大家應(yīng)該都看過《星際穿越》，里面有很多震撼人心的場(chǎng)景，我個(gè)人印象較為深刻的還是老教授鼓勵(lì)庫(kù)珀去探索太空、尋找人類宜居星球時(shí)念的那首詩(shī)：“Do  not  go  gentle  into  that  good   night…Though wise men at their end know dark is right…”，意思就是不要溫柔地走進(jìn)那個(gè)良夜。對(duì)于技術(shù)人來(lái)說(shuō)，數(shù)據(jù)庫(kù)系統(tǒng)底層硬件面臨著革新，我們也應(yīng)該去探索新技術(shù)，以更好地適配這些底層硬件，而不是停留在原地，因此我拿這句詩(shī)作為本次分享的開始。

[[212437]]

現(xiàn)代處理器及新型存儲(chǔ)的發(fā)展

1、現(xiàn)代處理器

先給大家介紹一下現(xiàn)代處理器及新型存儲(chǔ)的發(fā)展。大概從2005年開始，CPU的生產(chǎn)商就不再追求CPU的頻率而轉(zhuǎn)向多核技術(shù)研究，這里一個(gè)很重要的原因就是能耗和制造工藝上的問題，使得他們不能再單純地追求提升頻率。

在當(dāng)前普通的服務(wù)器上，配備幾十個(gè)處理核心的處理器已相當(dāng)常見，眾核的概念也開始流行起來(lái)。那什么是眾核？眾核，是在英文上有一個(gè)專門的詞，叫做many-core，跟單核是對(duì)應(yīng)的，主要是指集成了成百上千個(gè)處理核心的處理器。多核處理器大家可能很熟悉了，但大家有沒注意到memory-wall效應(yīng)這個(gè)現(xiàn)象呢？

以前CPU訪問一個(gè)內(nèi)存，大概只要一個(gè)時(shí)間周期的時(shí)間，現(xiàn)在需要上百個(gè)時(shí)間周期，訪問內(nèi)存成了一個(gè)比較昂貴的操作，特別是在如今大內(nèi)存和內(nèi)存計(jì)算這個(gè)環(huán)境下，memory-wall的效應(yīng)更加嚴(yán)重，所以怎么樣去克服，使得程序具有局部性，成為了最重要的一件事情，即如何克服memory wall的問題。

2、新型存儲(chǔ)設(shè)備

大家是否聽過非易失性內(nèi)存？英特爾剛剛推出的3D XPoint技術(shù)，就屬于這類范疇的技術(shù)，即內(nèi)存掉電了以后，數(shù)據(jù)不會(huì)丟失。它兼具磁盤和內(nèi)存的特性，結(jié)合了兩者的優(yōu)點(diǎn)，也就是具有磁盤的持久存儲(chǔ)特性和內(nèi)存的快速訪問，主要特點(diǎn)是非低失、低延時(shí)、大容量，以及讀寫不對(duì)稱。

大家可以想象一下，有了這種硬件以后，我們系統(tǒng)設(shè)計(jì)者需要考慮的東西就不再是所謂的I/O的問題了，而是可以專注地把注意力放在高性能計(jì)算上，通俗地講就是關(guān)注系統(tǒng)的擴(kuò)展性問題。

原理介紹

剛才所說(shuō)的新型存儲(chǔ)——非易失性內(nèi)存主要有以下四種實(shí)現(xiàn)，其中最為成熟、***市場(chǎng)前景的就是這個(gè)稱之為相變存儲(chǔ)的技術(shù)。

相變存儲(chǔ)器：材料可以在結(jié)晶狀態(tài)與非結(jié)晶狀態(tài)轉(zhuǎn)變

自旋磁矩：改變兩層磁性材料磁矩方向

鐵電材料：材料所形成的電荷高低，二元狀態(tài)

