单机 MySQL 用到一定规模,总会撞上几堵墙:单表涨大后索引变高、写入抖动;主从复制有延迟,切换主库还可能丢数据;想在生产库上跑分析查询,又怕拖垮线上业务。TiDB 是国产开源的分布式 HTAP 数据库,由 PingCAP 开发,用一套兼容 MySQL 的分布式架构同时回应这三类焦虑。本文按定位、架构、兼容性、HTAP、弹性、AI 能力的顺序展开,最后用 TiUP 在本地拉起一套带列存副本的迷你集群,并给出选型边界参考。
1、定位:兼容 MySQL 的分布式数据库
TiDB 由 PingCAP 于 2015 年立项,以 Apache 2.0 协议开源,TiDB GitHub 仓库至今仍是国产数据库里最活跃的项目之一。它把企业级特性也全量放进开源版,自管部署没有功能阉割,这一点在同类产品里并不多见。它的核心承诺可以拆成三句:SQL 层兼容 MySQL,存储层天然分布式,交易与分析共用同一份数据。
这个定位正对着单机 MySQL 的三个痛点。第一是容量:单表到数亿行后 B+ 树层数增加、DDL 与备份窗口越拉越长,分库分表又要业务大改。第二是高可用:MySQL 主从复制是异步或半同步,故障切换存在丢数据窗口,跨机房强一致需要额外一整套方案。第三是分析:在生产实例上跑重查询会影响交易,通常要 ETL 到独立数仓,链路变长、数据滞后。
版本方面,自管开源版当前 LTS 为 v8.5 系列,2024 年 12 月发布 8.5.0,补丁一路迭代到 2026 年 7 月的 8.5.7,节奏见官方发布时间线。云上则已进入下一代架构 TiDB X,PingCAP 计划在 2026 年底开源其核心代码。
2、架构:三件套与调度中枢
一套 TiDB 集群由三类核心组件加一个调度中枢组成:TiDB Server 负责计算,TiKV 负责行存储,TiFlash 负责列存储,PD(Placement Driver)负责元数据与调度。整体结构如下图。
各组件分工如下:TiDB Server 是无状态的 SQL 计算层,负责解析、优化与执行,节点之间完全对等,挂在负载均衡后即可水平扩展,本身不落盘业务数据。TiKV 是分布式键值行存,数据按主键范围切成一个个 Region,每个 Region 多副本,用 Multi-Raft 协议保证多数派写入成功才算提交,单节点故障不丢数据也不停写。TiFlash 以 Raft Learner 身份异步接收 TiKV 的变更并转成列存,不参与投票、不拖慢写入,专门服务分析扫描。PD 掌握集群元数据,决定 Region 落在哪个节点、何时分裂与搬移,同时提供 TiDB Dashboard,集群拓扑、慢查询与热点 Region 都能在页面里直接看到,运维不必先背一整套命令。这套设计在 VLDB 2020 论文《TiDB: A Raft-based HTAP Database》中有完整论述,论文 PDF 值得精读。
3、MySQL 兼容:能迁什么要注意什么
TiDB 走 MySQL 线协议,兼容 MySQL 5.7 与 8.0 的常用语法,官方 README 明确以 MySQL 8.0 为兼容目标,JDBC、Go driver、MyBatis、GORM 等常用驱动与 ORM 通常不改代码即可直连。兼容的边界在哪,迁移前最好逐项过一遍,对比如下。
| 能力 | 兼容情况 | 迁移建议 |
|---|---|---|
| SQL 语法与协议 | 兼容 5.7 与 8.0 常用语法与线协议 | 驱动与 ORM 通常无需改动 |
| 事务与隔离 | 默认快照隔离,接近可重复读语义 | 依赖锁细节的逻辑要压测 |
| 账号与权限 | 兼容 MySQL 权限体系 | GRANT 脚本可复用 |
| 存储过程与函数 | 不支持 | 相关逻辑外移到应用层 |
| 触发器与事件 | 不支持 | 改用应用代码或调度任务 |
| 自增 ID | 全局唯一,多实例间不严格递增 | 依赖连续自增的表需改造 |
注意:TiDB 不是 MySQL 的全量替代。官方兼容性文档列出的不支持项以存储过程、触发器、事件、空间类型、XA 语法为主,重度使用这些特性的老系统,迁移成本主要在重构而非搬数据。
4、HTAP:一行命令加列存副本
