作者介绍：胡梦宇，知乎数据架构平台开发工程师
背景
Apache Hive 是基于 Apache Hadoop 的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并且提供了 Hive SQL 进行查询和分析，在离线数仓中被广泛使用。
Hive Metastore 是 Hive 的元信息管理工具，它提供了操作元数据的一系列接口，其后端存储一般选用关系型数据库如 Derby、 MySQL 等。现在很多除了 Hive 之外计算框架都支持以 Hive Metastore 为元数据中心来查询底层 Hadoop 生态的数据，比如 Presto、Spark、Flink 等等。
在知乎，我们是将元信息存储在 MySQL 内的，随着业务数据的不断增长，MySQL 内已经出现单表数据量两千多万的情况，当用户的任务出现 Metastore 密集操作的情况时，往往会出现缓慢甚至超时的现象，极大影响了任务的稳定性。长此以往，MySQL 在未来的某一天一定会不堪重负，因此优化 Hive 的元数据库势在必行。
在去年，我们做过数据治理，Hive 表生命周期管理，定期去删除元数据，期望能够减少 MySQL 的数据量，缓解元数据库的压力。但是经过实践，发现该方案有以下缺点：
-
数据的增长远比删除的要快，治标不治本；
-
在删除超大分区表（分区数上百万）的分区时，会对 MySQL 造成一定的压力，只能单线程去做，否则会影响其他正常的 Hive 查询，效率极其低下；
-
在知乎，元信息删除是伴随数据一起删除的（删除 HDFS 过期数据，节约成本），Hive 的用户可能存在建表不规范的情况，将分区路径挂错，导致误删数据。
因此，我们需要寻找新的技术方案来解决这个问题。
技术选型
已有方案
业内目前有两种方案可供借鉴：
-
对 MySQL 进行分库分表处理，将一台 MySQL 的压力分摊到 MySQL 集群；
-
对 Hive Metastore 进行 Federation，采用多套 Hive Metastore + MySQL 的架构，在 Metastore 前方设置代理，按照一定的规则，对请求进行分发。
但是经过调研，我们发现两种方案都有一定的缺陷：
-
对 MySQL 进行分库分表，首先面临的直接问题就是需要修改 Metastore 操作 MySQL 的接口，涉及到大量高风险的改动，后续对 Hive 的升级也会更加复杂；
-
对 Hive Metastore 进行 Federation，尽管不需要对 Metastore 进行任何改动，但是需要额外维护一套路由组件，并且对路由规则的设置需要仔细考虑，切分现有的 MySQL 存储到不同的 MySQL 上，并且可能存在切分不均匀，导致各个子集群的负载不均衡的情况；
-
我们每天都会同步一份 MySQL 的数据到 Hive，用作数据治理，生命周期管理等，同步是利用内部的数据同步平台，如果采用上面两种方案，数据同步平台也需要对同步逻辑做额外的处理。
最终方案
其实问题主要在于，当数据量增加时，MySQL 受限于单机性能，很难有较好的表现，而将单台 MySQL 扩展为集群，复杂度将会呈几何倍上升。如果能够找到一款兼容 MySQL 协议的分布式数据库，就能完美解决这个问题。因此，我们选择了 TiDB。
TiDB 是 PingCAP 开源的分布式 NewSQL 数据库，它支持水平弹性扩展、ACID 事务、标准 SQL、MySQL 语法和 MySQL 协议，具有数据强一致的高可用特性，是一个不仅适合 OLTP 场景还适 OLAP 场景的混合数据库。
选用 TiDB 的理由如下：
-
TiDB 完全兼容 MySQL 的协议，经过测试，TiDB 支持 Hive Metastore 对元数据库的所有增删改查操作， 使用起来不存在兼容性相关的问题。因此，除了将 MySQL 的数据原样 dump 到 TiDB，几乎没有其他工作需要做；
-
TiDB 由于其分布式的架构，在大数据集的表现远远优于 MySQL；
-
TiDB 的可扩展性十分优秀，支持水平弹性扩展，不管是选用分库分表还是 Federation，都可能会再次遇到瓶颈，届时需要二次切分和扩容，TiDB 从根本上解决了这个问题；
-
TiDB 在知乎已经得到了十分广泛的应用，相关技术相对来说比较成熟，因此迁移风险可控。
Hive 架构
迁移前
其中 Zue 是知乎内部使用的可视化查询界面。
迁移后
在 Hive 的元数据库迁移到 TiDB 了以后，架构几乎没有任何变化，只不过查询的压力由单台 MySQL 节点分摊到了整个 TiDB 集群，集群越大，查询效率越高，性能提升越明显。
迁移流程
-
将 TiDB 作为 MySQL 的从库，实时同步数据；
-
Metastore 缩容至 1 个，防止多个 Metastore 分别向 MySQL 及 TiDB 写入，导致元数据不一致；
-
选取业务低峰期，主从切换，将主切为 TiDB，重启 Metastore ；
-
Metastore 扩容。
此迁移过程对业务几乎无感，成功上线。
运行概况
-
我们从 Hive 层面对数据库进行了测试，模拟业务高峰期，多并发对百万分区级别的表增删分区，所执行的 Hive SQL 如下：
ALTER TABLE '${table_name}' DROP IF EXISTS PARTITION(...); ALTER TABLE '${table_name}' ADD IF NOT EXISTS PARTITION(...);
花费时间从 45s-75s 降低到了 10s 以下。
- 我们从元数据库层面测试了一些 Metastore 提交的 SQL，尤其是那些会造成元数据库压力巨大的 SQL，例如：
SELECT `A0`.`PART_NAME`,`A0`.`PART_NAME` AS `NUCORDER0` FROM `PARTITIONS` `A0
当某个 Hive 表的分区数量十分巨大时，这条 SQL 会给元数据库造成相当大的负担。迁移前，此类 SQL 在 MySQL 运行时间约为 30s - 40s，迁移后，在 TiDB 运行仅需 6s - 7s，提升相当明显。
- 数据同步平台上的 Hive 元数据库内的 SDS 表的同步任务时间从 90s 降低到 15s。
展望
在 Hive Metastore 的场景下，我们已经感受到了 TiDB 在大数据应用场景下的魅力。后续我们希望 TiDB 能够成为跨数据中心的服务，通过数据副本的跨机房部署，打通离线与在线，让离线场景能够在对在线服务无压力的情况下为数据提供实时的 ETL 能力，解决离线 ETL 任务实时性差的问题。为此，我们正在开发 TiBigData。
目前其作为 PingCAP Incubator 的孵化项目。由来自知乎的 TiKV Maintainer 孙晓光发起。PingCAP Incubator 旨在梳理一套相对完整的 TiDB 生态开源项目孵化体系，将关于 TiDB 开源生态的想法与实际生产环境中的需求相关联，通过开源项目协作方式，共同将想法落地。力求想法项目化。从「我有一个想法」到「项目顺利毕业」，PingCAP 提供一系列的资源支持，确保所有项目孵化的流程都有章可循，同时结合项目不同特征及孵化目的，将项目划分为 Feature 类和 Project 类，针对性地给出孵化流程建议。PingCAP Incubator 中的项目有：TiDB Dashboard、TiUP、TinyKV，TiDB Wasm 等。
PingCAP Incubator 完整文档参考：
https://github.com/pingcap/community/tree/master/incubator
目前 TiBigData 项目已经为 TiDB 提供了 Presto 与 Flink 的只读支持。后续我们希望在 PingCAP Incubator 计划的扶持下同社区一起建设 TiBigData 项目，力图为 TiDB 带来更加完整的大数据能力。