憶阻器：是一種有記憶功能的非線性電阻

根據(jù)國(guó)外工程師的逆向工程，英特爾的3D XPoint（傲騰），采用的就是這種技術(shù)。它的技術(shù)特點(diǎn)是利用相變材料，具有結(jié)晶和非結(jié)晶兩種狀態(tài)，這兩種狀態(tài)對(duì)應(yīng)著低電阻和高電阻，對(duì)應(yīng)著1和0。相比存儲(chǔ)器的單元結(jié)構(gòu)主要有以下部件組成：雙層的導(dǎo)熱片，然后加熱絕緣體，以及相變材質(zhì)。通過加熱器，對(duì)這個(gè)相變材質(zhì)進(jìn)行加熱，它就會(huì)呈現(xiàn)結(jié)晶和非結(jié)晶兩種狀態(tài)。其它的技術(shù)實(shí)現(xiàn)，有興趣可私下討論，這里就不多講了。

相關(guān)參數(shù)

主要還是PCM的技術(shù)，是目前最為重要的一種技術(shù)。我們來(lái)看一下它的參數(shù)，這里主要是一些相關(guān)文獻(xiàn)上摘取的數(shù)據(jù)，其中我們比較關(guān)注的是讀寫延遲、帶寬、壽命，以及密度（容量）。

從表格中可以看到，PCM和Flash相比，它的讀寫延遲要低兩個(gè)數(shù)量級(jí)，而它的壽命要高兩個(gè)數(shù)量級(jí)，并且容量的大小和Flash差不多，而跟內(nèi)存相比，它的讀延遲已經(jīng)是很接近了，但這個(gè)寫延遲和帶寬上還有差距，所以目前而言，PCM代替內(nèi)存是不可能的事情，而在一段時(shí)間內(nèi)這兩種存儲(chǔ)是會(huì)共同存在于計(jì)算機(jī)體系結(jié)構(gòu)中。

另外一個(gè)有意思的現(xiàn)象就是PCM的密度，它的容量要比內(nèi)存大2到4倍，而且在空閑功耗，即系統(tǒng)空閑的時(shí)候，這個(gè)功耗是內(nèi)存的1%。因?yàn)閮?nèi)存要不斷地去刷新，維護(hù)內(nèi)存單元里面的數(shù)據(jù)，所以這是一個(gè)很耀眼的特性，特別是對(duì)于數(shù)據(jù)中心而言。

DBMS的設(shè)計(jì)

我們都知道系統(tǒng)的底層硬件決定著上層軟件的設(shè)計(jì)，現(xiàn)在數(shù)據(jù)庫(kù)系統(tǒng)最主要的矛盾是飛速發(fā)展的硬件與始于上世紀(jì)70年代的數(shù)據(jù)庫(kù)系統(tǒng)的陳舊設(shè)計(jì)思想。眾所周知，磁盤I/O是那個(gè)時(shí)期系統(tǒng)性能的主要瓶頸，而該系統(tǒng)的設(shè)計(jì)者主要考慮的是自己怎樣把這個(gè)系統(tǒng)設(shè)計(jì)得更好，以規(guī)避這個(gè)磁盤I/O的問題。在我們的數(shù)據(jù)庫(kù)系統(tǒng)里面，同樣隨處可見這種設(shè)計(jì)思想。針對(duì)這種磁盤時(shí)代而提出的算法思想，在大并發(fā)下將會(huì)呈現(xiàn)相當(dāng)嚴(yán)重的性能問題。

這個(gè)研究是在2010年卡內(nèi)基梅隆大學(xué)的數(shù)據(jù)庫(kù)研究小組，對(duì)幾個(gè)開源數(shù)據(jù)庫(kù)的性能測(cè)試結(jié)果?？梢钥吹?，在多核處理器下這些數(shù)據(jù)庫(kù)系統(tǒng)的性能、擴(kuò)展性都不能夠令人滿意。這篇論文拉開了數(shù)據(jù)庫(kù)系統(tǒng)多核優(yōu)化的序幕，特別是開源軟件，例如MySQL、PG在該時(shí)期就開始重視多核擴(kuò)展性的問題，他們意識(shí)到原來(lái)在多核環(huán)境下，系統(tǒng)會(huì)有如此表現(xiàn)。

時(shí)間都去哪兒了呢？

那么，數(shù)據(jù)庫(kù)系統(tǒng)的事務(wù)執(zhí)行時(shí)間都耗費(fèi)到哪去了？下面是麻省理工大學(xué)的研究結(jié)論——數(shù)據(jù)庫(kù)系統(tǒng)大部分的時(shí)間都耗費(fèi)在緩存池管理、日志子系統(tǒng)上，只有12%左右的時(shí)間是耗費(fèi)在真正有用的工作上。

