关于数据库:LBTree

56次阅读

共计 4317 个字符,预计需要花费 11 分钟才能阅读完成。

VLDB 论文浏览笔记

可间接看 LB+-Tree 局部。

论文题目

《LB+-Trees Optimizing Persistent Index Performance on 3DXpoint memory》

http://www.vldb.org/pvldb/vol13/p1078-liu.pdf

Minimizes the number of NVM Line writes and performs Logless insertions.

简介

3DXpoint 个性:

  • 应用 clwb,sfence 等指令,将数据从 cache 拷到 3DXpoint,会大大降低写性能。
  • 3DXPoint 内存外部数据存取粒度是 256B。等等

论文核心思想

在一个 cache line 中,批改的字数对 3DXpoint 的写性能没有影响。提出持久性索引 LB+-tree 来进步一次写入的字数,缩小写 NVM line 的次数。晋升 LB+-tree 插入性能的办法:

  1. Entry moving。在叶子节点的第一行创立更多空槽。

    • 思考插入新索引项,更新叶子节点的头。
    • best case:头部所在的行(即第一行)有空槽,则插入和更新需一次 NVM 行写入。
    • 另一状况:第一行已满,叶子节点的另一行找到空槽,更新头、写新项,需两次行写入。
    • 策略:将尽可能多的项从第一行挪动到要写入的行,以产生更多空槽。
  2. Logless node split。应用原子写(NAW)来缩小日志开销(先前的基于 NVM 优化的 B + 树应用日志来反对节点宰割)。
  3. Distributed headers。使得 (1)(2) 对 multi-256B 节点十分无效。

    • 对于 multi-256B 节点,先前的做法是将元数据信息放在在节点的头部。(元数据信息包含:标记空 / 满项的 bitmap、减速码搜寻的指纹)。然而当节点大小增大时,第一行的槽项数会缩小。该论文:在节点中,每 256 个 block 调配一个头。
  4. 前面证实
  • 在断电和过程解体的状况下,算法能保证数据一致性。
  • 微基准测试。插入操作,比照传统均衡树,NVM 行写入次数的缩小。
  • 零碎试验:X-engine,Memcached。

背景

3DXpoint 两种模式

  • 内存模式。DRAM 作为 3DXpoint 的 cache,主存容量和 3DXPoint 雷同,对不写内存的利用敌对。毛病:不反对持久性数据结构;更长的加载数据工夫,需先访 DRAM,缺失再访 3DXpoint。
  • app-direct 模式。DRAM、3DXPoint 与 CPU 直连,应用 PMDK(持久性内存开发工具)来装置文件系统。本文关注该模式。

论文三发现

  • 在一个 cache 行中,批改的字数对 3DXpoint 的写性能没有影响。先前数据比拟写:读硬件原始数据,比拟新的,仅写入批改的 bit,则写提早会比写整行要小。作者认为,目前的 3DXPoint 没有对数据比拟写进行优化。如其中一款 Intel 的,数据有加密,批改一个 bit 会扭转多个 bit。
  • 3DXPoint 内存外部数据存取粒度是 256B。cache line 是 64 个字节。读操作:3DXPoint 读 256 个字节,给 cache 64 个字节;写操作:3DXpoint 读 256 个字节,批改 64 个字节,再写 256 个字节。
  • 使用量低于 1 / 8 时,应用程序工作集变大,3DXPoint 性能升高。应用程序拜访的数据大于或等于 3DXPoint 容量的 1 /8,内存性能稳固。(因而试验需至多填满 1 /8)

数据一致性策略

一致性操作:缓存行 flush 指令(如 clwb)和内存栅栏指令(如 sfence),保障脏数据写回 NVM。开销大。

NVM 保证数据一致性的策略:logging , shadowing , PMwCAS , NVM atomic writes (NAW)。

  • logging:write-ahead logging。故障复原,依据日志。
  • shadowing:NVM 中新调配空间,拷贝要批改的数据结构,批改拷贝,再应用 NAW 切换。留神点:须仅有一个指针指向要批改的数据(B+ 树满足)。故障复原,指向新或旧的?
  • PMwCAS:兼顾数据一致性和无锁操作。

前三种办法,兴许比间接批改持久性数据结构开销大得多。

NAW

8B 写,后接 clwb(persist),sfence。8B 写是原子的。

证实一致性。……

对于某些数据结构,如 B + 树叶子节点,能够采纳多个两头可复原状态、多个 NAW 来保障一致性。

优化的 NVM B+ 树

  • 基于缓存优化,缓存行对齐。
  • 尽可能减少 NVM 写次数。如应用 bitmap,叶子节点不排序,能够缩小挪动的次数。
  • 应用 NAW 来保证数据一致性。如 WB+ 树,叶子结点蕴含间接数组,以辅助在无序叶子结点的排序。这和 bitmap 同,在插入时都须要 NAW 两次,是可复原的。
  • 非叶结点放入 DRAM 中。如,Oukid 的抉择一致性策略:将 FP-tree 的非叶结点放入 DRAM,叶子结点放 NVM(若出故障,可从叶子结点中复原非叶局部);搜寻码 1 字节指纹,SIMD 减速叶子搜寻。
  • 并发的 B + 树。
  • Bztree,应用 PMwCAS,实现无锁数据一致性。

对 3DXPoint 设计准则

  • 缩小 NVM 行写入的次数,而非字写入次数。
  • 叶子结点大小 256B 的倍数.
  • 齐全不应用日志,用 NAW 实现结点宰割。

LB+-Tree

构造

仿照 FP-tree。

  • 非叶结点放 DRAM,叶子结点放 3DXPoint。
  • lock 位:并发管制。alt:指明可选的兄弟结点。
  • 指纹:减速搜寻。hash(key):计算出 1 字节的指纹,应用 128bit 的 SIMD。
  • alt:抉择以后正在应用的指针
  • sibling ptr, 各 8B。无效的 sibling ptr 指向以后叶子结点的右兄弟指针。如果以后叶子结点为 NULL,则为 NULL。为什么要这样设计?

