GreatSQL 构建高效 HTAP 服务架构指南（主从复制）

引言

全文约定：$为命令提示符、greatsql>为 GreatSQL 数据库提示符。在后续阅读中，依据此约定进行理解与操作

Rapid 引擎

从 GreatSQL 8.0.32-25 版本开始，新增Rapid存储引擎，该引擎使得 GreatSQL 能满足联机分析（OLAP）查询请求。

GreatSQL Rapid引擎性能表现优异，在32C64G测试机环境下，TPC-H 100G测试中22条SQL总耗时仅需不到80秒

Rapid 引擎更多介绍可前往查看：

• GreatSQL Rapid引擎正式上线！
• GreatSQL 官网：https://greatsql.cn/docs/8.0.32-25/5-enhance/5-1-highperf-rapid-engine.html

有了 Rapid 引擎的加持，便可使用 GreatSQL 构建一个高效的 HTAP 服务架构，以此来提升 GreatSQL 的查询效率。

服务架构图

本服务架构采用的是 GreatSQL 主从复制，主节点采用默认 InnoDB 引擎，从节点使用辅助引擎 Rapid 加速查询构建专属 HTAP 只读节点。加上 MySQL Router 等之类的代理/中间件负责读写分离来完成 HTAP 服务架构。

采用此 HTAP 架构可获得以下收益

• 高查询效率 ：
  • Rapid 引擎的引入使得从节点能够加速查询处理，特别适用于 OLAP（联机分析处理）场景。
• 高负载均衡 ：
  • 利用代理/中间件实现读写分离，确保主节点（写操作）和从节点（读操作）负载均衡。
• 高并发性能 ：
  • 主节点上采用 InnoDB 响应高并发事务请求，确保业务需求写入性能。
• 高灵活和扩展 ：
  • GreatSQL 的可插拔存储引擎架构使得系统可以根据需要选择适合的存储引擎。Rapid 引擎作为辅助引擎，可以动态安装或卸载，为用户提供了极大的灵活性和可扩展性。

部署主从复制

环境准备及版本介绍

服务器配置

$ uname -a Linux gip 3.10.0-957.el7.x86_64 #1 SMP Thu Nov 8 23:39:32 UTC 2018 x86_64 x86_64 x86_64 GNU/Linux $ cat /etc/centos-release CentOS Linux release 7.6.1810 (Core) 

主从库与中间件配置

| IP | 角色 | 版本 | 备注 | | ------------------ | ------------- | ------------------ | ------------------------------- | | 192.168.6.215:3306 | GreatSQL 主库 | GreatSQL 8.0.32-25 | | | 192.168.6.214:3306 | GreatSQL 从库 | GreatSQL 8.0.32-25 | 专属 HTAP 只读节点 | | 192.168.6.215:3306 | MySQL Router | 8.4.0 TLS | 代理/中间件。可根据需求灵活替换 |

安装 GreatSQL

GreatSQL 安装版本为 8.0.32-25 版本，并分别安装两个实例 GreatSQL

安装步骤详见：https://greatsql.cn/docs/8.0.32-25/4-install-guide/0-install-guide.html

部署主从复制

主节点建立账户并授权

# 建立复制账户 greatsql> ALTER USER 'slave'@'%' IDENTIFIED WITH mysql_native_password BY 'GreatSQL@2024'; Query OK, 0 rows affected (0.01 sec) # 授权 greatsql> GRANT REPLICATION SLAVE ON *.* TO 'slave'@'%'; greatsql> FLUSH PRIVILEGES; 

然后查看主节点状态，记录二进制文件名 binlog.000002 和位置 2027

greatsql> SHOW MASTER STATUS\G *************************** 1. row *************************** File: binlog.000002 Position: 2027 Binlog_Do_DB: Binlog_Ignore_DB: Executed_Gtid_Set: e766387a-2d3f-11ef-8435-00163e8e122e:1-8 1 row in set (0.00 sec) 

从节点服务器配置，并开启从服务器复制

greatsql> CHANGE MASTER TO master_host='192.168.6.215',master_port=3306,master_user='slave',master_password='GreatSQL@2024',master_log_file='binlog.000002',master_log_pos=2027; greatsql> START REPLICA 