這些模塊當(dāng)中存在著大量的臨界區(qū)，這個(gè)臨界區(qū)設(shè)計(jì)得相當(dāng)粗糙，下面我們可通過分析一個(gè)代碼片段來(lái)進(jìn)行解析。在系統(tǒng)的設(shè)計(jì)上，經(jīng)常是一把大鎖，不假思索地加上去保護(hù)臨界區(qū)，幾百行的代碼。正如剛才看到的，在這種情況下，當(dāng)系統(tǒng)并發(fā)度起來(lái)時(shí)，數(shù)據(jù)庫(kù)系統(tǒng)的性能是相當(dāng)差的。

現(xiàn)代處理器下的數(shù)據(jù)庫(kù)技術(shù)

James Gray大家是否聽過呢？在現(xiàn)在數(shù)據(jù)庫(kù)系統(tǒng)里，跟事務(wù)相關(guān)的技術(shù)基本都是James Gray提出來(lái)的。但可惜的是，在2007年，他駕著一艘帆船出海，然后消失了。美國(guó)出動(dòng)了海軍陸戰(zhàn)隊(duì)都沒有找到他。作為一個(gè)神奇人物，他憑借著對(duì)數(shù)據(jù)庫(kù)事務(wù)的突出貢獻(xiàn)獲得圖靈獎(jiǎng)。

為了克服剛才所謂的內(nèi)存墻技術(shù)，James Gray曾說(shuō)過這么一句話：RAM Locality Is King，就是說(shuō)數(shù)據(jù)和程序行為的局部性才是克服CPU和內(nèi)存的速度不匹配的***武器。

RAM-Locality設(shè)計(jì)原則

數(shù)據(jù)庫(kù)里面主要采用以下幾種技術(shù)優(yōu)化性能，一種是列存儲(chǔ)技術(shù)。列存儲(chǔ)技術(shù)，主要用在OLAP，像MySQL、PG等OLTP型數(shù)據(jù)庫(kù)都是用行存儲(chǔ)技術(shù)。為什么要用列存儲(chǔ)技術(shù)呢？是因?yàn)檫M(jìn)行數(shù)據(jù)分析的時(shí)候，經(jīng)常會(huì)出現(xiàn)寬表或有幾百個(gè)字段的表，但通常只需要訪問表中的某一些字段，比如要訪問銷售字段，對(duì)銷售字段進(jìn)行累加，做一個(gè)聚集操作。采用列存儲(chǔ)，可以更好地優(yōu)化高速緩存的使用率，減少cache miss，克服內(nèi)存墻問題。

另外就是設(shè)計(jì)高速緩存友好的數(shù)據(jù)結(jié)構(gòu)或算法。像現(xiàn)在的數(shù)據(jù)庫(kù)采用一次一元組的查詢處理方式對(duì)程序局部性很不友好。

什么叫一次一元組呢？數(shù)據(jù)庫(kù)系統(tǒng)的查詢語(yǔ)句，都是翻譯成操作樹。在樹的節(jié)點(diǎn)之間，操作符通過get_next函數(shù)驅(qū)動(dòng)子節(jié)點(diǎn)獲取一條元組，遞歸調(diào)用下去，葉子節(jié)點(diǎn)將數(shù)據(jù)返回。函數(shù)的頻繁調(diào)用會(huì)產(chǎn)生嚴(yán)重的cache miss問題，所以現(xiàn)在新型的OLAP系統(tǒng)都是采用向量化查詢執(zhí)行引擎，上層操作符不再是一條一條數(shù)據(jù)地處理了，而是一批一批數(shù)據(jù)處理，減少函數(shù)調(diào)用的開銷和上下文的切換以***化數(shù)據(jù)和程序指令的局部性。此外，hash join也針對(duì)cache大小將hash table進(jìn)行劃分以增強(qiáng)數(shù)據(jù)與指令的數(shù)據(jù)性減少cache miss。

