MariaDB公布Raft集群性能测试:一个80ms延迟节点,为何让Galera写入吞吐明显下降?

发布人:A5数据发布时间:2026-11-12 17:50阅读量:60
MariaDB公布Raft与Galera集群最新性能测试,三节点环境中一个节点网络延迟达到80ms时,Galera写入吞吐降至约125 TPS,而Raft保持约2150 TPS。

同样是三节点数据库集群,只因为其中一个节点的网络往返延迟增加到80毫秒,写入性能就可能出现明显分化。

2026年11月11日,MariaDB官方公布了一组Raft Cluster与Galera Cluster的性能对比结果。在模拟单节点高延迟的测试中,Raft Cluster保持约2150 TPS(每秒事务数)的写入吞吐,而Galera Cluster下降至约125 TPS,两者相差约17倍。

这一结果并不意味着Raft在所有场景下都比Galera快17倍。MariaDB同时公布了低延迟环境下两种集群性能接近、部分测试中Galera甚至略有领先的数据。

真正值得关注的是,当数据库集群分布在不同可用区、不同机房,或者某个节点突然出现网络抖动时,两种复制机制对写入请求的处理方式,会如何影响整个系统的性能。

对于依赖数据库高可用架构的企业来说,这比单纯比较数据库每秒能够处理多少事务更有实际意义。

80毫秒延迟,让Galera写入吞吐下降约94%

MariaDB于11月11日发布两篇技术文章,分别介绍Raft Cluster的工作机制,以及与Galera Cluster的性能基准测试。

此次测试使用MariaDB Enterprise Server 12.3,分别配置Galera 4和Raft 1.0作为集群提供程序。

测试环境部署在Google Cloud上,每个数据库节点使用n2-standard-16虚拟机,配置16个vCPU、64GB内存及240GB SSD持久化磁盘。

为了观察网络延迟对集群写入性能的影响,测试人员建立了一个三节点集群,并通过Linux tc与netem工具,人为增加第三个节点与另外两个节点之间的网络往返延迟(RTT)。

测试采用sysbench的oltp_read_write负载,使用12个客户端线程向第一个节点发送请求。该节点同时也是Raft集群的Leader。

官方公布的主要结果如下:

第三节点增加的RTT

Galera吞吐量

Raft吞吐量

0ms

约2220 TPS

约2180 TPS

10ms

约790 TPS

约2150 TPS

20ms

约340 TPS

约2150 TPS

40ms

约215 TPS

约2150 TPS

80ms

约125 TPS

约2150 TPS

从数据可以看出,在没有额外网络延迟的情况下,Galera甚至略快于Raft,两者吞吐量相差不到2%。

但随着第三节点延迟逐渐增加,Galera的性能开始明显下降。

当RTT达到20ms时,Galera已经降至约340 TPS;增加到80ms后,只剩下约125 TPS,相比没有额外延迟时下降约94%。

相比之下,Raft集群在整个测试过程中保持在约2150至2180 TPS之间。

需要强调的是,这些结果来自MariaDB内部性能工程团队,并非经过独立机构复现的生产环境测试。网络延迟由工具模拟,实际业务的事务结构、硬件配置、并发规模及网络拓扑不同,最终表现也可能存在较大差异。

不过,这组数据清楚展示了一个技术问题:为什么只有一个节点变慢,却可能拖累整个数据库集群?

Galera为什么容易受到慢节点影响?

Galera Cluster采用多主、近同步复制架构,允许集群中的多个节点接受写入请求。

这种设计对于需要多个数据库节点共同提供服务的企业具有吸引力。应用可以连接不同节点进行数据操作,集群通过写集复制与事务认证机制维护数据一致性。

但多主架构并不意味着不同节点之间完全独立。

当一个事务发生写入时,Galera需要将相关写集复制到集群,并经过相应的事务认证、排序和处理流程。

与此同时,Galera还具有流量控制机制。

如果某个节点由于网络延迟、磁盘性能不足或者处理速度下降,导致待处理的复制队列持续增长,集群可能触发流量控制,暂时限制其他节点继续推进写入,以避免落后节点无法跟上。

