译者 | 李睿
审校 | 重楼
本文对流式数据库进行探讨，因为它是数据流处理系统的核心组件。如果需要更多选择，还将提供一些商业上可用的解决方案。
流式数据库的基础知识
流处理的本质是将数据视为连续不断的流进行管理，不能依赖传统的数据库来存储数据。我们将流式数据库定义为用于存储、处理和增强数据流的实时数据存储库。因此，流式数据库的基本特征是它们管理动态数据的能力，即能够实时捕获和处理事件，确保数据的即时性和有效性。
流式数据库
与存储静态数据集并需要定期更新来处理它们的传统数据库不同，流式数据库采用事件驱动模型，在生成数据时对其作出反应。这使组织能够从实时数据中提取可操作的见解，从而实现及时决策和对动态趋势的响应。
流式数据库和传统数据库之间的一个关键区别在于它们对时间的处理方式。在流式数据库中，时间是一个关键维度，因为数据不仅仅是静态记录，而且与时间属性相关联。
流式数据库中的延迟
具体来说，可以定义以下内容：
- 事件时间：是一个事件或数据点在现实世界中实际发生的时间。例如，如果正在处理来自测量温度的设备的传感器数据流，则事件时间将是传感器记录每次温度测量的实际时间。
- 处理时间：是在流处理系统中处理事件的时间。例如，如果在接收到温度测量值之后处理温度测量值有延迟或滞后，则处理时间将晚于事件时间。
这种时间感知能力有助于创建基于时间的聚合，使企业能够正确理解时间间隔内的趋势和模式，并处理无序事件。
事实上，由于网络延迟、不同的处理速度或其他因素等原因，事件并不总是按照它们在现实世界中发生的顺序到达处理系统。
因此，通过将事件时间合并到分析中，流式数据库可以根据事件在现实世界中的实际发生情况对事件进行重新排序。这意味着，即使它们无序到达，与每个事件相关联的时间戳可以用于将事件排列在正确的时间序列中。这确保了分析计算和聚合反映事件的时间现实，提供了对趋势和模式的准确见解。
实现流式数据库面临的挑战
虽然流式数据库为实时数据处理提供了一种革命性的方法，但它们的实现可能具有挑战性。
以下是实现流式数据库面临的挑战：
1.流式数据的庞大数量和速度
实时数据流以高速产生大量新数据，特别是在物联网和金融市场等应用中常见的高频数据流。因此，流式数据库需要在不牺牲性能的情况下有效地处理连续的数据流。
2.确保实时数据的一致性
在传统的批处理中，一致性是通过定期更新来实现的。在流式数据库中，实时确保分布式系统之间的一致性却带来了更大的复杂性。事件时间处理、水印和幂等运算等技术被用来解决这些挑战，但需要仔细实现。
3.安全和隐私问题
流数据通常包含敏感信息，对其进行实时处理需要强大的安全措施。加密、身份验证和授权机制必须集成到流式数据库架构中，以保护数据免受未经授权的访问和潜在的破坏。此外，遵从数据保护法规又增加了一层复杂性。
4.工具和集成
流式数据源的多样性和可用工具的多样性需要深思熟虑的集成策略。与现有系统的兼容性、易于集成以及支持不同数据格式和协议的能力成为关键考虑因素。
5.对技术人员的需求
由于流式数据库本质上与实时分析有关，因此必须考虑到对开发、管理和优化这些系统的熟练人员的需求。该领域专业知识的缺乏可能会延迟流式数据库的广泛采用，组织必须在培训和开发方面进行投资，以弥补这一差距。
流式数据库的架构
流式数据库的架构是为了有效地处理实时数据流的复杂性而精心设计的。
该架构的核心体现了分布式计算的原则，支持对流式数据动态特性的可扩展性和响应性。
流式数据库架构的一个基本方面是能够容纳连续的、高速的数据流。这是通过数据摄取、处理和存储组件的组合实现的。
数据摄取层负责实时收集和接受来自各种来源的数据。这可能涉及到外部系统、消息队列或直接API集成的连接器。
数据一旦被摄取，就会在流处理层中进行处理，在该层中对数据进行近乎实时的分析、转换和丰富。这一层通常使用流处理引擎或框架，这些引擎或框架支持在流数据上执行复杂的计算，从而允许推导有意义的见解。
流式数据库中的事件
由于它们处理实时数据，流式数据库架构的一个标志是事件驱动的范式。实际上，每个数据点都被视为一个事件，系统实时地对这些事件作出反应。这种时间感知能力是基于时间的聚合和处理无序事件的基础，有助于对数据的时间动态进行更细致的理解。
流式数据库中的模式设计也是动态和灵活的，允许数据结构随时间的推移而变化。实际上，与具有严格模式的传统数据库不同，流式数据库适应流数据的流动性，其中模式可能随着新字段或属性的引入而改变：这种灵活性允许处理不同的数据格式并满足流应用程序不断变化的需求。
流式数据库示例
