本文是《极客时间》-《TiDb极简入门》的学习笔记。传送门：https://time.geekbang.org/opencourse/videointro/100089601
TiDB的HTAP之路
HTAP(Hybrid Transaction and Analytical Process,混合事务和分析处理)
同时支持OLTP 和OLAP，支持实时分析。
OLTP(在线交易): 关注高并发，低延迟
OLAP(在线分析): 更关注吞吐量
1. 分布式数据库式在大数据规模下提供HTAP的基础
2. TiDB-serer最大程序下推算法与Hash/Join关键算子提供了基础的AP能力
TiDB可以比喻成一个大号的Mysql, 最早TiDB是为了解决在线业务的分库分表问题，由于以下特性：
1. 海量存储允许多数据源汇聚，数据实时同步
2.支持标准sql，多表关联快速出结果
3.同名多业务模块，支持分表聚合后可以任务纬度查询
4.TiDB最大下推机制，以及并行hash join等算子，决定的TiDb在表关联上的优势
这些特性很适合数据中台的一些业务，被意外应用于数据中台，提供了一些基础的AP能力
3. 借助生态，让spark跑在Tikv上
但是TiDB的最初定位是面向OLTP的系统，针对OLAP，很容易造成OOM，所以引入了spark，分装为Ti-spark，缓解了数据中台算力的问题。但spark只能提供低并发的重量级查询，中小规模的AP查询会导致资源消耗高。
4.行列混合引擎，列式引擎提供实时写入能力
这时候OLTP的查询和TIspark用的同一套底层存储TiKv，OLTP和OLAP的资源在软件层面上很难实现隔离
物理隔离是最好的资源隔离
列存天然对OLAP查询友好，列式存储对批量写入友好，对实时更新不友好。借鉴了LSM的思想，在列式引擎上引入了delta tree的方法，最终实现了一个支持准实时更新的列式引擎:Ti-flash（用于OLAP数据副本）.
5.行列引擎采取raft-base replication,解决了数据同步效率
如何将副本同步到列式引擎？
Ti-Flash以Raft Learner的方式接入Multi-Raft组，使用异步方式传输数据，对Tikv产生非常小的负担，当数据同步到Ti-flash, 会被从行格式拆解为列格式。
6.TiDB-servert统一技术服务
7.Mpp解决计算节点的扩展与并行计算
OLAP的场景里，经常会出现大表关联，之前的架构中join是无法下推的，引入了MPP计算框架
TiDB关键技术创新
1. 自动分片技术式更细维度弹性的基础
2. 弹性的分片构成了动态的系统
3. multi-raft将复制组更离散
4.基于multi-raft实现写入的线性扩展
5.基于multi-raft实现跨IDC单表多节点写入
6.去中心化的分布式事务
7. Local Read and Geo-partition
8.更大数据容量下的TP和AP融合
9.数据服务的统一
TiDB典型应用场景及用户案例
1. OLTP Scale
2. Real-Time HTAP