 一個(gè)例子

這是針對(duì)Cache友好而設(shè)計(jì)算法的例子。在PG 9.5之前，系統(tǒng)判斷事務(wù)活躍性或獲取系統(tǒng)快照時(shí)，要用到事務(wù)的起始時(shí)間、事務(wù)ID等。這些字段都放在PGPROC這個(gè)結(jié)構(gòu)體里，這個(gè)結(jié)構(gòu)體有25個(gè)成員，但做可見性判斷時(shí)，只需要用到幾個(gè)成員就夠了。因此采用這種設(shè)計(jì)系統(tǒng)會(huì)把其它無(wú)關(guān)字段讀入，污染其它c(diǎn)ache line，造成嚴(yán)重的cache miss以及Cache浪費(fèi)問題。所以后面他們就把用于可見性判斷等經(jīng)常訪問的字段放在另一個(gè)結(jié)構(gòu)體里面叫做PGXACT。打了這個(gè)補(bǔ)丁之后，在大并發(fā)下這個(gè)性能收益是相當(dāng)客觀的，性能數(shù)據(jù)如圖中右上紅色數(shù)據(jù)所示。

因此，針對(duì)Memory  Wall這個(gè)問題，設(shè)計(jì)cache友好的數(shù)據(jù)結(jié)構(gòu)與算法是一個(gè)很奏效的方法。

避免熱點(diǎn)與簡(jiǎn)化臨界區(qū)

針對(duì)多核的問題，我們還要避免熱點(diǎn)的問題，簡(jiǎn)化臨界區(qū)。就像我們經(jīng)?？吹降?，并發(fā)一大，系統(tǒng)性能就掉了下來(lái)。

這是微軟的內(nèi)存數(shù)據(jù)庫(kù)Hekaton的一個(gè)實(shí)驗(yàn)結(jié)果。截取了事務(wù)在提交時(shí)的一個(gè)時(shí)間戳。這個(gè)全局的原子操作都會(huì)導(dǎo)致這個(gè)性能的問題。但針對(duì)MySQL、PG這兩種數(shù)據(jù)庫(kù)，性能問題還遠(yuǎn)遠(yuǎn)輪不到像類似于這種原子操作來(lái)引發(fā)。

這就是我剛才所提到的問題，我們的磁盤數(shù)據(jù)庫(kù)的設(shè)計(jì)原則是優(yōu)化磁盤IO。事務(wù)在提交時(shí)，不需要刷臟，以避免隨機(jī)IO。我們有一個(gè)專門的術(shù)語(yǔ)，叫做No force，也就是說(shuō)事務(wù)提交時(shí)，不用去刷臟頁(yè)，但系統(tǒng)會(huì)把日志先刷下去。它這種集中式的設(shè)計(jì)，很容易導(dǎo)致性能的問題。針對(duì)更新密集型的工作負(fù)載，這個(gè)模塊的性能問題更加突出。

傳統(tǒng)的先寫日志的算法（Write-ahead Logging），PG也好、MySQL也好，一般分為三個(gè)步驟，首先獲取一把大鎖，保護(hù)shared  Log  Buffer的這個(gè)數(shù)據(jù)結(jié)構(gòu)；然后把日志記錄拷貝到相應(yīng)的日志緩沖區(qū)；***釋放這把鎖。這是最傳統(tǒng)的做法。

我們現(xiàn)在也跟社區(qū)里面去探討了是否可以廢棄集中式設(shè)計(jì)，采用分布式日志的問題。就是不采用一個(gè)日志管理器，轉(zhuǎn)而使用多個(gè)Log Buffer同時(shí)把日志序列號(hào)改成邏輯時(shí)間戳。

在PG9.4版本以前，就采用剛才那么一個(gè)粗放的形式，加一把大鎖，然后臨界區(qū)里面進(jìn)行搗鼓，例如長(zhǎng)度計(jì)算、拷貝日志、一些邊界檢查等。這個(gè)臨界區(qū)的代碼大概有300行左右。但后來(lái)他們發(fā)現(xiàn)這個(gè)模塊的性能問題實(shí)在太嚴(yán)重了。

解決的方法是把日志文件抽象成線性長(zhǎng)度，寫入日志時(shí)把位置預(yù)留出來(lái)。位置確定以后就把鎖放掉，因?yàn)橄到y(tǒng)知道往哪里去寫入數(shù)據(jù)，根本就不需要把日志拷過去再放鎖。并且事務(wù)之間可以并行地去拷貝日志。優(yōu)化以后，性能提升了大概20%到30%左右，PG社區(qū)里面有相應(yīng)的測(cè)試報(bào)告。