检查主从复制情况

greatsql> SHOW REPLICA STATUS\G *************************** 1. row *************************** Replica_IO_State: Waiting for source to send event Source_Host: 192.168.6.215 Source_User: slave Source_Port: 3306 Connect_Retry: 60 Source_Log_File: binlog.000002 Read_Source_Log_Pos: 2027 Relay_Log_File: gip-relay-bin.000002 Relay_Log_Pos: 323 Relay_Source_Log_File: binlog.000002 Replica_IO_Running: Yes # 为 Yes 即表示构建成功 Replica_SQL_Running: Yes # 为 Yes 即表示构建成功 

生成测试数据

主库写入数据

往主库生成数据

-- 创建测试数据库 CREATE DATABASE IF NOT EXISTS htap_test_db; USE htap_test_db; -- 创建接近生产环境的表 CREATE TABLE `orders` ( `order_id` int NOT NULL AUTO_INCREMENT, `customer_id` int NOT NULL, `product_id` int NOT NULL, `order_date` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP, `order_status` char(10) NOT NULL DEFAULT 'pending', `quantity` int NOT NULL, `order_amount` decimal(10,2) NOT NULL, `shipping_address` varchar(255) NOT NULL, `billing_address` varchar(255) NOT NULL, `order_notes` varchar(255) DEFAULT NULL, PRIMARY KEY (`order_id`), KEY `idx_customer_id` (`customer_id`), KEY `idx_product_id` (`product_id`), KEY `idx_order_date` (`order_date`), KEY `idx_order_status` (`order_status`) ) ENGINE=InnoDB AUTO_INCREMENT=100001 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci 

往该表插入十万行数据

# 主库 greatsql> SELECT COUNT(*) FROM htap_test_db.orders; +----------+ | COUNT(*) | +----------+ | 100000 | +----------+ 1 row in set (0.01 sec) 

从库此时也会复制主库的十万行数据

# 从库 greatsql> SELECT COUNT(*) FROM htap_test_db.orders; +----------+ | COUNT(*) | +----------+ | 100000 | +----------+ 1 row in set (0.01 sec) 

如果在主库或从库进行一个复杂 SQL 查询，需要用时 4~5 秒左右

SELECT order_id,customer_id,product_id,order_date,order_status, quantity,order_amount,shipping_address,billing_address, order_notes, SUM( order_amount ) OVER ( PARTITION BY customer_id ) AS total_spent_by_customer, COUNT( order_id ) OVER ( PARTITION BY customer_id ) AS total_orders_by_customer, AVG( order_amount ) OVER ( PARTITION BY customer_id ) AS average_order_amount_per_customer FROM orders WHERE order_status IN ( 'completed', 'shipped', 'cancelled' ) AND quantity > 1 ORDER BY order_date DESC, order_amount DESC LIMIT 100; 

在从库运行三次结果平均值为 4.91 秒

# 第一次 100 rows in set (4.99 sec) # 第二次 100 rows in set (4.59 sec) # 第三次 100 rows in set (5.15 sec) 

构建专属 HTAP 只读节点

以下所有操作都在 GreatSQL 从库中进行

使用 Rapid 引擎

进入 GreatSQL 从库，加载 Rapid 引擎

greatsql> INSTALL PLUGIN Rapid SONAME 'ha_rapid.so'; 

为 orders 表加上 Rapid 辅助引擎

greatsql> ALTER TABLE htap_test_db.orders SECONDARY_ENGINE = rapid; 

将表中数据一次性全量导入到 Rapid 引擎中

greatsql> ALTER TABLE htap_test_db.orders SECONDARY_LOAD; Query OK, 0 rows affected (1.72 sec) 

检查导入情况，注意关键词 SECONDARY_ENGINE="rapid" SECONDARY_LOAD="1"

greatsql> SHOW TABLE STATUS like 'orders'\G *************************** 1. row *************************** Name: orders Engine: InnoDB Version: 10 Row_format: Dynamic Rows: 99381 Avg_row_length: 142 Data_length: 14172160 Max_data_length: 0 Index_length: 9502720 Data_free: 3145728 Auto_increment: 100001 Create_time: 2024-06-19 11:11:27 Update_time: NULL Check_time: NULL Collation: utf8mb4_0900_ai_ci Checksum: NULL Create_options: SECONDARY_ENGINE="rapid" SECONDARY_LOAD="1" Comment: 1 row in set (0.00 sec) 

