TiFlash：列式存储的实时分析引擎
你的报表查询跑了 30 分钟，老板在等。
同样的数据，你切到 TiFlash，30 秒搞定。
这就是列式存储的魅力。
TiFlash 是 TiDB 的 HTAP 能力的关键——它让 TiDB 在同一集群中同时支持 OLTP（行存）和 OLAP（列存），无需 ETL，无需数据同步。
TiFlash 是什么？
TiFlash 是一个列式存储引擎，专为分析场景设计。
┌─────────────────────────────────────────────────────────┐
│ TiDB 集群 │
│ │
│ ┌─────────────────────────────────────────────────┐ │
│ │ TiKV（行存） │ │
│ │ - OLTP 主力存储 │ │
│ │ - 强一致性事务 │ │
│ │ - 主键查询、点查 │ │
│ └─────────────────────────────────────────────────┘ │
│ ▲ │
│ Raft Learner │ 异步复制 │
│ │ │
│ ┌─────────────────────────────────────────────────┐ │
│ │ TiFlash（列存） │ │
│ │ - OLAP 分析存储 │ │
│ │ - 最终一致性 │ │
│ │ - 聚合查询、全表扫描 │ │
│ └─────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────┘关键设计：TiFlash 通过 Raft Learner 异步复制 TiKV 的数据，OLTP 写入不受 OLAP 查询影响。
列式存储的奥秘
行存 vs 列存
java
// 行存：一行数据的所有列连续存储
// Row[0]: [id=1, name=Alice, amount=100, date=2024-01-01]
// Row[1]: [id=2, name=Bob, amount=200, date=2024-01-02]
// 适合点查：SELECT * FROM orders WHERE id = 12345
// 读取完整一行只需一次磁盘顺序读
// 列存：同一列的所有数据连续存储
// Column[id]: [1, 2, 3, 4, 5, ...]
// Column[name]: [Alice, Bob, Carol, ...]
// Column[amount]: [100, 200, 300, ...]
// Column[date]: [2024-01-01, 2024-01-02, ...]
// 适合聚合：SELECT SUM(amount) FROM orders
// 只需读取 amount 列，跳过其他列列存的三大优势
java
// 1. 列压缩效率高
// 同一列数据类型一致，压缩比可达 10:1
// 例如：订单金额都是 DECIMAL(10,2)
// 列存可以识别这是重复模式，压缩更高效
// 2. 向量执行快
// 一次读取整列数据，CPU 缓存友好
// SIMD 指令一次处理多个值
// 3. 只读必要列
// SELECT SUM(amount) FROM orders
// 只读取 amount 列，其他列直接跳过
// 减少 I/O 扫描量TiFlash 架构
java
// TiFlash 核心组件
public class TiFlashArchitecture {
// 1. 列式存储引擎
// 基于 ClickHouse 的 MergeTree 引擎
// 支持高效的列式读取和压缩
// 2. DeltaTree 索引
// 列存也需要索引
// DeltaTree 是 TiFlash 的主键索引
// 3. Raft Learner
// 异步接收 TiKV 的 Raft 日志
// 转换为列式数据存储
// 4. MPP 执行器
// 分布式并行查询执行
// 多个 TiFlash 节点协同计算
}数据同步流程
java
// TiFlash 数据同步流程
public class TiFlashDataSync {
// 1. TiKV 写入数据
public void onWrite(byte[] key, byte[] value) {
// TiKV 执行 Raft 写入
// 写入自己的行存引擎
}
// 2. Raft Learner 异步拉取
public void onLearnerReceive(LogEntry entry) {
// TiFlash 作为 Learner 异步接收日志
// 不参与写入确认，不影响 TiKV 性能
}
// 3. 转换为列式数据
// 4. 写入 DeltaTree
// 延迟：通常秒级
// 一致性：最终一致
}TiFlash 使用
启用 TiFlash
bash
# 1. 添加 TiFlash 节点
tiup cluster scale-out tidb-cluster scale-out-tiflash.yaml
# 2. 为表创建副本
ALTER TABLE orders SET TIFLASH REPLICA 1;
# 3. 查看副本状态
SHOW TIFLASH REPLICA orders;sql
-- 查询自动路由到 TiFlash
-- TiDB 优化器自动判断：
-- - 点查、强一致性要求 → TiKV
-- - 聚合分析 → TiFlash
SELECT
DATE(created_at) as date,
COUNT(*) as order_count,
SUM(amount) as total_amount
FROM orders
WHERE created_at >= DATE_SUB(CURDATE(), INTERVAL 30 DAY)
GROUP BY DATE(created_at);
-- 执行计划中会显示 "tiflash"
EXPLAIN SELECT ...;手动指定引擎
sql
-- 强制使用 TiFlash
SELECT /*+ read_from_storage(tiflash[orders]) */ *
FROM orders
WHERE amount > 1000;
-- 强制使用 TiKV
SELECT /*+ read_from_storage(tikv[orders]) */ *
FROM orders
WHERE id = 12345;TiFlash 性能调优
bash
# TiFlash 配置参数
# 1. 同步线程数
# 影响数据同步速度
# 默认：2
# 建议：CPU 核心数的 25%
# 2. 存储容量
# TiFlash 数据存储路径
# 建议：足够容纳热点分析数据
# 3. MaxThreads
# 查询并发数
# 默认：CPU 核心数
# 4. MaxMemoryUsage
# 单查询最大内存
# 默认：0（无限制）java
// TiFlash 性能调优建议
public class TiFlashTuning {
// 1. 选择合适的副本数
// 分析负载高 → 更多副本
// 分析负载低 → 更少副本
// 2. 合理使用 TIFLASH REPLICA
// 不是所有表都需要 TiFlash 副本
// 热点分析表添加副本
// 3. 监控同步延迟
// Grafana → TiFlash → Sync
// 同步延迟 = 数据写入 TiKV 到同步到 TiFlash 的时间
// 4. 注意资源隔离
// TiFlash 和 TiKV 可以分开部署
// 避免 OLAP 查询影响 OLTP 性能
}TiFlash vs TiKV
| 特性 | TiKV | TiFlash |
|---|---|---|
| 存储格式 | 行存 | 列存 |
| 一致性 | 强一致 | 最终一致 |
| 查询类型 | 点查、范围查 | 聚合、全表扫描 |
| 写入 | 同步写入 | 异步同步 |
| 适用场景 | OLTP | OLAP |
面试追问
Q: TiFlash 和 ClickHouse 有什么区别？
TiFlash 基于 ClickHouse 的列式存储技术，但不是简单的拿来主义。TiFlash 针对 TiDB 的生态做了大量定制：
- 与 TiKV 数据自动同步
- 与 TiDB SQL 引擎深度集成
- 支持 MPP 并行查询
- 支持强一致性（相对一致性）
Q: TiFlash 同步延迟是多少？
通常在秒级。TiFlash 通过 Raft Learner 异步同步，数据写入 TiKV 后几秒内即可在 TiFlash 中查询到。
Q: 可以关闭 TiFlash 副本吗？
可以。通过 ALTER TABLE t SET TIFLASH REPLICA 0 可以删除 TiFlash 副本。删除后，该表的分析查询会回退到 TiKV。
总结
TiFlash 是 TiDB HTAP 能力的核心支撑。它让 TiDB 在同一集群中同时处理 OLTP 和 OLAP，无需 ETL，无需数据同步。
列式存储、向量化执行、MPP 并行......这些都是 TiFlash 高性能的秘诀。