共计 5091 个字符,预计需要花费 13 分钟才能阅读完成。
写文章
InnoDB 中的页合并与分裂
胖懒鸭
Python Web 后端 / 努力成为 Redis 砖家
15 人赞同了该文章
原文标题:InnoDB Page Merging and Page Splitting
原文链接:https://www.percona.com/blog/2017/04/10/innodb-page-merging-and-page-splitting/
作者:Marco Tusa
译者:2014BDuck
博客地址:https://blog.2014bduck.com/archives/260
翻译时间:2019-12-22
如果你找过任何一位 MySQL 顾问,问他对你的语句和 / 或数据库设计的建议,我保证他会跟你讲主键设计的重要性。特别是在使用 InnoDB 引擎的情景,他们肯定会给你解释索引合并和页分裂这些。这两个方面与性能息息相关,你应该在任何设计索引(不止是主键索引)的时候都将他们考虑在内。
你可能觉得这些听起来挺莫名其妙,没准你也没错。这不是容易的事,特别是讲到关于内部实现的时候。通常你都不会需要处理这些事情,并且你也不想去着手他们。
但是有时候这些问题又是必须搞清楚的。如果有这种情况,那这篇文章正适合你。
我尝试用这篇文章将一些最不清晰、InnoDB 内部的操作解释清楚:索引页的创建、页合并和页分裂。
在 InnoDB 中,数据即索引(译注:索引组织数据)。你可能听过这种说法,但它具体是什么样的?
文件表(File-Table)结构
假设你已经装好了 MySQL 最新的 5.7 版本(译注:文章发布于 17 年 4 月),并且你创建了一个 windmills
库(schema)和 wmills
表。在文件目录(通常是/var/lib/mysql/
)你会看到以下内容:
data/
windmills/
wmills.ibd
wmills.frm
这是因为从 MySQL 5.6 版本开始 innodb_file_per_table
参数默认设置为 1。该配置下你的每一个表都会单独作为一个文件存储(如果有分区也可能有多个文件)。
目录下要注意的是这个叫 wmills.ibd
的文件。这个文件由多个段(segments)组成,每个段和一个索引相关。
文件的结构是不会随着数据行的删除而变化的,但段则会跟着构成它的更小一级单位——区的变化而变化。区仅存在于段内,并且每个区都是固定的 1MB 大小(页体积默认的情况下)。页则是区的下一级构成单位,默认体积为 16KB。
按这样算,一个区可以容纳最多 64 个页,一个页可以容纳 2 - N 个行。行的数量取决于它的大小,由你的表结构定义。InnoDB 要求页至少要有两个行,因此可以算出行的大小最多为 8000 bytes。
听起来就像俄罗斯娃娃(Matryoshka dolls)一样是么,没错!下面这张图能帮助你理解:
根,分支与叶子
每个页(逻辑上讲即叶子节点)是包含了 2 - N 行数据,根据主键排列。树有着特殊的页区管理不同的分支,即内部节点(INodes)。
上图仅为示例,后文才是真实的结构描述。
具体来看一下:
ROOT NODE #3: 4 records, 68 bytes
NODE POINTER RECORD ≥ (id=2) → #197
INTERNAL NODE #197: 464 records, 7888 bytes
NODE POINTER RECORD ≥ (id=2) → #5
LEAF NODE #5: 57 records, 7524 bytes
RECORD: (id=2) → (uuid="884e471c-0e82-11e7-8bf6-08002734ed50", millid=139, kwatts_s=1956, date="2017-05-01", location="For beauty's pattern to succeeding men.Yet do thy", active=1, time="2017-03-21 22:05:45", strrecordtype="Wit")