换句话说,即使其他两个节点的CPU、内存和磁盘性能都很充足,也不代表整个集群能够忽略第三个节点的处理速度。

MariaDB此次公布的测试,正是通过增加一个节点的网络延迟,观察这种机制对事务吞吐量造成的影响。

这里还需要区分两个概念。

网络延迟并不等于数据库CPU处理能力不足。

一个节点可能仍然具有充足的计算资源,磁盘也没有发生故障,只是由于网络路径变长或临时抖动,导致节点之间的通信需要更多时间。

对于依赖节点间协调的数据库集群,这类问题同样可能影响整体吞吐。

因此,排查Galera写入性能下降时,不能只关注CPU使用率、内存占用和磁盘IOPS,还需要结合节点间RTT、复制队列及流量控制状态分析。

Raft为什么不需要等待最慢的节点?

MariaDB Raft Cluster采用基于Raft一致性协议的Leader与Follower架构。

与Galera允许多个节点独立接收并协调写入不同,Raft集群由Leader统一组织日志复制和事务提交。

客户端可以向Leader发送写入请求,也可以连接Follower。区别在于,Follower收到写入后仍需要转发给Leader处理。

当Leader接收到事务后,会将相关日志复制到其他节点。

关键区别在于提交条件。

对于一个三节点Raft集群,只要包括Leader在内的两个节点已经满足持久化日志记录要求,就可以达到多数派提交条件。

第三个节点即使暂时存在较高延迟,也不一定需要进入当前事务的关键提交等待路径。

如果集群有五个节点,则需要三个节点形成多数派;七节点集群需要四个节点。

这就是MariaDB此次测试中Raft能够保持较高写入吞吐的重要原因。

在三个节点中,只要Leader与另一个低延迟节点能够正常完成日志复制,就不必让那个增加了80ms RTT的节点直接决定每次事务提交的等待时间。

不过,多数派提交并不意味着慢节点可以永远被忽略。

如果Follower长期落后,集群仍需要考虑日志积压、复制追赶与故障恢复等问题。

MariaDB还为Raft Cluster提供了专门的流量控制机制。当节点落后程度达到设定阈值时,集群可以降低写入速率,而不是像Galera的某些流量控制场景那样暂停写入推进。

这有助于改善性能波动,但不代表Raft永远不会出现写入阻塞。

如果集群失去多数派,例如三节点集群中只有一个节点仍然可用,就无法继续依靠多数派确认正常提交新事务。

因此,Raft解决的是特定条件下慢节点影响整体提交效率的问题,并没有消除分布式数据库对网络可靠性和节点可用性的依赖。

节点越多,数据库集群就一定越快吗?

除了单节点高延迟测试,MariaDB还比较了三节点、五节点和七节点集群在纯写入负载下的峰值吞吐量。

这组测试同样使用sysbench,但采用的是oltp_write_only工作负载,不能直接与前面的读写混合测试数值进行比较。

官方公布的结果显示:

集群规模

Galera峰值TPS

Raft Leader峰值TPS

3节点

11564

12863

5节点

10008

13674

7节点

6587

9714

在七节点测试中,Raft通过Leader执行写入的峰值吞吐比Galera高出约47.5%。

但更值得注意的是,两种架构都没有因为节点数量增加而持续获得更高的写入吞吐。

Galera从三节点扩展到七节点后,峰值TPS下降约43%。

Raft在五节点时达到本组测试中的最高吞吐,扩展至七节点后也出现下降。

原因在于,增加数据库节点不等于简单增加能够独立处理事务的计算资源。

对于需要协调数据一致性的集群,节点数量增加往往意味着更复杂的复制、确认和通信过程。

尤其是写入密集型业务,每增加一个节点,都可能带来额外的日志复制和状态维护成本。

从高可用角度看,增加节点能够改善特定故障条件下的容错能力,但从性能角度看,节点越多未必越有利。

这也是数据库集群设计中容易出现的误区。

企业为了提升稳定性不断添加节点,却没有重新评估节点间网络、事务提交机制以及复制开销,最终可能出现服务器数量增加、整体写入性能反而下降的情况。

Raft性能领先,是否意味着Galera已经不适合生产环境?

