AliSQL 中的 DuckDB

[ DuckDB in AliSQL | AliSQL DuckDB 引擎 ]

什么是 DuckDB？

DuckDB 是一个开源的嵌入式分析型数据库系统（OLAP），面向数据分析工作负载。凭借以下关键特性，DuckDB 正在数据科学、BI 工具以及嵌入式分析等场景中快速流行：

• 卓越的查询性能：单机 DuckDB 的性能不仅远超 InnoDB，甚至可超过 ClickHouse 和 SelectDB
• 优秀的压缩能力：DuckDB 采用列式存储，并会根据数据类型自动选择合适的压缩算法，压缩率非常高
• 嵌入式设计：DuckDB 是嵌入式数据库系统，天然适合与 MySQL 集成
• 插件化架构：DuckDB 采用插件式设计，便于第三方开发和功能扩展
• 友好的许可证：DuckDB 的许可证允许任何形式的使用，包括商业用途

为什么在 AliSQL 中集成 DuckDB？

MySQL 长期缺少分析型查询引擎。InnoDB 天然面向 OLTP，在 TP 场景表现优秀，但在分析型工作负载下查询效率较低。本次集成带来：

• 混合负载：在同一个数据库系统中同时运行 OLTP（MySQL/InnoDB）与 OLAP（DuckDB）查询
• 高性能分析：相较 InnoDB，分析查询性能最高可提升 200x
• 降低存储成本：由于高压缩率，DuckDB 只读从库通常仅需主实例 20% 的存储空间
• 100% MySQL 语法兼容：无学习成本——DuckDB 以存储引擎方式集成，用户仍然使用 MySQL 语法
• 零额外管理成本：DuckDB 实例的管理、运维和监控方式与普通 RDS MySQL 实例完全一致
• 一键部署：可创建 DuckDB 只读实例，并支持将 InnoDB 数据自动转换为 DuckDB

AliSQL 将 DuckDB 作为原生 AP 引擎集成，在保持 MySQL 兼容与无缝体验的同时，为用户提供高性能、轻量级的分析能力。

架构

MySQL 可插拔存储引擎架构

MySQL 的可插拔存储引擎架构允许其通过不同的存储引擎扩展能力：

该架构主要由四层组成：

• 运行时层（Runtime Layer）：处理通信、访问控制、系统配置、监控等 MySQL 运行时任务
• Binlog 层（Binlog Layer）：负责 Binlog 生成、复制与应用
• SQL 层（SQL Layer）：负责 SQL 解析、优化与执行
• 存储引擎层（Storage Engine Layer）：负责数据存储与访问

DuckDB 只读实例架构

DuckDB 分析型只读实例采用读写分离架构：

• 分析类负载与主实例隔离，互不影响
• 通过 Binlog 机制从主实例复制数据（类似普通只读从库）
• InnoDB 仅存储元数据和系统信息（账号、配置等）
• 所有用户数据均存放在 DuckDB 引擎中

查询路径（Query Path）

1. 用户通过 MySQL 客户端连接
2. MySQL 解析查询并进行必要处理
3. 将 SQL 发送到 DuckDB 引擎执行
4. DuckDB 将结果返回给服务端层
5. 服务端层将结果转换为 MySQL 格式并返回给客户端

兼容性：

• 扩展 DuckDB 的语法解析器以支持 MySQL 特有语法
• 重写大量 DuckDB 函数并新增许多 MySQL 函数
• 自动化兼容性测试平台包含约 170,000 条 SQL 测试，显示 99% 兼容率

Binlog 复制路径（Replication Path）

AliSQL 允许 DuckDB 节点通过 Binlog 同步作为从库使用。通过重新设计事务提交与回放流程，AliSQL 弥补了 DuckDB 不支持 2PC 的不足，即使发生异常宕机也能确保数据与元数据的完全一致。

幂等回放（Idempotent Replay）：

• 由于 DuckDB 不支持两阶段提交（2PC），通过定制化的事务提交与 Binlog 回放流程，保证实例异常崩溃后数据一致性

DML 回放优化（DML Replay Optimization）：

• DuckDB 更偏好大事务；频繁的小事务会导致严重的复制延迟
• 实现批量回放机制，回放能力可达 300K 行/秒
• Sysbench 测试中可实现零复制延迟，甚至高于 InnoDB 的回放性能
• 批量写入优化同样适用于主库：借助 DML 优化，主库上的 INSERT 与 DELETE 也可能获得优秀性能

DDL 兼容性与优化

• 原生支持的 DDL 使用 Inplace/Instant 执行
• 对于 DuckDB 原生不支持的 DDL（例如列重排），实现了 Copy DDL 机制
• InnoDB 转 DuckDB 支持多线程并行转换，执行时间降低 7x

性能基准测试（Performance Benchmarks）

测试环境：

• ECS 规格：32 CPU，128GB 内存，ESSD PL1 云盘 500GB
• Benchmark：TPC-H SF100

Query ID	DuckDB	InnoDB	ClickHouse
q1	0.92	1134.25	3.47
q2	0.15	1800	1.52
q3	0.53	802.94	3.65
q4	0.46	1000.45	2.77
q5	0.5	1800	5.38
q6	0.22	566.73	0.73
q7	0.59	1800	6.06
q8	0.68	1800	6.99
q9	1.44	1800	13.29
q10	0.91	894.35	3.22
q11	0.11	79.63	1.1
q12	0.44	734.35	1.69
q13	1.59	454.15	5.85
q14	0.38	574.07	0.83
q15	0.31	568.43	1.53
q16	0.32	63.56	0.52
q17	0.89	1800	7.96
q18	1.59	1800	3.11
q19	0.8	1800	2.96
q20	0.51	1800	3.38
q21	1.64	1800	OOM
q22	0.33	361.4	4
total	15.31	25234.31	80.01

DuckDB 在分析查询场景中展现出显著的性能优势，相比 InnoDB 最高可提升 200x。

在阿里云上体验

你可以在阿里云上体验集成 DuckDB 引擎的 RDS MySQL：

https://help.aliyun.com/zh/rds/apsaradb-rds-for-mysql/duckdb-based-analytical-instance/

相关链接（See also）

• DuckDB 参数参考
• 如何搭建 DuckDB 节点
• DuckDB GitHub 仓库
• 详细文章（中文）
• AliSQL