mysql innodb 数据打捞（一）innodb 页面结构特征

如果文件系统损坏或意外删除了数据库文件，只要磁盘空间没有被覆盖，其实数据都还在磁盘的扇区中，还是可以恢复出来的，有些通用的文件恢复工具好象也可以恢复文件 ，但这里要研究的是在通用文件 恢复工具失效的时候。

innodb文件是按页保存的，这为打捞工作提供了非常有利的条件，页面具有一些特征，我们可以根据页面特征来把数据页从磁盘中提取出来，也就是数据打捞。

决大多数内容都是抄自网络，但也有错误，2016.0505 20：49

Innodb表空间的概念：
表空间，数据文件的集合，在innodb就是idb文件集合.
一个表空间可以有多个idb文件 组成；
innodb会对数据文件每16k进行编号（从0开始），作为该页的页号，并且相邻文件的编号是也是连贯的;
Innodb使用表空间id来区分不同的表空间，共享表空间的id总是为0，其他独立表空间的id依次递增。那么，某个页面的唯一标识就是<strong>(space_id, page_no);</strong>
（ps：昨天我扫描我电脑上的ibdata1）

首先，我们需要知道innodb文件页面结构和结构中每个部分的特征；
页面整体结构，图片来源网络（http://www.cnblogs.com/vinchen/archive/2012/09/10/2679478.html）

<span style="font-size: x-large;"><img class="alignnone size-medium wp-image-159" src="http://www.veryjuly.com/blog/wp-content/uploads/2016/05/2012091022353013-300x220.jpg" alt="2012091022353013" width="300" height="220" /></span>

1. 页头（Page Header）：记录页面的控制信息，共占150字节，包括页的左右兄弟页面指针、页面空间使用情况等，

（上面的150可能是错误的，应该是38+36+20＝94，这个位置基本就到最小虚记录了）

2. 最小虚记录、最大虚记录：两个固定位置存储的虚记录，本身并不存储数据。最小虚记录比任何记录都小，而最大虚记录比任何记录都大。

3. 记录堆（record heap）：指上图的橙黄色部分。表示页面已分配的记录空间，也是索引数据的真正存储区域。记录堆分为两种，即有效记录和已删除记录。有效记录就是索引正常使用的记录，而已删除记录表示索引已经删除，不在使用的记录，如上图的深蓝色部分。随着记录的更新和删除越来越频繁，记录堆中已删除记录将会越多，即会出现越来越多的空洞（碎片）。这些已删除记录连接起来，就会成为页面的自由空间链表。

4. 未分配空间：指页面未使用的存储空间，随着页面不断使用，未分配空间将会越来越小。当新插入一条记录时，首先尝试从自由空间链表中获得合适的存储位置（空间足够），如果没有满足的，就会在未分配空间中申请。

5. slot区：slot是一些页面有效记录的指针，每个slot占两个字节，存储了记录相对页面首地址的偏移。如果页面有n条有效记录，那么slot的数量就在n/8+2~n/4+2之间。下一节详细介绍slot区，它是记录页面有序和二分查找的关键
6. 页尾（Page Tailer）：页面最后部分，占8个字节，主要存储页面的校验信息。

页面中的页头，最大/最小虚记录以及页尾都是页面中有固定的存储位置。
<div>特征主要在Page Header中，但文件 数据部分也有些特征，文件尾也可能是一个特征；</div>
Page Header结构与特征：(分成通用头和不同页类型的头)
*通用页头：表示所有页面都使用的页头，占38个字节；
*数据页头：接下来的112个字节是数据页头，表示数据页的头信息，（根据通用头中不同的页类型这里是不同的头，但我们打捞数据时更关心数据页头，因为数据都保存中数据页中，也就是页类型为FIL_PAGE_INDEX）
数据页页头的总大小为38+112=150字节；

通用页头：（源码中有关通用头的定义在文件 ：file0fil.h中）

通用页头共占38个字节，依次为。
*页面checksum值（4字节）：页面内容的校验值，用于校验页面内容的合法性和可靠性，
（如果能找出算法，数据打捞时判断页面将是一个很有效的字段）