传统架构里交易库和分析库是两套系统,中间靠 ETL 定时搬运,代价是链路长、数据滞后。TiDB 的路线是一份数据两个物理副本:写事务走 TiKV 保证强一致,TiFlash 作为 Learner 实时同步列存,分析查询由优化器自动路由到列存执行,重扫描不占用交易资源。
开启方式只有一条 DDL:ALTER TABLE t SET TIFLASH REPLICA 1。副本同步完成后,优化器按代价自动选择走 TiKV 还是 TiFlash,也可以用 /*+ read_from_storage(tiflash[t]) */ 这类 hint 手工指定。多表关联与聚合还会以 MPP 模式在多个 TiFlash 节点间并行执行,数据量越大优势越明显,这是它敢称 HTAP 而不只是"能跑分析"的底气。列存引擎的细节可参考 TiFlash 官方概览。
5、弹性:在线扩缩容对比分库分表
TiKV 的数据以 Region 为单位自动分裂与搬移,容量或算力不够时往集群加一台节点,PD 会把部分 Region 迁过去并自动均衡,全程在线完成、业务无感,缩容同理。这与应用层分库分表是两条路线,差异对比如下。
| 维度 | 分库分表中间件 | TiDB 分布式 |
|---|---|---|
| 分片规则 | 需选定分片键并写死规则 | 按主键范围自动切分 |
| 扩容方式 | 迁移数据重分布,常需停写 | 加节点在线调度 |
| 跨分片事务 | 多为最终一致或直接禁用 | 两阶段提交强一致 |
| 跨分片查询 | 聚合归并靠应用拼接 | 优化器透明下推执行 |
| 运维形态 | 规则散落各处,排障困难 | 组件统一由 TiUP 管理 |
一句话总结:分库分表把分布式难题搬进应用,TiDB 把它下沉到数据库内核;代价是集群组件更多、存储至少三副本起步,小数据量并不划算。
6、AI 能力:向量搜索与生态
向量检索是 TiDB 近两年补上的能力。2024 年 2 月 TiDB Cloud Serverless 率先内置向量搜索,同年 6 月公开测试,如今已正式发布并进入自管版:v8.5 系内置向量类型与全文检索,向量列与距离函数直接写进 SQL,与 ACID 事务同库使用,RAG 应用不必再为业务数据和向量数据各维护一套库。发展脉络可看向量搜索发布公告。
云端生态上,Serverless 档位已演进为 TiDB Cloud Starter,支持边缘连接与按用量计费,并与 Vercel 等平台打通,官方 2026 年的重点放在面向智能体的有状态 Agent 存储上。TiDB Cloud 提供免费档,个人开发者可以直接上手。更实际的收益在于统一技术栈:业务表与向量列同库,一次查询就能把元数据过滤和相似度检索拼在一起,少维护一套向量库的备份、权限与高可用。
7、实战:TiUP 本地起集群
7.1、启动 playground 集群
最快的尝鲜方式是官方 Docker 镜像,单容器起一个 TiDB 实例,默认端口 4000:
docker run -d --name tidb -p 4000:4000 pingcap/tidb:v8.5.7
这条命令适合快速验证 SQL 兼容性,但单容器不含独立的 TiKV 与 TiFlash 进程,体验不到分布式与列存。要看完整架构,用 TiUP 的 playground 模式拉一套迷你集群,Windows 建议在 WSL2 内执行:
curl --proto '=https' --tlsv1.2 -sSf https://tiup-mirrors.pingcap.org/install.sh | sh
source "$HOME/.profile"
tiup playground v8.5.7 --db 2 --kv 3 --pd 1 --tiflash 1
playground 会在本机以子进程方式拉起 2 个 TiDB Server、3 个 TiKV、1 个 PD 与 1 个 TiFlash,无需任何预配置。启动成功后的输出摘要如下:
CLUSTER START SUCCESSFULLY, Enjoy it ^-^
To connect TiDB: mysql --host 127.0.0.1 --port 4000 -u root
To view the dashboard: http://127.0.0.1:2379/dashboard
