高级数据库八：不需要锁和闩的索引（一）

不需要锁和闩的索引（Latch-free OLTP Indexes Part I）

T-Trees

T-Trees 是一种基于AVL树的数据结构，它的设计是人们针对内存数据库做的优化。

不像B-Trees 系列在硬盘上那样存储大量的信息，包括索引、值等等，T-Trees 利用了所有数据都已经在内存中的这个条件，它存储的是指向数据的指针。这样可以有效地减少overhead，具有较高的节点空间占有率；平衡二叉树的实现也更加简单。

但是它在形成之后更难去维护平衡，也更难完成安全的并发访问。

上图是一个T-Trees的示意图，它有指向左右孩子和父亲节点的指针，中间三个指针（多个指针）是按顺序值的排序的，最边上表示的是子树的边界值（唯一存值的地方），inclusive。

跳表（Skip Lists）

实现有序动态索引的最简单方法是使用排序的链接列表。
所有的操作都要进行线性搜索，那么平静时间复杂度是$O(N)$。

那么就可以使用跳表，大家可以直接去百度一下具体的讲解。

搜索的复杂度是$O(log\ N)$。

跳表的优点是：

1. 插入删除时不需要维护平衡
2. 占用较小的内存
3. 有可能只需要用CAS指令就能够实现跳表的并发访问

关于CAS指令的并发操作
以INSERT K5为例子，在这儿我只讲了一些操作思想，具体的实现可以看看跳表的源代码

1. 第一层，K4直接就是连接到K6；第二层，K4直接连接到无穷；
2. 将K5的节点初始化，但是不做任何连接，如图中第二层，第三层所示；
3. 将第一层的K4连接到K5，K5连接到K6，只需要交换指针即可；
4. 同理对应剩下的层数。

删除的话，就打了一个标记，暂时做逻辑删除

然后再从上往下将它的连接断开。

跳表的缺点是：

1. 对缓存不友好，没有对局部引用进行优化（可以在一个节点中存储多个key和value
2. 每次插入多次调用随机数发生器很慢
3. 无法反向查询（可以用stack做

关于stack的操作，这一段我有点没听明白。以下是我的分析和理解，不一定对。
我一开始以为反向查询指的是，我们在查询的过程中，会有返回上一个位置，并查询下一层的操作（大家注意看查找19的那张图，有一个反向的操作）。如果是这样的操作，就非常类似递归调用，只是这儿通过的是手工栈来实现的。
在ACM竞赛中为啥用手工栈的原因有很多，比如，程序自己的递归栈存的东西较多，也需要调用与传参，空间时间有一定损耗；程序的栈递归深度有限，且程序栈区的内存分配较小。这儿用的原因我就不懂了。
但是我可以清楚地知道，如果使用的是双向链表来实现上一个节点的记录，这样内存就凭空多了一个$O(N)$，显得非常蠢。
在看到下图的时候，我大概有一点猜想

stack可以用于存储一个range query的过程，而这个过程在SQL中定义了ORDER BY，且这个ORDER是按照存储的逆序排序的。
这儿放上一个代码链接，在这个代码里有MemSQL关于跳表的一些说明，同时也说到了stack的问题，大家可以去看看。

Index Implementation Issues

内存池（Memory Pools）

我们在插入和删除节点的时候，我们不可能每次都调用一个malloc和free，这样的效率非常非常低。所以我们干脆先申请一大块内存，这一大块内存就是内存池。

内存池的使用非常广泛，而且也需要一定的策略去维护它，维护包括，resize，reorganize等等。

垃圾回收（Garbage Collection）

我们需要知道什么时候才能对一个已经标记删除的节点重新使用。

如果你在还没有将K2的指针指到K4，就直接将K3的内存用于别的事情，那么K2的指针就变成悬挂指针了，而K4就变成了孤岛。

计时器

为每个节点维护一个计数器来跟踪正在访问的线程数。

• 访问前增加计数器。
• 完成后减少。
• 计数为零时，节点能安全删除。

但是这个在多核CPU上表现非常糟糕，因为大量的加减操作会导致缓存的一致性错误。

周期垃圾回收

用类似Read-Copy-Update (RCU)的技术，每一个周期（比如，10ms），统计哪些线程访问了这个索引。

在一个周期的内标记这个节点已经被删除，组织其他线程访问，在所有其他已经进入的线程退出的情况下，就可以删除该节点。

不唯一索引（NON-UNIQUE INDEXES）

存储多个键/值

用链表存值

类似用hash表的链式存储解决冲突

参考资料

课件