這個報告主體上分為5個章節，分別是：

背景介紹。

HTAP Databases：分享最新的 HTAP 數據庫技術，總結它們主要的應用場景與優缺點，并根據存儲架構對它們進行分類。

HTAP Tecniques：介紹主流的 HTAP 數據庫關鍵技術，包括事務處理技術、查詢分析技術、數據組織技術、數據同步技術、查詢優化技術以及資源調度技術等。

HTAP Benchmarks：介紹目前現有的主流 HTAP 基準測試。

Challenges and Open Problems：討論 HTAP 技術未來的研究方向與挑戰。

本文僅作精選分享，會省略一些非必要內容，如想了解更多，請閱讀原報告。

背景介紹

1Motivation

開頭還是一個老生常談的 HTAP 起源動機問題，這個其實大家看過我們之前的文章《什么是真正的HTAP？背景篇》，也就很清楚了：HTAP（Hybrid Transactional/Analytical Processing）的概念和定義是 Gartner 在 2014 年第一次給出的，注意，這里特別提到了in-memory技術，在其定義中，HTAP 是通過內存計算技術在同一份內存數據上同時支持事務和分析的處理。

Motivation

如上圖所示，左邊是傳統架構，要做OLAP必須先得把OLTP的數據通過ETL導過去，很麻煩，復雜度高、延遲高、運維難度大，總之一系列水深問題，一般人把握不住。

但是右邊的HTAP架構就很酷了，我一個數據庫采用行列共存的方式，同時進行事務和分析的處理，So easy，老板再也不用擔心我做個BI報表需要“T+1”甚至“T+N”了，數據一進來就能做到實時地分析，沒錯，這就是我們常說的 Real-Time。

Gartner envisioned that, HTAP techniques willbe widely adopted in the business applicationswith real-time data analytics by 2024.

Gartner 預計 HTAP 這個技術將會在 2024 年被需要實時分析的商業應用廣泛采用，因為它在很多行業都有應用場景，包括電商、財務、銀行和風控等等。這里舉兩個栗子：

在購物節這種高并發的情形下，如果電商賣家能夠實時地分析用戶行為數據，并根據分析結果針對性地投放品類廣告，這無疑會給賣家帶來更多的收益。

銀行在線上處理用戶事務時還能實時地分析數據，從而檢測判斷該用戶及其行為是否異常或者存在風險，這會讓風控系統更加智能化。

實現上述的應用，HTAP 技術就是不可或缺的基礎設施底座。

可以看到，過去10年里，HTAP數據庫不斷涌現，本篇報告作者這里根據 HTAP 數據庫發展時間線梳理成三個階段：

第一階段（2010-2014）：HTAP 數據庫主要是采用主列存（primary column store）的方式。如SAP HANA、HyPer、DB2和BLU等。

第二階段（2014-2020）：HTAP 數據庫主要是擴展了以前主行存的技術，在行存上加上了列存。如SQL Server，Oracle和L-store等。

第三階段（2020-present）：HTAP 數據庫主要是開啟了分布式的架構實現，滿足高并發的請求。如SingleStore、MySQL Heatwave和Greenplum等。

PS：StoneDB 屬于第三階段，是具有分布式架構、內存計算和行列混存的HTAP數據庫。

在數據庫領域，有兩個公認的經驗法則：

行存（Row Store）：比較適合OLTP。

Row-wise，update-heavy（重更新），short-lived transactions（短時延事務）

列存（Column Store）：比較適合OLAP。

column-wise，read-heavy，bandwidth-intensive queries（帶寬敏感查詢）

在本篇報告主要研究采用行列共存的HTAP數據庫。

2A trade-off for HTAP databases

HTAP 數據庫也有需要解決的問題，正所謂魚和熊掌不可兼得，很多時候我們需要找到一個權衡點，既然是權衡，就有天平的兩端，在HTAP數據庫領域里，主要討論的是工作負載隔離（Workload isolation） 和 數據新鮮度（Data freshness） 這兩個重要特性的權衡。