鎖管理器（鎖申請(qǐng)）

另外一種是數(shù)據(jù)庫(kù)里邏輯鎖的問題。數(shù)據(jù)庫(kù)里面的加鎖，是通過一個(gè)哈希表實(shí)現(xiàn)的，表里面的維護(hù)有很多鎖的信息。這個(gè)鎖其實(shí)就是一個(gè)標(biāo)記，例如要加一個(gè)行鎖，就把這個(gè)鎖的Table ID、Row ID拿過來(lái)作為key，然后哈希到這個(gè)鎖表里。同時(shí)標(biāo)記這個(gè)鎖屬于哪種類型，是共享鎖還是排他鎖等。

但在大并發(fā)或沖突比較嚴(yán)重的情況下，這個(gè)鎖表是會(huì)引發(fā)問題的。因?yàn)樗且粋€(gè)共享的數(shù)據(jù)結(jié)構(gòu)，很多事務(wù)都要跟鎖表打交道，頻繁地加鎖以及釋放鎖引發(fā)熱點(diǎn)問題。

PG 9.2采用了繼承鎖技術(shù)，把共享表級(jí)鎖緩存在本地，然后在事務(wù)之間傳遞，不用把共享表鎖歸還給鎖管理器，減少跟共享的數(shù)據(jù)結(jié)構(gòu)的交互，提高系統(tǒng)的并發(fā)性。

面向新型存儲(chǔ)的數(shù)據(jù)庫(kù)系統(tǒng)

接下來(lái)我們來(lái)探討一下面向新型存儲(chǔ)的數(shù)據(jù)庫(kù)系統(tǒng)。底層的存儲(chǔ)變了，數(shù)據(jù)庫(kù)系統(tǒng)架構(gòu)各方面肯定都要去改變。

這里我做了一下總結(jié)，NVRAM具有的六個(gè)主要特性：一種是可字節(jié)尋址，它的行為模式就相當(dāng)于內(nèi)存，可以字節(jié)尋址，而不再像磁盤采用Block尋址了，然后是閑時(shí)低功耗、使用壽命長(zhǎng)、非易失性、存儲(chǔ)容量大、快速地隨機(jī)讀寫。

目前而言，NVRAM接入DBMS主要有三種方式，最左邊的是我們傳統(tǒng)的數(shù)據(jù)庫(kù)系統(tǒng)架構(gòu)，維護(hù)兩個(gè)Buffer，一個(gè)是Log Buffer，另外一個(gè)是Data  Buffer。Log  Buffer是事務(wù)日志集中寫入的內(nèi)存區(qū)域；DATA  Buffer用于緩存數(shù)據(jù)頁(yè)，事務(wù)訪問數(shù)據(jù)時(shí)首先在這個(gè)buffer里面尋找所需的數(shù)據(jù)。MySQL里面的Buffer Pull就是指這個(gè)DATA  Buffer。

***種接入方式就是我們可以直接把它作為磁盤的替代直接拿過來(lái)，數(shù)據(jù)庫(kù)系統(tǒng)軟件不需要改動(dòng)。這種方式當(dāng)然是可以獲得收益，因?yàn)榈讓覫/O速度變快了，但沒有發(fā)揮它***的收益，軟件的復(fù)雜度還是在那里，不多不少。

第二種是作為日志的存儲(chǔ)，現(xiàn)在大家使用的機(jī)器內(nèi)存都很大了，我們的I/O基本上發(fā)生在一個(gè)地方，就是寫日志。為了不丟數(shù)據(jù)，日志是必須落盤的。把NVRAM作為日志存儲(chǔ)的設(shè)備，可以用比較小的代價(jià)獲得比較好的收益，第二種接入方式就是把它作為日志存儲(chǔ)，而設(shè)計(jì)相應(yīng)的算法與優(yōu)化臨界區(qū)。