打开 Rapid 引擎的总控制开关，并把启用阈值调小

greatsql> SET GLOBAL use_secondary_engine = ON; greatsql> SET GLOBAL secondary_engine_cost_threshold = 0; 

secondary_engine_cost_threshold 的值可根据实际情况设置

查看该 SQL 的执行计划，注意关键词 Using secondary engine RAPID 表示使用了 Rapid 引擎

greatsql> EXPLAIN SELECT ... 省略 ... ORDER BY order_date DESC,order_amount DESC LIMIT 100; *************************** 1. row *************************** id: 1 select_type: SIMPLE table: orders partitions: NULL type: ALL possible_keys: NULL key: NULL key_len: NULL ref: NULL rows: 99381 filtered: 33.33 Extra: Using where; Using filesort; Using secondary engine RAPID 1 row in set, 2 warnings (0.00 sec) 

执行三次结果平均值为 0.12 秒，比之前提升近 41 倍！

# 第一次 100 rows in set (0.17 sec) # 第二次 100 rows in set (0.10 sec) # 第三次 100 rows in set (0.10 sec) 

启动增量导入任务

因为在生产环境中数据是无时不刻在产生，所以需要启用增量导入，才可保证最新数据始终在 Rapid 引擎内

启动增量导入任务

greatsql> SELECT START_SECONDARY_ENGINE_INCREMENT_LOAD_TASK('htap_test_db', 'orders'); +----------------------------------------------------------------------+ | START_SECONDARY_ENGINE_INCREMENT_LOAD_TASK('htap_test_db', 'orders') | +----------------------------------------------------------------------+ | success | +----------------------------------------------------------------------+ 

查看增量导入任务状态

greatsql> SELECT * FROM information_schema.SECONDARY_ENGINE_INCREMENT_LOAD_TASK\G *************************** 1. row *************************** DB_NAME: htap_test_db TABLE_NAME: orders START_TIME: 2024-06-19 14:13:53 START_GTID: e766387a-2d3f-11ef-8435-00163e8e122e:9-100010:100012, f4248873-2d46-11ef-90f8-00163e832e1f:1-8 COMMITTED_GTID_SET: e766387a-2d3f-11ef-8435-00163e8e122e:9-100010:100012, f4248873-2d46-11ef-90f8-00163e832e1f:1-8 READ_GTID: READ_BINLOG_FILE: /data/GreatSQL/binlog.000003 READ_BINLOG_POS: 1906 DELAY: 0 STATUS: RUNNING END_TIME: INFO: 

在给主库插入 1 万条数据，确认主从复制和 Rapid 引擎的增量导入没有问题，产生的新数据也可以使用 Rapid 引擎加速查询。

请注意，Rapid 引擎在增量导入数据时可能存在短暂延迟。大量 Insert、Delete 数据，可能无法立即通过 Rapid 引擎查询到这些最新变动的数据。等增量任务导入完成后 Rapid 引擎才能查询到最新变动的数据。

# 从机查看数据是 110000 条和主库一致 greatsql> SELECT COUNT(*) FROM htap_test_db.orders; +----------+ | COUNT(*) | +----------+ | 110000 | +----------+ 1 row in set (0.01 sec) 

此处启用了 Rapid 引擎所以COUNT(*)速度会很快，若没启用 Rapid 引擎则可能耗时较长

查看执行计划，从 rows 列可以看到，扫描的行数增加了，表示新数据已经增量导入到 Rapid 引擎中

greatsql> EXPLAIN SELECT ... 省略 ... ORDER BY order_date DESC,order_amount DESC LIMIT 100; *************************** 1. row *************************** id: 1 select_type: SIMPLE table: orders partitions: NULL type: ALL possible_keys: NULL key: NULL key_len: NULL ref: NULL rows: 109381 # 扫描的行数也增加了 filtered: 33.33 Extra: Using where; Using filesort; Using secondary engine RAPID 

