乐趣区

关于数据库:StoneDB-读写操作的执行过程

jiezi

背景介绍

StoneDB 是一款兼容 MySQL 的开源 HTAP 数据库。StoneDB 的整体架构分为三层，别离是应用层、服务层和存储引擎层。应用层次要负责客户端的连贯治理和权限验证；服务层提供了 SQL 接口、查问缓存、解析器、优化器、执行器等组件；Tianmu 引擎所在的存储引擎层是 StoneDB 的外围，数据的组织和压缩、以及基于常识网格的查问优化均是在 Tianmu 引擎实现。
本文次要为大家介绍 StoneDB 的读操作、写操作执行过程，不便大家理解引擎架构、外部逻辑和各个功能模块。

一、Tianmu 引擎架构

1 Tianmu 存储引擎在 Server 组件中的地位

2 Tianmu 引擎架构图

3 Tianmu 引擎各个模块介绍

Tianmu Parser

解析客户端传来的 SQL，进行关键字提取、解析，生成解析树。解析的词包含 select、update、delete、or、group by 等，对不反对的语法会向客户端抛出异样：ERROR：You have an error in your SQL syntax.
比方，执行如下语句：

select *  from user where userId =1234;

在分析器中就通过语义规定器将 select、from、where 这些关键词提取和匹配进去，MySQL 会主动判断关键词和非关键词，将用户的匹配字段和自定义语句辨认进去。这个阶段也会做一些校验，比方校验以后数据库是否存在 user 表，同时如果 user 表中不存在 userId 这个字段同样会报错：unknown column in field list.
解析入口：

parse_sql()

Tianmu Optimizer

对于来自客户端的申请，首先由查问优化器进行基于常识网格的优化，产生执行打算后再交给执行引擎去解决。基于常识网格中的信息进行粗燥集（Rough Set）构建，并确定此次申请所需应用到的数据包。
优化入口：

optimize_select()

Insert Buffer

InnoDB 的 insert buffer 是为辅助索引的插入做的优化设计，而 Tianmu 的 insert buffer 是为整张表的插入做的优化设计。当向表插入数据时，数据先暂存到 Tianmu 的 insert buffer，而后再从 insert buffer 批量刷新到磁盘，从零碎的体现来看是吞吐量进步了。如果不通过 insert buffer，而是间接写入磁盘，因为 Tianmu 不反对事务，只能一行接着一行往磁盘写入，零碎的吞吐量是不高的，插入效率诚然不高。Tianmu 的 insert buffer 由变量 stonedb_insert_delayed 管制，默认为 on 示意开启。
插入缓存入口：

Engine::insert_buffer

Knowledge Grid Manager

Tianmu 引擎利用常识网格架构来对查问优化器、打算执行和压缩算法等提供反对。常识网格是 Tianmu 引擎进行疾速数据查问的要害，在查问打算剖析与构建过程中，通过常识网格能够打消或大量缩小须要解压的数据块，升高 IO 耗费，进步查问响应工夫和网络利用率。对于大部分统计 / 聚合性查问，Tianmu 引擎往往只须要应用常识网格就能返回查问后果（而不须要读取数据），这种状况下在 1s 工夫内就能够返回查问后果。
入口函数：

RCAttr::ApproxAnswerSize
Knowledge Grid

Knowledge Grid，即常识网格，是 Tianmu 引擎进行疾速数据查问的要害，在查问打算剖析与构建过程中，通过常识网格能够打消或大量缩小须要解压的数据块，升高 IO 耗费，进步查问响应工夫和网络利用率。

KN Node

Knowledge Node（KN Node），即常识节点，除了根底元数据外，还包含数据特色以及更深度的数据统信息，常识节点在数据查问 / 装载过程中会动静计算。

DPN

Data Pack Node（DPN），即数据包节点，又叫元数据节点（Metadata Node，MD Node），与数据包（DP）之间放弃一一对应关系，数据包节点中蕴含了其对应数据包的元数据信息。
数据结构：

struct DPN{}

获取 DPN：

DPN &get_dpn
Data Pack

Data Pack（DP），即数据包，是存储的最底层，列中每份大小固定的单元组成一个数据块。
DP 是存储的最底层，列中每份大小固定的单元组成一个数据块。数据块比列更小，具备更好的压缩比率，又比磁盘默认存储单元单元更 大, 具备更好的查问性能。物理数据按固定数据块存储 (DP)、数据块大小固定 (典型值 128KB)、优化 IO 效率、提供基于块 (Block) 的高效压缩 / 加密算法。
获取 DP：