并发管制

仿照 FP-tree,联合 HTM(硬件事务存储)和 lock 位来实现并发管制。本试验用原语实现 HTM。

留神,缓存行 flush 指令不能兼容 HTM,因为 HTM 在事务提交前,须要在 cache 中放弃批改的 cache line。然而,在 3DXPoint 中,缓存行 flush 指令是必须的。用 lock bit 来解决。

index 操作达到叶子,查看 lock。若 lock=1,阐明已有 index 写操作锁住结点了,废止事务。若 lock=0,持续,读则读,写则先 lock=1,提交事务,再真正写(事务外写,应用 clwb)。

搜寻

  • 3,5,11 并发管制
  • xbegin(), xabort(), and xend() 别离为开始、废止、提交事务。胜利开始,返沪_XBEGIN_STARTED,若因 xbort()或硬件抵触,则继续执行 xbegin()
  • 搜非叶结点,查叶子结点
  • 应用 SIMD 匹配指纹,失去候选集
  • 查看 slot 是否非法,key 是否等

插入:缩小 line writes

与 header 同 line,需写一次 line;否则,需写两次。

将数据从 line0 移到其余 line 时,批改 header 的 bitmap 和指纹:16B dword。

证:256 结点 LB+-tree,若叶子结点有空槽,插入操作能保障叶子结点的数据一致性。

(只在 lineid 行找空槽)。

结点宰割

  • 调配新结点,将 14 个索引项中最大的 7 个拷到新结点的最初两个 line。
  • 替换兄弟结点,以在不扭转以后无效 指针的状况下,插入新叶子结点?(新的兄弟 1 指向旧的无效的兄弟结点的指向,旧的 alt 扭转,无效的指向新叶子结点)
  • 状况 1:插入到新叶子结点(17-18:leaf 的 bitmap 变了)
  • 状况 2:插入到旧叶子结点。20-23:先 persist 新叶和兄弟指针,插入项

(结点宰割之后旧结点没有马上将 line0 的挪动到 line2, line3)

一致性证实。

删除

查找,用 NAW 置空 bitmap 对应位。

一致性证实。

故障复原

一致性已证实。

出故障,扫描叶子,重建非叶。

multi-256B 结点

起因剖析

应用大结点的起因:非叶局部占更少 DRAM;内存带宽、内存控制器队列大小可能大于 256B。前面 4.2 局部,发现,512B 的叶子结点性能更好。

应用分布式头部的起因:

若应用集中式 (centralized) 头,一个头(蕴含 ​-bit map, ​ x1B 指纹, lock,alt 位),两个兄弟节点,​ x 16 B 的数据项。

则当结点大小为 512B,768B,1024B 时,头部大小别离为 32B, 49B, 66B,则 Line0 残余的数据项数目别离为 2,0,0。因为咱们的目标是缩小 NVM 写的次数,这种办法效率低。

应用分布式头部。

应用 H1 的起因:若无,则结点宰割时,需更新分布式头部,一个 NAW 无奈解决多个头部写,且可能要求日志记录。

因而在 2~m 块的开端引入可选头部。复用 alt,用来示意前后哪个头是无效的。??

写有效的头,再用一个 NAW 来批改第一个头部,切换兄弟结点和 2~m 块的头。该过程不需写日志。?

操作

  • 搜寻:指纹比拟,bitmap 查看,key 比拟。
  • 删除:间接更新第一个头部
  • 插入操作:寻找第一个非满 block,进行插入。若所有 block 均满,进行节点宰割。
  • 节点宰割:调配新节点;把一半的项拷到新节点;批改代替兄弟节点和代替头部;应用一个 NAW 去更新第一个 block 的头部;切换 alt

一致性证实。

代价剖析

试验

比照 B +tree,WB+tree,FP-tree。LB+Tree 基于后两者提出,但这两者没有 entry moving,须要写日志,且采纳集中式头部。LB+-Tree 则通过应用代替兄弟指针和代替头部实现无日志写。FP-Tree 和 LB+Tree 应用指纹数组反对 SIMD 查找,WB+tree 则应用间接数组来反对二分查找。

micro-benchmark

X-Engine 和 Memcached

其余

可能能够进挖的点?

  • 依据 3DXPoint 的 endurance,进行 wear-leveling。(本文 2.2 开端)
  • 第三发现的起因。作者解释:可能为 3DXPoint 内存模块的缓存机制。

没看懂的:

  • 论文提到的 PMwCAS。
  • 论文的并发管制??怪怪的。
  • 看看插入的代码吧
  • 为什么要设计两个兄弟指针?怎么实现无日志写的?
  • 插入、宰割的代码为什么要用 dword
  • 插入的代码为什么不须要 clwb leaf[to]所在的 line
  • muti-256B,节点宰割没看懂,具体的代码?(是将每个 block 的一半分给另一个节点吗?将整个 block 复制给新节点更高效吧?然而这如同和代价剖析局部矛盾了?)
  • 代价剖析。LB+ 的状况 leaf n 的计算,worst case,为什么有 3 个插入须要写 2 次,其余都是 1 次?
  • 插入 worst case 不思考数据迁徙的开销吗 — 思考的哦
  • 代价剖析。传统的 leafn 为什么要规定新的节点是填充在后面而不是前面的?
  • multi-256B 的状况,代价剖析?对照的是集中式头部 迁徙写 还是 分布式头部不迁徙写?看阐明,如同是前者?然而计算 又像是后者。
  • skip-list 跳表是什么?

正文完
 0