1.被"惹惱"的數據庫巨佬

2021年，DataBricks的創始人和CTO，Spark的發明人馬泰·扎哈里亞在斯坦福做了一次演講。

圖片

在演講中，他提到了DataBricks遇到的一個煩人的問題，DataBricks經常需要在云上調度上百萬個Spark任務，并且跟蹤這些任務的狀態（等待、運行、完成、失敗）。

這些任務非常小，用進程/線程來管理并不合適，太重了，并且進程線程的調度是單機的，DataBricks需要跨越多個計算機調度。

Databricks團隊選擇Postgres作為任務調度和狀態跟蹤的數據庫，盡管Postgres成熟穩定，但是管理超大規模的分布式任務，在短時間內記錄一百萬個任務的狀態變化，壓力太大了。

Matei Zaharia抱怨說：PostgreSQL太慢了！

這可“惹惱”了聽演講的一位大佬邁克爾.斯通布雷克。

圖片

邁克爾.斯通布雷克可不是普通大佬，應該是巨佬，數據庫領域只有4個人獲得了圖靈獎。

(1)查爾斯 ? 巴赫曼

數據庫領域的開拓者，網狀數據庫的發明人，2017年去世

(2)埃德加 ? 科德

關系數據庫的發明人，2003年去世

(3)詹姆斯 ? 格雷

事務處理技術的奠基人，2007年出海后失蹤，2012年被宣布死亡

(4)邁克爾·斯通布雷克

沒錯，邁克爾.斯通布雷克是唯一還在世的數據庫巨佬。

邁克爾·斯通布雷克有多牛，看看下面兩幅圖就明白了。

首先他帶頭開發了Ingres，成為很多數據庫的老祖宗：

圖片

更厲害的是，巨佬還帶出了一大批的人才，覆蓋了數據庫的各個領域，到處都是他的“徒子徒孫”。

圖片

(上面兩幅圖片來源于四川大學唐常杰教授的博客：https://blog.sciencenet.cn/blog-287179-887047.html  )

巨佬還創立了StreamBase，Vertica，Goby，VoltDB,SciDB等一系列創業公司，實在是太強悍了。

因此，馬泰·扎哈里亞說 PostgreSQL 性能很差，那感覺就像說斯通布雷克的孩子有點傻一樣......

聽了演講以后的斯通布雷克并沒有和馬泰·扎哈里亞爭吵，而是告訴他：我們可以做得更好，聯手吧！

其實，馬泰·扎哈里亞的Spark遇到的問題主要是：

不得不在 PostgreSQL 上添加奇怪的附加組件，維護操作系統之外的 Spark 集群的狀態

因為Linux是個單機的操作系統，但是如今的計算都是分布式的，所以必須有k8s這樣的軟件來管理應·用數據、身份驗證系統、消息傳遞、集群管理.....

Linux太老了，而Kubernetes 太復雜了!

現在，扎哈里亞和斯通布雷克要設計了一個數據庫來取代它們！

操作系統不是不行嗎，那就別在它的上面折騰數據庫了，干脆反過來，在數據庫上搞一個操作系統！

2.兩個先烈

其實，讓操作系統依賴數據庫，這個概念并不新鮮。

IBM早在AS/400大型機（后來叫System i）上就搞過，它的文件就是保存在數據庫表中的。

圖片

比如在AS/400上，有個叫做QCSRC的文件，內容是一個HelloWorld的代碼。

圖片

QCSRC就是個一個表，這個表有三列：SRCSEQ，SCRDAT，SRCDTA。

其中SRCDTA中保存著HelloWorld的源代碼，一共六行。

圖片

如果按照SRCDTA這一列進行排序: select * from qcsrc orderby  srcdta

就可以看到結果發生了變化，源代碼重新排列了：

圖片

早在2000年，微軟也提出過一個雄心勃勃的WinFS(Windows Future Storage)項目，試圖把將不同類型的數據（文檔、聯系人、圖片、郵件等）進行標準化管理。

WinFS的想法是將文件的元數據存儲在關系數據庫中，這樣文件可以通過復雜的查詢（類似 SQL）快速定位。例如，一個圖片文件的元數據包括拍攝時間、地點、相機類型等，可以通過這些元數據迅速進行篩選和排序，找出某個時間的所有照片。

另外，通過數據庫的關系建模，WinFS 能夠直觀地管理文件之間的關聯。例如，聯系人可以直接鏈接到與其相關的郵件、圖片和事件。

盡管 WinFS 的概念很有前瞻性，但是將文件系統與數據庫深度整合技術難度高，特別是要保證性能和兼容性，WinFS進展緩慢，最終與2006年取消。

3.DBOS

無論是AS/400還是WinFS，雖然使用了關系數據庫，但它們還都是操作系統的一部分。

扎哈里亞和斯通布雷克則完全把數據庫挪到了操作系統的下層，操作系統是基于數據庫構建的。

其基本思想是，在微內核中運行一個多節點多核、事務性、高可用的分布式數據庫，然后在數據庫之上實現調度、消息傳遞、文件系統和其他操作系統服務。