Pack *get_pack(size_t i)
CMAP

字符过滤，粗糙集过滤寻找可疑包，生成字符位图文件。

RSIndex_CMap::RSIndex_CMap;
HIST

整形过滤，粗糙集过滤寻找可疑包，生产直方图文件。

RSIndex_Hist::RSIndex_Hist

Replication Manager

StoneDB 复制引擎，StoneDB 自身与常见关系数据库的高可用架构一样（例如 MySQL），为了保障强一致性，都会将数据更新在 Master 上执行，而后通过复制技术将正本导入到 Slave 节点。然而与 MySQL 规范的 binlog 复制不同，Tianmu 引擎中存储的不是原始数据，而是压缩后的数据块（DP）。此时如果应用 binlog 的形式来进行复制，会导致网络上产生大量数据流量。为了解决这一点，Tianmu 实现了基于压缩后数据块的高效数据复制反对，绝对于 binlog 复制，该技术能够大大降低网络传输所需的数据量。

Compress&Decompress

数据压缩和解压模块，Tianmu 基于列数据类型和特定畛域优化的压缩算法，因为列中所有记录的类型统一，能够基于数据类型抉择压缩算法，列中反复值越高压缩成果越好。除了惯例的压缩算法外，针对非凡场景提供高效的压缩算法，如 Email 地址, IP 地址, URL 等。
压缩入口：

Compress()

解压入口：

CprsErr Decompress

二、读操作执行过程

对于来自客户端的申请，首先由查问优化器进行基于常识网格的优化，产生执行打算后再交给执行引擎去解决。

  • 基于常识网格中的信息进行粗燥集（Rough Set）构建, 并确定此次申请所需应用到的数据包（DP）。

  • 基于常识节点和数据包节点，确定查问波及到的数据包汇合，并将数据包归类:

    • 相干 DP：满足查问条件限度的 DP（间接读取并返回）；
    • 可疑 DP：DP 中局部数据满足查问条件（解压后进行解决再返回）
    • 不相干 DP：与查问条件齐全不相干（间接疏忽）。

执行打算构建时, 会齐全躲避不相干 DP，仅读取并解压相干 DP，依照特定状况决定是否读取可疑 DP。例如，对于一个查问申请，通过 Knowledge Grid 能够确定 3 个相干和 1 个可疑 DP。如果此申请蕴含聚合函数，此时只须要解压可疑 DP 并计算聚合值，再联合 3 个相干 DP 的数据包节点（DPN）中的统计值即可得出后果。如果此申请须要返回具体数据，那么无论相干 DP 还是可疑 DP，都须要读取数据块并解压缩，以取得后果集。

  • 如果查问申请的后果能够间接从 DPN 中产生（例如 count, max, min 等操作），则间接返回元信息节点中的数据，无需拜访物理数据文件。

    例如：SELECT count(*) FROM employees where salary < 2500：

  • 通过 Knowledge Grid 常识，查找蕴含 salary < 2500 的 DP，此处能够看到只有 A/B/C 三个 DP 波及到该查问。
  • DP A 与 B 属于相干 DP，只需间接从对应的 DPN 中获取 count 值即可。
  • DP C 属于不相干 DP，须要读取数据块并解压，执行函数计算后能力返回后果集。
  • 这里只有 DP C 会被读取并解压，DP A 与 B 并不耗费 IO 资源。

执行代码：

Engine::HandleSelect();

Engine::GetTableShare();
 
class ColumnShare;

ColumnShare::map_dpn();

ColumnShare::read_meta();

ColumnShare::scan_dpn();

TableShare::TableShare();

RCAttr::RoughCheck;

RSIndex_CMap::RSIndex_CMap;

CprsErr Decompress;

TempTable::SendResult();

三、写操作执行过程

来自客户端的申请通过连接器、分析器后，由查问优化器进行基于常识网格的优化，产生执行打算，通过数据的压缩、校验后再交给执行引擎去解决。
Tianmu 执行引擎将数据组织为两个档次：物理存储介质上的的数据块（Data Pack，DP），内存上的常识网格层（Knowledge Grid，KG）。
入口函数：

write_row
退出移动版