本文内容及分析，根据公开技术资料整理
1. AWS Aurora（shared storage）
- 整体思路：log is data，InnoDB中1个page是16KB，而redo只记录了真实的数据变更，因此，事务中data page变更量远大于redo的数据量，通过规避写data page，达到减少网络IO的目标，具体的，计算节点只将redo写到存储层，由存储层负责从redo中构建出data page
- 计算层：1个primary节点，多个replica节点，写数据时，计算节点与多个存储节点交互，至少4/6个存储节点返回才能成功
- 存储层：按照设计，Aurora一共存储有6份数据，除了存储功能外，存储节点有计算逻辑，应用redo以构建出data page，存储节点之间有gossip做数据同步的兜底，但不依赖raft/paxos之类的数据同步机制，后文会提到，这点和CynosDB不同
2. Aliyun PolarDB（shared disk）
- 整体思路：本质是共享存储的思路，其存放了所有的data page和redo log，因为data page需要写到共享存储，网络IO开销远大于Aurora，PolarDB引入了RDMA技术来优化这个问题
- 计算层：1个primary节点，多个replica节点，写入数据时，primary节点将data page和redo写到存储leader，并会向replica节点同步状态变更，replica节点从存储节点中获取最新的redo，完成buffer pool中的数据更新
- 存储层：存储节点之间通过parallel-raft协议同步数据，组成PolarStore，挂载到所有计算节点下，有点类似于NFS，相对Aurora，PolarDB的存储节点没有计算逻辑
3. Tencent CynosDB（shared storage）
- 整体思路：log is data，思路更接近Aurora，计算节点只将redo写到存储层，存储层从redo构建出data page，减少计算层与存储层的网络IO
- 计算层：1个primary节点，多个replica节点，计算节点将redo写入到存储层的同时，会同步给replica节点，以便replica更新buffer pool中数据
- 存储层：基于TXStore分布式存储（通过raft协议复制数据），但加入了计算逻辑，接收计算节点写入的redo，异步重放，生成data block/page
总结：
- Aurora是log is data的思路，计算节点只写入redo到存储层，存储层负责应用redo生成data page，写入数据时，计算节点需要与多个存储节点交互，4/6成功后才能返回，优势是通过并发的方式可以做到只有1跳网络延迟
- PolarDB是共享存储的思路（share everything），事务的data page和redo由计算节点写入到分布式文件系统PolarFS，通过RDMA技术优化写data page带来的网络IO问题
- CynosDB整体思路上是类似Aurora的，log is data，计算层只将redo写入到存储层，存储层应用redo来生成data page，但与Aurora不同的是，存储层TXStore是通过raft机制做数据同步的，写入会由leader将数据复制到replica节点，因此会有2跳网络延迟，但是简化了写入逻辑
- 上述云原生数据库能够快速扩容，在于计算层能够快速垂直/水平扩展，没有传统主从集群搭建备库时的数据加载过程
参考：
- Amazon Aurora 读后感，https://zhuanlan.zhihu.com/p/30159571
- https://www.percona.com/live/18/sessions/polardb-innodb-based-shared-everything-storage-solution
- 阿里云新一代关系型数据库 PolarDB 剖析，https://www.infoq.cn/news/2017/08/ali-polardb/
- 感恩节腾讯黑科技CynosDB深度技术内幕分析，https://zhuanlan.zhihu.com/p/50731221
- 腾讯云TDSQL-C架构解析，https://mp.weixin.qq.com/s/sl4sHjowf1wwzet82YQkkg
- 腾讯新一代企业级云数据库 CynosDB(NewCDB) 了解下，https://www.infoq.cn/article/WFRvwMV3I3S3VeDwYVT2
- 华为9月发布的Taurus分布式数据库和AWS Aurora对比，https://zhuanlan.zhihu.com/p/29182627