答案是否定的。

MariaDB官方并没有宣布Raft取代Galera,而是将两者定位为适用于不同部署条件的集群方案。

Galera的优势在于多主写入能力以及成熟的集群生态。

对于节点位于同一机房、网络延迟较低且相对稳定的场景,Galera依然具有实际价值。

此次测试也说明,在低延迟三节点环境中,Galera与Raft的性能非常接近。

部分测试负载下,Galera的吞吐甚至高出约4.9%。

相比之下,Raft更值得在节点网络延迟不均匀、需要跨可用区部署,或者集群规模达到五个及以上节点时进行评估。

但Raft同样存在需要适应的架构特点。

例如,虽然Follower可以接收客户端写入连接,但实际事务仍然需要转发给Leader。

MariaDB官方测试显示,在不同集群规模的纯写入测试中,通过Follower提交事务的吞吐量比直接写入Leader低约0.5%至20.5%。

这意味着数据库代理、连接路由和Leader故障切换机制,同样会影响最终业务表现。

MariaDB MaxScale 25.10.2及后续兼容版本已经提供针对Raft Leader的自动写入路由支持,可以减少应用直接管理Leader地址的复杂度。

对于企业来说,选择数据库集群架构时,不能只根据单项TPS测试结果决定,更要考虑应用是否需要多主写入、节点之间的实际延迟,以及故障切换后的连接恢复能力。

跨机房部署数据库,真正需要关注哪些指标?

这次性能测试对于服务器租用、云主机和跨区域业务部署具有较强的参考价值。

不少企业在规划数据库高可用时,首先考虑的是如何避免单台服务器故障,因此倾向于将多个数据库节点部署在不同机房,甚至不同城市或国家。

从物理容灾角度看,节点分散确实能够降低部分机房级故障造成的集中风险。

但分散部署也会引入新的问题:节点之间的网络距离更长,RTT、丢包率、抖动和跨区域传输成本都可能上升。

如果使用的数据库复制机制对节点间协调较为敏感,单纯增加异地节点可能并不能获得预期的性能和可用性。

例如,企业可能将数据库主业务节点部署在香港机房,同时希望通过其他地区的节点增强容灾能力。

此时需要评估的不只是各地服务器的处理器型号和内存配置,还包括实际网络路径、延迟波动,以及不同故障情况下数据库是否仍然能够形成有效的提交多数派。

对于事务量较高的业务,网络质量有时比增加几个CPU核心更能影响数据库写入体验。

同时,跨区域部署还需要考虑复制流量的带宽需求和费用。如果业务具有大量写入操作,节点之间持续复制日志和数据变化,可能产生相当可观的网络流量。

我们更倾向于把数据库高可用设计看作计算、存储、网络和一致性机制共同决定的系统问题,而不是简单的服务器数量问题。

对于主要服务单一区域用户的中小型网站,采用低延迟网络下的三节点集群,可能比建立复杂的跨区域多节点集群更容易维护。

而对于确实需要跨区域容灾的业务,则应根据故障恢复目标、数据一致性要求和网络条件,选择Raft、Galera、传统主从复制或其他适合的架构。

尤其需要注意,Raft的多数派机制要求合理设计节点分布。

如果多数节点集中在同一个故障域,即使数据库能够实现自动选举,也不代表已经具备真正意义上的跨机房容灾能力。

Raft Cluster并非MariaDB社区版的免费新增功能

除了技术性能,企业还需要关注此次Raft Cluster的产品授权范围。

MariaDB Raft Cluster并不是11月11日才首次发布的数据库功能。

MariaDB已在此前的Enterprise Server 12.3产品更新中引入这项能力,并于11月4日发布Enterprise Platform 2027时宣布相关平台正式可用。