至此，主从复制和构建 HTAP 专属只读节点完成，接下来是实现读写分离，当然一主一从的情况下是不太需要读写分离中间件的，要中间件的情况是怕 HTAP 专属服务器宕机，这时候主节点就要负责读写了。

实现读写分离

这里使用的是 MySQL Router 中间件实现的读写分离，如果有其它读写分离中间件，例如 MySQL Proxy 等也可以替换。

安装 MySQL Router

下载过程省略，可自行到 MySQL 网站上下载

这里选择的是最新的长期支持版 MySQL Router 8.4.0 版本

解压安装包，并进入 MySQL Router 的 bin 目录

$ tar -xvJf mysql-router-8.4.0-linux-glibc2.17-x86_64.tar.xz 

把 MySQL Router 配置模板拷贝出来放到 /etc/mysqlrouter 目录下，并改名为 mysqlrouter.conf

$ cp /usr/local/mysql-router-8.4.0-linux-glibc2.17-x86_64/share/doc/mysqlrouter/sample_mysqlrouter.conf /etc $ mv /etc/sample_mysqlrouter.conf /etc/mysqlrouter.conf 

修改 MySQL Router 配置文件

$ vim /etc/mysqlrouter.conf [DEFAULT] logging_folder = /usr/local/mysql-router-8.4.0-linux-glibc2.17-x86_64/log/mysql-router plugin_folder = /usr/local/mysql-router-8.4.0-linux-glibc2.17-x86_64/lib/mysqlrouter/ runtime_folder = /var/run config_folder = /etc/ [logger] level = debug # 主节点故障转移配置 [routing:basic_failover] # 写节点地址 bind_address=192.168.6.215 # 写节点端口 bind_port = 7001 # 模式，读写 mode = read-write destinations = 192.168.6.215:3306 routing_strategy=first-available # 从节点负载均衡配置 [routing:balancing] # 绑定的IP地址 bind_address=192.168.6.215 # 监听的端口 bind_port = 7002 # 连接超时时间 connect_timeout = 3 # 后端服务器地址 destinations = 192.168.6.214:3306,192.168.6.215:3306 # 模式:读还是写 mode = read-only routing_strategy=first-available [keepalive] interval = 60 

这里从节点负载均衡配置采用first-available，优先使用 HTAP 服务器。若专属 HTAP 服务器宕机，可自动切换使用主节点查询

启动 MySQL Router

$ mysqlrouter --config /etc/mysqlrouter.conf & 

查看监听端口是否启用

$ netstat -ntlp |grep mysqlrouter tcp6 0 0 ::1:7001 :::* LISTEN 14404/./mysqlrouter tcp6 0 0 ::1:7002 :::* LISTEN 14404/./mysqlrouter 

这里演示的是主从复制模式，所以有读写两个端口。在新版本的 MySQL Router 中，在原先的6446、6447端口上，新增一个6450端口，支持读写分离

测试只读端口是否只连接专属 HTAP 节点

$ for ((i=0;i<=3;i++));do mysql -h192.168.6.215 -uroot -p -P7002 -e"select @@server_id;";done; +-------------+ | @@server_id | +-------------+ | 2 | +-------------+ +-------------+ | @@server_id | +-------------+ | 2 | +-------------+ +-------------+ | @@server_id | +-------------+ | 2 | +-------------+ 

自此构建高效 HTAP 服务器架构（主从复制）完成！

---

Enjoy GreatSQL :)

关于 GreatSQL

GreatSQL是适用于金融级应用的国内自主开源数据库，具备高性能、高可靠、高易用性、高安全等多个核心特性，可以作为MySQL或Percona Server的可选替换，用于线上生产环境，且完全免费并兼容MySQL或Percona Server。

相关链接： GreatSQL社区 Gitee GitHub Bilibili

GreatSQL社区：

社区有奖建议反馈： https://greatsql.cn/thread-54-1-1.html

社区博客有奖征稿详情： https://greatsql.cn/thread-100-1-1.html

（对文章有疑问或者有独到见解都可以去社区官网提出或分享哦~）

技术交流群：

微信&QQ群：

QQ群：533341697

微信群：添加GreatSQL社区助手（微信号：wanlidbc ）好友，待社区助手拉您进群。