输出里给出了连接串与内置面板地址,按 Ctrl+C 会停掉整个集群。用任意 MySQL 客户端执行 mysql --host 127.0.0.1 --port 4000 -u root 即可登录,root 密码默认为空。
7.2、建表并体验列存加速
连上后建一张普通表并灌入数据,DDL 与 MySQL 写法完全一致:
-- 建表:与 MySQL 相同的 DDL,tags 用 JSON 类型
CREATE TABLE books (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
title VARCHAR(200) NOT NULL,
author VARCHAR(100),
price DECIMAL(10, 2) DEFAULT 0,
created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
KEY idx_author (author)
);
INSERT INTO books (title, author, price) VALUES
('数据密集型应用系统设计', '克莱普纳', 108.00),
('数据库系统实现', '加西亚-莫利纳', 89.00);
真实体验建议用脚本灌十万行以上,数据太少看不出行存与列存的差别。接着为表添加 TiFlash 列存副本并验证:
-- 一条 DDL 开启列存副本
ALTER TABLE books SET TIFLASH REPLICA 1;
-- available 为 1 表示列存副本已同步就绪
SELECT * FROM information_schema.tiflash_replica;
-- 查看执行计划:算子出现 tiflash 字样即已路由列存
EXPLAIN SELECT author, AVG(price) FROM books GROUP BY author;
这套流程把第 2 节的架构落到了手上:DDL 触发 TiKV 向 TiFlash 的 Learner 复制,副本就绪后优化器自动把聚合查询切到列存,全程没有 ETL,也不需要改任何查询语句。注意 playground 的数据放在临时目录,重启即重置,只适合体验;真要长期玩,用 tiup cluster 做一次本机部署即可。
8、选型边界:数据规模参考
分布式组件多、副本多,三副本起步意味着资源与运维成本有下限。数据量不大时上 TiDB,等于用大炮打蚊子:多数点查延迟比单机 MySQL 略高,机器与心智成本翻倍。经验参考如下。
| 场景 | 建议 |
|---|---|
| 单表千万行以内 | 单机 MySQL 调优索引即可 |
| 单表过亿且持续增长 | 分布式开始体现价值 |
| 多机房强一致高可用 | 多副本 Raft 是刚需 |
| 重分析但数据量不大 | 独立分析库更省更直接 |
再加两条判断线:一是备份恢复与大表 DDL 的时间是否已超出业务窗口;二是是否真的需要在线扩缩容与强一致多活。另外,团队是否有精力运维多组件集群也常被低估:PD、TiKV、TiFlash 与监控各是一组进程,出了问题得有能看懂的人。两条判断线都不满足时,先把单机 MySQL 用到极限再谈分布式不迟。
9、总结
TiDB 用计算存储分离的架构把 MySQL 生态抬进分布式与 HTAP 时代:TiDB Server 无状态可横向扩展,TiKV 以 Multi-Raft 提供强一致行存,TiFlash 实时列存让一条 DDL 就能开启分析加速;它兼容 MySQL 8.0 常用语法但不含存储过程与触发器,向量搜索与智能体生态又让它同时押注 AI。对于单表过亿、增长可见、需要在线弹性与强一致高可用的业务,建议先用 playground 跑一轮真实数据的迁移测试再做决定;小规模系统则继续用好单机 MySQL。
练手清单:
- 用 playground 拉起集群,把一张百万行的 MySQL 表迁入并对比查询耗时
- 为大表添加 TiFlash 副本,用 EXPLAIN 验证执行计划的切换过程
- 在 TiDB Cloud Starter 免费档建向量列,跑通一次相似度检索


