了解数据库中常用存储引擎数据结构（2）

水w

于 2024-08-15 22:40:03 发布

阅读量832

点赞数 20

分类专栏： # 数据库文章标签：数据库数据结构 mysql sql

本文链接：https://blog.csdn.net/qq_45956730/article/details/141232995

版权

数据库专栏收录该内容

27 篇文章 0 订阅

订阅专栏

深入了解B树及其变种

先把我们要解释的B树变种都列出来，B树的变种主要有B+树、B*树、B-Link树、COW B树、惰性B树、Bw树等。

下面具体来分析这些变种的优势和发展趋势。

BTree

下图是原始 BTree 的结构，

可以注意到：在 BTree 中，每个数据只存储一份。

如果要进行全表扫描，则需要中序遍历整个 BTree，因此会产生大量的随机 IO，性能不佳。所以基本上没有直接使用 BTree 实现存储结构的。

BTree 早期有两个变种：

B+Tree
B*Tree

B+Tree

相比于 BTree，B+Tree 的数据按照键值大小顺序存放在同一层的叶子节点中（和上面 BTree 中在非叶子节点也存放数据不同），各个叶子节点按照指针连接，组成一个双向链表。

因此，对于 B+Tree 而言，其非叶子节点仅仅作为查找路径的判断依据，一个 key 值可能在 B+Tree 中存在两份（仅 Key 值）。

B+Tree 的结构解决了 BTree 中中序遍历扫描的痛点，在一定程度上也能降低层数。

**B*Tree**

B*Tree 是 BTree 的另一个变种，其最关键的一点是将节点的最低空间利用率从 BTree 和 B+Tree 的 1/2 提高到了 2/3，并由此改变了节点数据满时的处理逻辑。

我们知道，BTree 和 B+Tree 的空间利用率为 1/2，即：当它们的叶子节点满而分裂时，默认状态下会分裂为两个各占一半数据的节点；

而 B*Tree在一个节点满了却又有新的数据要插入进来时，它会将其部分数据搬迁到下一个兄弟节点，直到两个节点空间都满了，就在中间生成一个节点，三个节点平分原来两个节点中的数据。

B*Tree 的思想主要是：将当前节点和兄弟节点相关联。

B*Tree 的这种设计虽然可以提升空间利用率，对减少层数、提升读性能有一定的帮助，但这种模式增加了写入操作的复制度；

而且向右兄弟节点搬迁数据的过程也要视作为一种 SMO 操作，对写入和并发能力有极大的损耗！因此，B*Tree 并没有被大量使用。

BTree并发机制

这里以 MySQL InnoDB 存储引擎为例，讲述基于 B+Tree 的存储引擎是如何通过 Latch 进行并发控制的。

在 MySQL 5.6 之前的版本，只有写和读两种 Latch，被称为 X Latch 和 S Latch。

对于读的过程，

首先要在整个索引上添加 Index S Latch。
再从上至下找到要读的叶子节点的 Page，然后上叶子节点的 Page S Latch。
这时就可以释放 Index S Latch了。
然后进行查询并返回结果，最后释放叶子节点中的 Page S Latch，完成整个读操作。

对于写的过程，

首先进行乐观的写入，即：假设写入操作不会引起索引结构的变更（不触发 SMO 操作）。
- 要先上整个索引的 Index S Latch，再从上至下找到要修改的叶子节点的 Page，此过程和上面的读取步骤相同！
- 接下来判断叶子节点是否安全，即：写入操作是否会触发分裂或者合并；
- 如果叶子节点 Page 安全，就上 Page X Latch，并释放 Index S Latch，然后再修改数据即可。
- 完成乐观写入过程。
如果叶子节点 Page 不安全，那么就要重新进行悲观写入。
- 释放一开始上的 Index S Latch，重新上 Index X Latch，阻塞对整棵 B+Tree 的所有操作。
- 然后重新搜索，并找到要发生结构变化的节点，上 Page X Latch，再修改树结构，此时可以释放 Index X Latch。
- 完成悲观写入过程。

