TSO中央授时服务和一个client lib来封装BigTable的接口，最终将BigTable改造成了一个带有ACID快照隔离语义的支持跨行、跨表事务的分布式多维map。

　　Percolator的特点是没有集中式的事务处理措施，比如中心事务管理器、全局死锁探测器......事务产生的锁也是和数据关联在一起分布式存储的。就事务的角度而言，全局的唯一单点就是TSO。因此Percolator模型具有良好的水平扩展能力。但是也正式这种无中心的实现方式，导致各种冲突处理都需要通过必要的网络交互来实现，所以事务的延迟相对较高。如果照搬这种实现方式，是无法满足OLTP数据库对于高性能的事务处理的要求的。

　　三：云溪数据库事务模型介绍

　　云溪数据库事务模型是从Percolator发展而来的。一方面，它进一步实现了去中心化，通过使用HLC代替TSO，消除了最后一个单点，是系统的水平扩展能力进一步提高；另一方面，它也做了许多努力来减小Percolator模型事务延迟较高的弊端，比如具体的优化有异步释放锁 、 并行提交 、事务流水线、一阶段提交......

　　1 标准时间戳排序协议

　　云溪数据库通过MVCC+实现戳排序协议实现了SSI的事务隔离级别，下面简单介绍一下时间戳排序协议。

　　在标准时间戳排序协议中，每个事务都有一个唯一固定的时间戳，在事务开始时获取，读、写、提交都在该时间戳上进行。每个数据项保持两个时间戳，W-timestam表示成功执Write(Q)的所有事务的最大时间戳；R-timestamp表示成功执Read(Q)的所有事务的最大时间戳。

　　1：假设事务Ti发出read(Q)。

　　a. 若TS（Ti）< W-timestamp(Q)，则Ti需要读入的Q值已经被覆盖。因此read操作被拒绝，Ti回滚。

　　b. 若TS（Ti）>= W-timestamp(Q)，则执行read操作，R-timestamp（Q）被设置为R-timestamp（Q）于TS（Ti）两者的最大值。

　　2：假设事务Ti发出write（Q）

　　a. 若TS（Ti）< R-timestamp(Q)，则Ti产生的Q值是先前面所需要的值，且系统已经假定该值不会再产生因此，write操作被拒绝，Ti回滚。

　　b. 若TS（Ti）< W-timestamp（Q），则Ti试图写入的Q值已经过时。因此，write操作被拒绝，Ti回滚。

　　c. 其他情况，系统执行write操作，将W-timestamp（Q）设置为TS（Ti）。

　　2标准时间戳排序协议的缺陷

　　标准时间戳排序协议是一个无锁（free lock）的并发控制协议，读写操作都不需要加锁，这虽然能获得高性能，单却存在级联回滚问题和不可恢复调度。

　　不可恢复调度问题：当txn1回滚时，txn2本来也应该回滚，因为它读的A是txn1写入的。但是由于txn2已经提交，所以没有办回滚，导致数据的一致性被破坏。

　　级联回滚问题：txn2依赖txn1，txn3依赖txn2，可能会有txn4依赖txn3……当txn1回滚时，会造成大面积的事务回滚。

　　为了避免上面这两个问题，云溪数据库会对写入的未提交数据加排他锁，这样在类似上面的场景中，txn2和txn3在读A时会被阻塞，直到txn1提交才回放行。这样就不会产生级联问题和不可恢复调度问题。

　　3 云溪数据库对标准时间戳排序协议的优化

　　时间戳排序协议是一个比较乐观的协议，它假设冲突很少发生，因此在事务开启的时候就确定事务也可以在这个时间戳提交，时间戳排序的冲突处理规则就是建立在这个前提之上的，任何出现违反了这个规则的情况都会导致事务回滚。因此在高并发高冲突的场景中，时间戳排序协议的事务回滚率和回滚代价都是比较高的。为了降低回滚率，云溪数据库引入了时间戳forward(push)机制，规则如下：一个事务维护两个时间戳，readTS和writeTS。事务在readTS上执行所有读取操作，以获取一直性快照；所有的写操作在writeTS发生，当遇到RW冲突时，W事务的writeTS forward到冲突时间戳的ts.next，然后继续执行，在必要时刻或者最终提交时进行检查尝试将readTS refresh到writeTS，如果成功，则事务提交，否则事务回滚。

　　在这个机制之下，当遇到上图的场景时，由于txn1在commit时能把它的readTS refresh到writeTS，所以txn1还是可以提交。但是在标准的时间戳排序协议中，由于txn1 write(B)时发现B的R-Timestamp大于自己的ts，所以事务txn1需要回滚。

　　4 云溪数据库事务模型总结

• 没有单点和集中式处理，扩展性好

• 由于同步点机制，任何冲突都需要访问同步点来确认冲突的最终结果，网络交互多

• 锁和数据一起存储，每个写操作都会给存储引擎产生两三倍的写入压力，冲突处理流程曲折

• HLC的时钟偏移太大，在某些场景下对同一数据的W、R容易导致重试

• 时间戳排序并发控制协议比较乐观、导致事务容易重试和回滚，且代价较大