企业级状态后端存储介绍

有状态计算是流处理中非常复杂和有挑战的场景。流处理的数据访问具有以下特点：

• 存在大量的随机访问且很少有范围查询。

• 数据流量和热点会更加频繁地动态变化，使得即便是同一算子的不同并发，也会有不同的数据访问模式。

GeminiStateBackend就是针对以上特点设计的，其核心设计亮点如下：

• 全新的架构和数据结构设计，全面的性能提升。

  GeminiStateBackend的整体架构是在LSM数据结构的基础上设计的，包含了随数据规模和访问特点变化而自适应、数据冷热分层，可以在Anti-caching和Caching架构间灵活切换的三种能力。此外，还具备随机查询友好的哈希存储结构。Nexmark性能对比的结果显示，GeminiStateBackend相比RocksDBStateBackend的性能有了较大的提升。

• 支持存储计算分离，彻底摆脱状态数据的本地盘存储限制。

  在本地盘空间限制的环境下，State较大的作业经常会遇到本地磁盘空间不足的问题。基于RocksDBStateBackend的作业通常需要通过扩并发等增加资源的手段来解决该问题。GeminiStateBackend具有存储计算分离的技术，使得状态存储可以不依赖于本地盘，可以避免因本地状态数据过大而引发作业故障的问题。有关存储计算分离相关配置，请参见存算分离配置。

• 支持KV分离，大幅提升双流或多流Join作业的效能。

  双流或多流Join作为流计算中最有挑战的场景之一，也是状态存储会遇到瓶颈的一个典型场景。GeminiStateBackend基于KV分离技术，极大提升了双流或多流Join作业的效能。经过阿里巴巴集团双十一核心业务验证，开启KV分离后计算资源利用率平均可以提升50%。典型优势场景下可以提升100% ~ 200%。有关KV分离相关配置，请参见KV分离配置。

• 自适应参数调优，告别手动调参烦恼。

  在流计算任务中，不同算子往往具有不同的状态访问模式。状态存储通常需要不同的参数组合才可以达到最佳的性能，而这些参数往往很多而且涉及底层细节，手动调参会给您带来较高的学习和理解成本。GeminiStateBackend通过自适应参数调优技术，在作业运行时根据当前数据访问模式和流量自动调参，以达到各种场景下的最佳性能。经过阿里巴巴集团双十一核心业务验证，该技术可以避免95%以上的人工调参，同时提升10% ~ 40%的单核吞吐能力。有关自适应调参相关配置，请参见自适应调参配置。

我们使用Nexmark中State瓶颈的用例和相同的硬件资源，测试并对比了RocksDBStateBackend和GeminiStateBackend的性能。

结果显示GeminiStateBackend对作业整体效能（单核吞吐能力）的优化效果十分显著，具体数据如下表所示。