下面是表结构:
CREATE TABLE `wmills` (`id` bigint(11) NOT NULL AUTO_INCREMENT,
`uuid` char(36) COLLATE utf8_bin NOT NULL,
`millid` smallint(6) NOT NULL,
`kwatts_s` int(11) NOT NULL,
`date` date NOT NULL,
`location` varchar(50) COLLATE utf8_bin DEFAULT NULL,
`active` tinyint(2) NOT NULL DEFAULT '1',
`time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
`strrecordtype` char(3) COLLATE utf8_bin NOT NULL,
PRIMARY KEY (`id`),
KEY `IDX_millid` (`millid`)
) ENGINE=InnoDB;
所有的 B 树都有着一个入口,也就是根节点,在上图中 #3 就是根节点。根节点(页)包含了如索引 ID、INodes 数量等信息。INode 页包含了关于页本身的信息、值的范围等。最后还有叶子节点,也就是我们数据实际所在的位置。在示例中,我们可以看到叶子节点#5 有 57 行记录,共 7524 bytes。在这行信息后是具体的记录,可以看到数据行内容。
这里想引出的概念是当你使用 InnoDB 管理表和行,InnoDB 会将他们会以分支、页和记录的形式组织起来。InnoDB 不是按行的来操作的,它可操作的最小粒度是页,页加载进内存后才会通过扫描页来获取行 / 记录。
现在页的结构清楚了吗?好,我们继续。
页的内部原理
页可以空或者填充满(100%),行记录会按照主键顺序来排列。例如在使用 AUTO_INCREMENT
时,你会有顺序的 ID 1、2、3、4 等。
页还有另一个重要的属性:MERGE_THRESHOLD
。该参数的默认值是 50% 页的大小,它在 InnoDB 的合并操作中扮演了很重要的角色。
当你插入数据时,如果数据(大小)能够放的进页中的话,那他们是按顺序将页填满的。
若当前页满,则下一行记录会被插入下一页(NEXT)中。
根据 B 树的特性,它可以自顶向下遍历,但也可以在各叶子节点水平遍历。因为每个叶子节点都有着一个指向包含下一条(顺序)记录的页的指针。
例如,页 #5 有指向页#6 的指针,页#6 有指向前一页(#5)的指针和后一页(#7)的指针。
这种机制下可以做到快速的顺序扫描(如范围扫描)。之前提到过,这就是当你基于自增主键进行插入的情况。但如果你不仅插入还进行删除呢?
页合并
当你删了一行记录时,实际上记录并没有被物理删除,记录被标记(flaged)为删除并且它的空间变得允许被其他记录声明使用。
当页中删除的记录达到MERGE_THRESHOLD
(默认页体积的 50%),InnoDB 会开始寻找最靠近的页(前或后)看看是否可以将两个页合并以优化空间使用。
在示例中,页 #6 使用了不到一半的空间,页#5 又有足够的删除数量,现在同样处于 50% 使用以下。从 InnoDB 的角度来看,它们能够进行合并。
合并操作使得页 #5 保留它之前的数据,并且容纳来自页#6 的数据。页#6 变成一个空页,可以接纳新数据。
如果我们在 UPDATE 操作中让页中数据体积达到类似的阈值点,InnoDB 也会进行一样的操作。
规则就是:页合并发生在删除或更新操作中,关联到当前页的相邻页。如果页合并成功,在 INFOMATION_SCHEMA.INNODB_METRICS
中的 index_page_merge_successful
将会增加。
页分裂
前面提到,页可能填充至 100%,在页填满了之后,下一页会继续接管新的记录。但如果有下面这种情况呢?
页 #10 没有足够空间去容纳新(或更新)的记录。根据“下一页”的逻辑,记录应该由页#11 负责。然而:
页 #11 也同样满了,数据也不可能不按顺序地插入。怎么办?