从前面的分析可以看出来，上面加锁的缺点非常明显：在触发 SMO 操作过程时，由于会持有 Index X Latch 锁住整棵树；此时所有操作都无法进行，包括读操作。

因此，在 MySQL 5.7、8.0 版本中，针对 SMO 操作会阻塞读的问题，引入了 SX Latch。

SX Latch 介于 S Latch 和 X Latch 之间，和 X Latch、SX Latch 冲突，但是和 S Latch 不冲突（可以理解为类似RWLock）。

下面来看一下引入 SX Latch 之后的并发控制方案。

对于读操作而言，

相比于 MySQL 5.6 之前，这时读步骤主要加上了对查找路径上节点的锁。这是因为在引入了 SX Latch 之后，发生 SMO 操作的时候，读操作也可以进行。
此时为了保证读取的时候查找路径上的非叶子节点不会被 SMO 操作改变，因此就需要对路径上的节点也加上 S Latch。

写的过程和上面类似，

一样是先进行乐观写，
- 由于此时假设只会修改叶子节点，因此，乐观写的查找过程和读操作一致：添加整个索引的 Index S Latch 和读取路径上节点的 Page S Latch 即可！
- 接下来判断叶子节点是否安全，如果叶子节点 Page 安全，则上 Page X Latch，同时释放索引和路径上的 S Latch，然后再修改即可。
但是如果叶子节点的 Page 不安全，这需要重新进行悲观写入。
- 释放一开始上的所有 S Latch，这时我们上 Index SX Latch，然后重新搜索，找到要发生结构变化的节点，上 Page X Latch，再修改树结构，此时就可以释放 Index SX Latch 和路径上的 Page X Latch。
- 随后即可完成对叶子节点的修改，返回结果，并释放叶子节点的 Page X Latch。
- 完成悲观写入过程。

我们可以知道，B+Tree 的问题在于：其自上而下的搜索过程决定了加锁过程也必须是自上而下的！哪怕只对一个小小的叶子节点做读写操作，也都必须首先对根节点上 Latch。并且一旦触发 SMO 操作，就需要对整个树进行加锁！

B-Link Tree

B-Link Tree 相比于 B+Tree 主要做了三点优化：

非叶子节点也都有指向右兄弟节点的指针。
分裂模式上，采用和 BTree 类似的做法：将当前层数据向兄弟节点中迁移。
每个节点都增加一个 High Key 值，记录当前节点的最大 Key。

B-Link Tree 结构如下图，其中加下划线的 Key 为 High Key。

在前面提到，B+Tree 中一个严重的问题就是，在读写过程中都需要对整棵树、或一层层向下的加 Latch，从而造成 SMO 操作会阻塞其他操作。

而 B-Link Tree 通过对分裂和查找过程的调整，避免了这一点！

下图就是 B-Link Tree 树节点分裂的过程：先将老节点的数据拷贝到新节点，然后建立同一层节点的连接关系，最后再建立从父节点指向新节点的连接关系（此顺序非常重要！）。

那么上面的分裂过程是如何避免整棵树上的锁的呢？可以通过指向右兄弟节点的指针和 High Key 实现！

如下图，当节点 y 分裂为 y 和 y+ 两个节点后，在 B+Tree 中就必须要提前锁住他们的父节点 x。

而 B-Link Tree 可以先不锁 x，这时查找 15，顺着 x 找到节点 y，在节点 y 中未能找到 15，但判断 15 大于其中记录的 high key，于是顺着指针就可以找到其右兄弟节点 y+，仍能找到正确的结果。

因此，B-Link Tree 中的 SMO 操作可以自底向上加锁，而不必像 B+Tree 那样自顶向下加锁！从而避免了 B+Tree 中并发控制瓶颈。