•页号（4字节）：页面在表空间的页号
•左兄弟页面的页号（4字节）：上一篇第一节介绍了B+树的基础内容，提到相同层次页面是通过一个双向链表连接起来的。而左兄弟页号就是该页在链表中的左兄弟页号。当然，左右兄弟页面都必须属于同一表空间。
•右兄弟页面的页号（4字节）：同上，右兄弟页号。

*页面LSN（8字节）：页面最后一次修改的LSN值，用于页面刷盘和恢复。LSN是一个递增的日志序列号。
*页面类型（2字节）：innodb有若干种页面类型，通过这个可以区分，数据页面页面类型都为FIL_PAGE_INDEX（17855）。
（17855很有意思呀，简直就是为数据打捞准备的，数据都是保存在这人h类型的页面中的，我们要的就是这个类型的页面，理论只靠这个标志就可以让垃圾块出现的几率小到1/64K,按簇大小4K算，每256G的磁盘才会出现一个垃圾块）

•文件刷盘LSN（8字节）：只有共享表空间各文件首页使用，记录服务器正常结束的LSN值，一般只用于检查和校验
如果是这样，也就是说正常的数据页不用吗，那这样就又是一人h标识）
•表空间ID（4字节）：表空间ID；（如果表空间从0开始的话，那么正常的数据库表空间ID都不会在y大，这也许也是个判断依据。）
2.2 数据页头
数据页头共占112个字节，成员比较多，也相对复杂些，由低字节到高字节，包括一下成员：

PAGE_N_DIR_SLOTS（2字节）：指slot区的slot的个数，每个slot两个字节。
PAGE_HEAP_TOP（2字节）：堆顶指针，未分配空间的首地址
（如果是相对页的位置，那么应该在页头之后）

PAGE_N_HEAP（2字节）：记录堆内记录数，包括已删除记录和最大最小虚记录。因此，初始化为2。第15 bit为1表示row_format=compact

PAGE_FREE（2字节）：第一个已删除记录偏移。所有已删除记录连接在一起成为自由空间链表。
（又是偏移，可以判断一下了）

PAGE_GARBAGE（2字节）：已删除记录占用的总字节数，即记录堆内已删除的总空间大小。
PAGE_LAST_INSERT（2字节）：最后一次插入记录的偏移
PAGE_DIRECTION（2字节）：页面最后一次的插入方向，如果本次插入比上次插入的值大就是PAGE_RIGHT，反之就是PAGE_LEFT；

PAGE_N_DIRECTION（2字节）：相同插入方向的连续插入次数
PAGE_N_RECS（2字节）：页面有效记录数
PAGE_MAX_TRX_ID（8字节）：最后一次改变页面的事务ID，仅在二级索引中有效，用于二级索引记录MVCC多版本可见性判断。

PAGE_LEVEL（2字节）：页面在索引中的层次，叶子节点层次为0。
PAGE_INDEX_ID（8字节）：页面所属索引的ID。
（这个在数据恢复中很重要，）
PAGE_BTR_SEG_LEAF（10字节）：叶子节点段头inode信息，仅在B+树的根页有效
PAGE_BTR_SEG_TOP（10字节）：内节点段头inode信息，仅在B+树的根页有效
数据页头的成员较多，PAGE_N_DIR_SLOTS、PAGE_N_HEAP、PAGE_N_RECS比较简单，主要

4. 页尾
页尾是页面的最后8个字节，包括两部分，主要用于页面内容的校验，其中包括：

OLD_CHKSUM：4字节，页尾的checksum值，与通用页头的页面checksum值使用不同的算法。
LSN_LOWER_4BYTES：4字节，记录通用页头中页面LSN的低四字节。
通过页头的页面checksum值、页面LSN和页尾的OLD_CHKSUM、LSN_LOWER_4BYTES可以判断一个页面是否corrupted，判断算法是（详见函数buf_page_is_corrupted）：

1. 判断LSN_LOWER_4BYTES是否等于页面LSN的低四字节，若不相等，返回TRUE。

用于页面计数，每次页面插入、更新或删除记录，都有可能影响这些值。而其他页头可以通过一些具体操作介绍其关键作用。

转载于:https://www.cnblogs.com/veryjuly/p/5452528.html