还记得之前说的链表吗(译注:指 B + 树的每一层都是双向链表)?页 #10 有指向页#9 和页#11 的指针。
InnoDB 的做法是(简化版):
- 创建新页
- 判断当前页(页 #10)可以从哪里进行分裂(记录行层面)
- 移动记录行
- 重新定义页之间的关系
新的页 #12 被创建:
页 #11 保持原样,只有页之间的关系发生了改变:
- 页 #10 相邻的前一页为页#9,后一页为页#12
- 页 #12 相邻的前一页为页#10,后一页为页#11
- 页 #11 相邻的前一页为页#10,后一页为页#13
(译注:页 #13 可能本来就有,这里意思为页#10 与页#11 之间插入了页#12)
这样 B 树水平方向的一致性仍然满足,因为满足原定的顺序排列逻辑。然而从物理存储上讲页是乱序的,而且大概率会落到不同的区。
规律总结:页分裂会发生在插入或更新,并且造成页的错位(dislocation,落入不同的区)
InnoDB 用 INFORMATION_SCHEMA.INNODB_METRICS
表来跟踪页的分裂数。可以查看其中的 index_page_splits
和index_page_reorg_attempts/successful
统计。
一旦创建分裂的页,唯一(译注:实则仍有其他方法,见下文)将原先顺序恢复的办法就是新分裂出来的页因为低于合并阈值(merge threshold)被删掉。这时候 InnoDB 用页合并将数据合并回来。
另一种方式就是用 OPTIMIZE
重新整理表。这可能是个很重量级和耗时的过程,但可能是唯一将大量分布在不同区的页理顺的方法。
另一方面,要记住在合并和分裂的过程,InnoDB 会在索引树上加写锁(x-latch)。在操作频繁的系统中这可能会是个隐患。它可能会导致索引的锁争用(index latch contention)。如果表中没有合并和分裂(也就是写操作)的操作,称为“乐观”更新,只需要使用读锁(S)。带有合并也分裂操作则称为“悲观”更新,使用写锁(X)。
我的主键
好的主键不仅对于数据查找很重要,而且也影响写操作时数据在区上的分布(也就是与页分裂和页合并操作相关)。
在第一个测试中我使用的是是自增主键,第二个测试主键是基于一个 1 -200 的 ID 与自增值的,第三个测试也是 1 -200 的 ID 不过与 UUID 联合。
插入操作时,InnoDB 需要增加页,视为“分裂”操作:
表现因不同主键而异。
在头两种情况中数据的分布更为紧凑,也就是说他们拥有更好的空间利用率。对比半随机(semi-random)特性的 UUID 会导致明显的页稀疏分布(页数量更多,相关分裂操作更多)。
在页合并的情况中,尝试合并的次数因主键类型的不同而表现得更加不一致。
在插入 - 更新 - 删除操作中,自增主键有更少的合并尝试次数,成功比例比其他两种类型低 9.45%。UUID 型主键(图表的右一侧)有更多的合并尝试,但是合并成功率明显更高,达 22.34%,因为数据稀疏分布让很多页都有部分空闲空间。
在辅助索引与上面主键索引相似的情况下,测试的表现也是类似的。
总结
MySQL/InnoDB 不断地进行这些操作,你可能只能了解到很少的信息。但他们可能给你造成伤害,特别是比起用 SSD,你还在用传统的机械存储(spindle storage)的时候(顺便提一下 SSD 会有另外的问题)。
坏消息就是我们用什么参数或者魔法去改变服务端。但好消息是我们可以在设计的时候做很多(有帮助)的事。
恰当地使用主键和设计辅助索引,并且记住不要滥用(索引)。如果你已经预计到会有很多插入 / 删除 / 更新操作,规划一个合适的时间窗来管理(整理)表。
有个很重要的点,InnoDB 中你不会有断断续续的行记录,但是你会在页 - 区的维度上遇到这些问题。忽略表的管理工作会导致需要在 IO 层面、内存层面和 InnoDB 缓冲池层面做更多工作。
你必须不时(at regular intervals)重建一些表。可以采用一些技巧,比如分区和外部的工具(pt-osc)。不要让表变得过大和过于碎片化(fragmented)。
磁盘空间浪费?需要读多个表去获取需要的数据而不是一次搞定?每次搜索导致明显更多的读操作?那是你的锅,不要找借口!
Happy MySQL to everyone!
感谢
Laurynas Biveinis: 感谢花时间向我解释一些内部实现。
Jeremy Cole: 感谢他的项目 InnoDB_ruby (我经常用上)。
发布于 2019-12-22
[
Innodb
](https://www.zhihu.com/topic/1…
[
MySQL
](https://www.zhihu.com/topic/1…