工作負載隔離，就是指OLTP和OLAP之間的負載隔離程度；數據新鮮度，就是指OLAP到底能讀到多新的事務性數據。

從現有的觀測數據來看：

高的工作負載隔離會導致較低的數據新鮮度

低的工作負載隔離會獲得較高的數據新鮮度

Trade-off for workload isolation and data freshness
這里關于Trade-off的相關思考我們之前在對外的分享會上也屢次提及，感興趣的同學可以前往B站觀看我們最近一期的線上Meetup視頻：

視頻地址：https://m.bilibili.com/video/BV1jB4y1577G

3Challenges for HTAP databases

作者這里提出了HTAP數據庫面臨的四大挑戰，這里也和我們的第二篇文章《什么是真正的HTAP？挑戰篇》里的觀點不謀而合，可以說完全在我們提出的8點挑戰范圍之內：

挑戰一：數據組織（Data Organization）

挑戰二：數據同步（Data Synchronization）

挑戰三：查詢優化（Query Optimization）

挑戰四：資源調度（Resource Scheduling）

Challenges for HTAP databases

HTAP 數據庫

這一章節主要調研現有 HTAP 數據庫的主要架構，作者這里分成了四大架構：

主行存儲+內存中列存儲（Primary Row Store + InMemory Column Store）

分布式行存儲+列存儲副本（Distributed Row Store + Column Store Replica）

磁盤行存儲+分布式列存儲（Disk Row Store + Distributed Column Store）

主列存儲+增量行存儲（Primary Column Store + Delta Row Store）

1主行存儲+內存中列存儲

主行存儲+內存中列存儲

這類 HTAP 數據庫利用主行存儲作為 OLTP 工作負載的基礎，并使用內存列存儲處理 OLAP 工作負載。所有數據都保存在主行存儲中。行存儲也是內存優化的，因此可以有效地處理數據更新。更新也會附加到增量存儲中，增量存儲將合并到列存儲中。例如，Oracle 內存雙格式數據庫結合了基于行的緩沖區和基于列的內存壓縮單元 (IMCU) 來一起處理 OLTP 和 OLAP 工作負載。文件和更改緩存在快照元數據單元 (SMU) 中。另一個例子是 SQL Server，它在 Hekaton 行引擎中的內存表上開發了列存儲索引 (CSI)，以實現實時分析處理。這種類型的 HTAP 數據庫具有高吞吐量，因為所有工作負載都在內存中處理。

優勢：

TP 吞吐量高

AP 吞吐量高

數據新鮮度高

劣勢：

AP 擴展能力低

負載隔離性低

應用：

高吞吐、低擴展（比如需要實時分析的銀行系統）

案例研究1：Oracle Dual-Format

Lahiri, Tirthankar, et al. "Oracle database in-memory: A dual format in-memorydatabase." In ICDE, 2015.

SIMD：單指令多數據

Max-Min Zone Map

Vector Group By：向量化

案例研究2：SQL Server

Larson, Per-?ke, et al. "Real-time analytical processing withSQL server.” PVLDB 8(12), 2015: 1740-1751.

Persistent Column Store：持久化列存

Updatable：可更新

總結

架構(a)的兩個HTAP數據庫對比

2分布式行存儲+列存儲副本

分布式行存儲+列存儲副本

此類別依賴于分布式架構來支持 HTAP。主節點在處理事務請求時將日志異步復制到從節點。主存儲為行存儲，選擇一些從節點作為列存儲服務器進行查詢加速。事務以分布式方式處理以實現高可擴展性；復雜查詢在具有列存儲的服務器節點中執行。

優勢：

負載隔離性高

擴展性高

劣勢：

數據新鮮度低

應用：

對TP和AP擴展性要求比較高，同時能夠容忍相對較低的數據新鮮度（比如需要實時分析的大規模電商系統）

案例研究：F1 Lightning

Yang, Jiacheng, et al. "F1 Lightning: HTAP as a Service." PVLDB 13(12), 2020: 3313-3325.