第三種方式，是全系統(tǒng)接入的，系統(tǒng)經(jīng)過全面的改造，把數(shù)據(jù)放在NVRAM。這個(gè)可以跟第二種接入方式對(duì)比一下，系統(tǒng)不再維護(hù)Log  Buffer這個(gè)數(shù)據(jù)結(jié)構(gòu)，完全被廢棄掉。

write-behind logging

CMU在VLDB 2017剛剛發(fā)表的研究稱之為，write-behind logging，就是NVRAM全系統(tǒng)接入的一種方式。他們的idea是，write-ahead Logging是磁盤時(shí)代的算法，現(xiàn)在我不用先寫日志了。先寫日志的問題就是數(shù)據(jù)庫(kù)系統(tǒng)宕掉以后，可能需要很長(zhǎng)時(shí)間地去恢復(fù)。它為了避免隨機(jī)IO不將數(shù)據(jù)刷盤，轉(zhuǎn)而順序?qū)懗鋈罩?。系統(tǒng)恢復(fù)時(shí)要先拿到一個(gè)檢查點(diǎn)，然后從檢查點(diǎn)開始去掃描日志，把日志記錄拿出來(lái)，一條條地重放。數(shù)據(jù)量大的時(shí)候，這是相當(dāng)耗時(shí)的一個(gè)工作。

他們針對(duì)NVRAM提出一個(gè)新算法稱之為write-behind Logging，就是事務(wù)提交的時(shí)候，直接把臟頁(yè)寫入NVRAM（因?yàn)镹VRAM的隨機(jī)IO也是相當(dāng)快的）。臟頁(yè)刷盤以后，再去寫日志。

他們所設(shè)計(jì)的日志記錄是這樣子，不用再去構(gòu)造什么After-image，直接就寫上事務(wù)提交的時(shí)間區(qū)間(Cp,Cd)就行了。小于CP這個(gè)時(shí)間點(diǎn)的事務(wù)都已經(jīng)提交了，而落在這個(gè)時(shí)間區(qū)間（Cp，Cd）里面的事務(wù)，就是還沒有提交的。在事務(wù)恢復(fù)的時(shí)候，系統(tǒng)知道這個(gè)時(shí)間區(qū)間的事務(wù)沒有提交，對(duì)其它事務(wù)不可見。系統(tǒng)沒有必要去進(jìn)行Redo操作了，因?yàn)閿?shù)據(jù)都已經(jīng)持久化。系統(tǒng)崩潰恢復(fù)時(shí)，需要一趟掃描日志，建立崩潰時(shí)候的時(shí)間區(qū)間（檢點(diǎn)可以減少需要掃描的日志量）。建立這個(gè)時(shí)間窗口相當(dāng)于undo操作。

TPC-C benchmark

他們對(duì)采用不用算法的系統(tǒng)的恢復(fù)時(shí)間做了一個(gè)比較，可以看到write-behind Logging的恢復(fù)時(shí)間，大概可以達(dá)到即時(shí)恢復(fù)的效果。系統(tǒng)起來(lái)，馬上就可以對(duì)外提供服務(wù)，但這個(gè)協(xié)議是專門針對(duì)非易失性內(nèi)存而設(shè)計(jì)的，在這個(gè)磁盤SSD上，性能比較差。在這個(gè)NVM上，WBL的性能有30%左右的提升。

總結(jié)

應(yīng)用需求、行業(yè)數(shù)據(jù)以及計(jì)算機(jī)硬件是拉動(dòng)這個(gè)數(shù)據(jù)庫(kù)系統(tǒng)發(fā)展的三駕馬車；

在這個(gè)多核與內(nèi)存計(jì)算的時(shí)代下，系統(tǒng)設(shè)計(jì)人員更應(yīng)該將精力放在系統(tǒng)的擴(kuò)展性上，更應(yīng)該注重?cái)?shù)據(jù)訪問的局部性，克服所謂的內(nèi)存墻問題；

此外，NVM的出現(xiàn)可能會(huì)顛覆系統(tǒng)架構(gòu)。它的出現(xiàn)使得系統(tǒng)設(shè)計(jì)人員可以將注意力完全地從I/O上移除，專注系統(tǒng)擴(kuò)展性設(shè)計(jì)。

狄更斯說(shuō)：“這是最壞的時(shí)代，同時(shí)也是***的時(shí)代”，這個(gè)時(shí)代給了我們挑戰(zhàn)，同時(shí)也為數(shù)據(jù)庫(kù)系統(tǒng)從業(yè)人員帶來(lái)了機(jī)遇！