现在介绍几个商业上可用的流式数据库示例，以突出它们的功能和应用领域。
1.RisingWave
RisingWave是一个分布式SQL流式数据库，可以实现简单、高效、可靠的流数据处理。它消耗流数据，在新数据进入时执行增量计算，并动态更新结果。
由于RisingWave是一个分布式数据库，因此它采用并行化来满足可扩展性的需求。实际上，通过将处理任务分布到多个节点或集群，它可以有效地并发处理大量传入数据流。这种分布式特性还确保了容错性和弹性，因为即使在节点出现故障的情况下，系统也可以继续无缝运行。
另外，RisingWave数据库是一个为云计算设计的开源分布式SQL流式数据库。特别是，它是作为一个分布式流式数据库从头开始设计的，而不是基于另一个系统的临时实现。
它还允许开发人员通过级联物化视图来表达复杂的流处理逻辑，从而降低了构建流处理应用程序的复杂性。此外，它允许用户直接在系统内持久保存数据，而不需要将结果交付给外部数据库进行存储和查询服务。
RisingWave数据库易用性的描述如下：
- 简单易学：它使用PostgreSQL风格的SQL，使用户能够像使用PostgreSQL数据库一样深入到流处理中。
- 易于开发：由于它作为关系数据库运行，开发人员可以将流处理逻辑分解为更小的、可管理的、堆叠的物化视图，而不是处理大量的计算程序。
- 易于集成：通过与各种云计算系统和PostgreSQL生态系统的集成，RisingWave拥有丰富而扩展的生态系统，可以直接集成到现有的基础设施中。
最后，Materialize提供了强大的一致性和正确性保证，即使在并发数据更新的情况下也能确保查询结果准确可靠。这使得它成为需要及时洞察和实时分析的应用程序的理想解决方案。
Materialize提供实时、增量处理流数据的能力，加上其易用性和强大的性能，使其成为现代数据驱动应用程序的强大工具。
最后，RisingWave提供了RisingWave云：这是一种托管服务，可以创建一个新的云托管的RisingWave集群，并在几分钟内开始进行流处理。
2.Materialize
Materialize是一种高性能、基于SQL的流式数据仓库，旨在提供实时、增量的数据处理，并强调简单性、效率和可靠性。其架构使用户能够以最小的延迟在流数据之上构建复杂的增量数据转换和查询。
由于它是为实时数据处理而构建的，Materialize利用高效的增量计算来确保低延迟的更新和查询。通过只处理数据中的更改，而不是重新处理整个数据集，它能够以最佳性能处理高吞吐量数据流。
Materialize旨在横向扩展，跨多个节点或集群分布处理任务，以并发管理大量数据流。这种特性还增强了容错性和弹性，即使面对节点故障，也允许系统无缝运行。
作为一个开源的流式数据仓库，Materialize提供了透明度和灵活性。它从头开始构建，以支持实时、增量数据处理，而不是作为现有系统的附加组件。
它允许开发人员通过标准SQL查询表达复杂的流处理逻辑，从而显著地简化了流处理应用程序的开发。实际上，开发人员可以直接在系统中持久化保存数据，而无需将结果移动到外部数据库进行存储和查询服务。
Materialize的易用性描述如下：
- 简单易学：它使用PostgreSQL兼容的SQL，使开发人员能够利用他们现有的SQL技能进行实时流处理，而且没有陡峭的学习曲线。
- 易于开发：Materialize允许用户使用熟悉的SQL语法编写复杂的流式查询。该系统自动维护物化视图和处理流处理底层复杂性的能力意味着开发人员可以专注于业务逻辑，而不是复杂的数据流管理，从而简化开发阶段。
- 易于集成：通过支持包括Kafka和PostgreSQL在内的各种数据源和接收器，Materialize无缝集成到不同的生态系统中，使与现有基础设施的集成变得容易。
最后，Materialize提供了强大的一致性和正确性保证，即使在并发数据更新的情况下也能确保查询结果的准确性和可靠性。这使得它成为需要及时洞察和实时分析的应用程序的理想解决方案。
Materialize提供实时、增量处理流数据的能力，加上其易用性和强大的性能，使其成为现代数据驱动应用程序的强大工具。
结论
本文分析了处理数据流时对流式数据库的需求，并将其与传统数据库进行了比较。
虽然在现有软件环境中实现流式数据库带来了一些挑战，但RisingWave和Materialize等可用的商业解决方案可以克服这些挑战。
原文标题：Exploring the Dynamics of Streaming Databases，作者：Federico Trotta