總結

架構(b)的兩個HTAP數據庫對比

3磁盤行存儲+分布式列存儲

磁盤行存儲 + 分布式列存儲

這種數據庫利用基于磁盤的 RDBMS 和分布式內存列存儲 (IMCS) 來支持 HTAP。RDBMS 保留了 OLTP 工作負載的全部容量，并且深度集成了 IMCS 集群以加速查詢處理。列數據從行存儲中提取，熱數據駐留在 IMCS 中，冷數據將被驅逐到磁盤。例如，MySQL Heatwave將 MySQL 數據庫與稱為 Heatwave 的分布式 IMCS 集群相結合，以實現實時分析。事務在 MySQL 數據庫中完全執行。經常訪問的列將被加載到 Heatwave。當復雜查詢進來時，可以下推到IMCS引擎進行查詢加速。

優勢：

負載隔離性高

AP吞吐量和擴展性高

劣勢：

數據新鮮度不高

Medium（On-premise）：部署在本地，在不同機器上會有數據新鮮度的犧牲

Low（Cloud-based）：部署在云端，網絡延遲會影響數據新鮮度

應用：

對AP擴展性要求比較高，同時能夠容忍相對較低的數據新鮮度（比如需要實時分析的IoT應用）

案例研究1：MySQL Heatwave

MySQL Heatwave. Real-time Analytics for MySQL Database Service, August 2021, Version 3.0

Auto-pilot service：自動調優（一些云服務，可以在系統中自動幫客戶實現數據分區、查詢優化和資源調度等等）

Auto-Sunc：自動同步（可實現定時定量同步數據）

案例研究2：Oracle RAC

Lahiri, Tirthankar, et al. "Oracle database in-memory: A dual format in-memorydatabase." In ICDE, 2015.

Auto-Sunc：自動同步（基于閾值的方式）

總結

架構(c)的兩個HTAP數據庫對比

4主列存儲+增量行存儲

主列存儲+增量行存儲

此類數據庫利用主列存儲作為 OLAP 的基礎，并使用增量行存儲處理 OLTP。內存中的 delta-main HTAP 數據庫將整個數據存儲在主列存儲中。數據更新附加到基于行的增量存儲。OLAP 性能很高，因為列存儲是高度讀取優化的。但是，由于 OLTP 工作負載只有一個增量行存儲，因此 OLTP 的可伸縮性很低。一個代表是 SAPHANA 。它將內存中的數據存儲分為三層：L1-delta、L2-delta 和 Main。L1-delta以逐行格式保持數據更新。當達到閾值時，將 L1-delta 中的數據附加到 L2-delta。L2-delta 將數據轉換為列數據，然后將數據合并到主列存儲中。最后，將列數據持久化到磁盤存儲。

優勢：

數據新鮮度高

AP吞吐量高

劣勢：

TP可擴展性不高

負載隔離性不高

應用：

高AP吞吐量、高數據新鮮度（比如需要實時分析的風控系統）

案例1：SAP HANA

Sikka, Vishal, et al. "Efficient transaction processing in SAP HANA database: the end of a column store myth.” In SIGMOD. 2012.

案例2：Hyper（Column）

Neumann, Thomas, Tobias Mühlbauer, and Alfons Kemper. "Fast serializable multi-version concurrencycontrol for main-memory database systems." In SIGMOD ,2015.

總結

架構(d)的兩個HTAP數據庫對比

5四種架構HTAP數據庫的對比

HTAP 相關技術

HTAP的相關技術包括（1）事務處理；(2)分析處理；(3) 數據同步；(4) 查詢優化；(5)資源調度。這些關鍵技術被最先進的 HTAP 數據庫采用。然而，它們在各種指標上各有利弊，例如效率、可擴展性和新鮮度等等。