11月11日的新进展主要是官方进一步公布Raft与Galera的工作机制和性能测试数据。

根据MariaDB目前的产品政策,Raft Cluster属于MariaDB Enterprise Server 12.3提供的企业级集群能力,需要有效的MariaDB Enterprise Platform Plus订阅。

这意味着,使用MariaDB Community Server的用户不能简单通过普通社区版更新直接获得相同的Raft集群功能。

与此同时,MariaDB Community Server 12.3仍然保留Galera Cluster相关支持,社区用户并非必须转向Raft才能继续部署数据库高可用架构。

对于已经运行Galera的企业,也不能将两种集群提供程序理解为能够在同一个集群中随意混用。

如果准备迁移到Raft,需要提前验证数据迁移方式、连接路由、节点初始化、高可用切换和现有运维工具的兼容性。

订阅成本也应纳入整体评估。

如果企业当前数据库集群一直运行在稳定的低延迟网络中,且性能满足业务要求,那么仅仅因为某项基准测试出现17倍差距,就投入额外授权和迁移成本,并不一定具有实际收益。

数据库性能优化,不能只靠升级服务器配置

此次测试还反映出一个值得关注的行业变化。

随着企业越来越重视数据库高可用和跨区域容灾,性能瓶颈正在从单纯的计算资源问题,延伸到节点协作和分布式一致性机制。

传统数据库性能优化通常会关注CPU核心数、内存容量、SSD性能、索引设计以及SQL执行效率。

这些因素依然重要,但在多节点架构中,即使服务器硬件足够强大,事务也可能因为等待节点间通信而无法继续推进。

当主要瓶颈来自复制确认和网络延迟时,单纯增加处理器核心数、扩大内存或者更换更高性能的NVMe SSD,并不一定能够解决根本问题。

当然,MariaDB此次测试没有比较不同CPU型号,因此也不能据此得出某种处理器平台更适合Raft或Galera的结论。

对于计划采购高性能独立服务器的企业,更合理的方式是先通过监控和压力测试,确认当前性能限制究竟来自计算、存储、网络还是集群协调。

如果数据库运行在单机模式下,优化SQL、内存配置和存储性能可能获得更直接的效果。

但如果已经采用多节点复制架构,就需要进一步检查事务提交延迟、复制队列、流量控制、网络RTT以及故障恢复时间。

这也解释了为什么同样配置的服务器,采用不同数据库集群方案后,实际业务吞吐量可能存在明显差异。

MariaDB此次测试,给企业数据库选型带来了什么启示?

MariaDB公布的17倍性能差距,是在特定网络延迟、集群规模和测试负载下得到的结果,不能直接推广到所有生产数据库。

但它揭示的技术问题具有普遍意义:数据库集群的可用性和性能,并不只取决于每个节点是否足够强大,还取决于节点之间如何协调事务,以及出现慢节点时整个系统如何继续工作。

Galera的多主、近同步复制机制适合重视多节点写入能力和低延迟协作的部署环境;Raft的Leader与多数派提交机制则为网络条件不均匀、跨可用区或较大规模的集群提供了另一种选择。

两者并不是简单的先进与落后关系,而是在不同一致性实现方式和运维需求之间作出的技术取舍。

对于已经使用Galera的企业,当前更实际的工作并不是立即迁移,而是先检查集群是否经常受到慢节点、复制积压和流量控制影响。

如果现有架构在真实业务负载下运行稳定,也没有跨区域扩展需求,就没有必要仅凭基准测试数字调整整个数据库系统。

而对于正在规划新集群、准备扩展机房或需要改善跨区域写入性能的企业,MariaDB此次公布的数据提供了一个值得验证的方向。

数据库高可用不只是发生故障后能够自动切换,也包括部分节点性能下降时,整个系统能否继续保持可接受的事务处理能力。

当企业开始同时考虑故障容忍、网络延迟、写入吞吐与恢复成本,数据库集群的选型才真正从配置比较进入架构设计阶段。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/9083.html

相关推荐