数据库 - 普通索引\唯一索引 和 change buffered\redo log

普通索引\唯一索引 

     假设你在维护一个市民系统，每个人都有一个唯一的身份证号，而且业务代码已经保证不会写入两个重复的身份证号。如果市民系统需要按照身份号查询信息，就会执行类似这样的SQL语句：

     select name from CUser where id_card = 'xxxxxxxyyyyyyzzzzz';

    所以，你一定会考虑在id_card字段上建索引。

 

    由于身份证号字段比较大，我不建议吧身份证号当做主键，那么现在有两个选择，要么给id_card字段创建索引，要么创建一个普通索引。如果业务代码语句已经保证了不会写入重复的身份证号，那么这两个选择逻辑上都是正确的。

 

    从性能角度考虑，你选择唯一索引还是普通索引呢？选择的依据是什么呢？

用之前的例子来说明，假设字段k上的值都不重复。

    接下来，我们就从这两种索引对查询语句和更新语句的性能影响来进行分析。

 

查询过程

     假设，执行查询语句是select id  from T where k = 5。这个查询语句在索引树上查找过程，先是通过B+树从树根开始，按层搜索到叶子节点，也就是图中右下角的这个数据页，然后可以认为数据页内部通过二分法来定位记录。

1. 对于普通索引来说，查找到满足条件的第一个记录(5,500),需要查找下一个记录，直到碰到第一个不满足k=5条件的记录。
2. 对于唯一索引来说，由于索引定义的唯一性，查找到第一个满足条件的记录后，就会停止继续检索。

 

    那么，这个不同带来的性能差距会有多少呢？答案是，微乎其微。

 

     InnoDB的数据是按数据页为单位来读写的。也就是说，当需要读一条记录的时候，并不是将这个记录本身从磁盘读出来，而是以数据页为单位，将其整体读入内存。在InnoDB中，每个数据页大小默认是16KB。

 

     因为引擎是按页读写的，所以说，当找到k=5的记录的时候，它所在的数据页就都在内存里了。那么，对于普通索引来说，要多做的那一次“查找和判断下一条记录”的操作，就只需要一次指针寻找和一次计算。

 

     当然，如果k=5这个记录刚好是这个数据页最后一个记录，那么要取下一个记录，必须读取下一个数据页，这个操作会稍微复杂一些。

 

     对于整型字段，一个数据页可以放近千个key,因此出现这种情况的概率很低。所以，我们计算平均性能差异是，仍可认为这个操作成本对于现在的CPU来说可以忽略不计。

 

更新过程

     先认识一下change buffer。当需要更新一个数据页时，如果数据页在内存中就直接更新，如果这个数据页还没有在内存中的话，在不影响数据一致性前提下，InnoDB会将这些更新操作缓存在change buffer中，这样就不需要从磁盘中读入这个数据页了。在下次查询要访问这个数据页的时候，将数据页读入内存，然后执行change buffer中与这个页有关的操作。通过这种方式就能保证这个数据逻辑的正确性。

 

     需要说明的是，虽然名字叫做change buffer,实际上它是可以持久化的数据。也就是说，change buffer在内存中有拷贝，也会被写入到磁盘上。

 

     将change buffer中的操作应用到原数据页，得到最新结果的过程称为merge。除了访问这个数据页会触发merge外，系统有后台线程会定期merge。在数据库正常关闭的过程中，也会执行merge操作。

 

     显然，如果能够将更新操作先记录在change buffer，减少读磁盘，语句的执行速度会得到明显的提升。而且，数据读入内存是需要占用buffer pool的，所以这种方式还能够避免占用内存，提高内存利用率。

 

     什么条件下可以使用change buffer呢？

     对于唯一索引来说,所有的更新操作都要先判断这个操作是否违反了唯一性约束。比如，要插入(4,400)这个记录，就要先判断现在表中是否存在k=4的记录，而这必须要将数据页读入内存才能判断。如果都已经读入内存了，那直接更新内存会更快，就没必要使用change buffer了。因此，唯一性索引的更新就不能使用change buffer，实际上也只有普通索引可以使用。

 

     Change buffer用的是buffer pool里的内存，因此不能无限增大。Change buffer的大小，可以通过innodb_change_buffer_max_size来动态设置。这个参数设置为50的时候，表示大小最大只能占用buffer pool的50%。

 

     现在，理解了change buffer的机制，我们再看如果要在这张表中插入一个新记录（4，400）的话，InnoDB的处理流程是怎么样的。

 

     第一中情况是，这个记录要更新的目标页在内存中，这时Innodb的处理流程如下：

1. 对于唯一索引来说，找到3和5之间的位置，判断到没有冲突，插入这个值，语句执行结束
2. 对于普通索引来说，找到3和5之间的位置，插入这个值，语句执行结束。

     这样看来，普通索引和唯一性索引对更新语句性能影响的差别，只差一个判断，只会耗费小的CPU事件，但这不是我们关注的重点。

 

     第二种情况是，记录要更新的目标页不在内存中。这时InnoDB的处理流程如下：

1. 对于唯一索引来说，需要将数据页读入内存，判断到没有冲突，插入这个值，语句执行结束。
2. 对于普通索引来说，则是将更新记录在change buffer中，语句执行结束了。

     将数据从磁盘读入内存涉及随机IO访问，是数据库里面成本最高的操作之一。Change buffer因为减少了随机磁盘访问，所以对更新性能的提升会很明显的。

 

     之前有同事，负责的某个业务的库内存命中率突然从99%降到了75%，整个系统处于阻塞状态，更新语句全部堵住。而探究原因，发现整个业务有大量插入数据的操作，而前一天该同事把其中的某个普通索引改成了唯一索引。

 

     Change buffer的使用场景。

     通过上面的分析，已经清楚了使用change buffer对更新过程的加速作用，也清楚了change buffer只限于用在普通索引的场景下，而不适用于唯一性索引。那么，现在有一个问题：普通索引的所有场景，使用change buffer都可以起到加速作用吗？

 

     因为merge的时候是真正进行数据更新的时刻，而change buffer的主要目的就是将记录变更动作缓存下来，所以在一个数据页做merge之前,change buffer记录的变更越多（也就是这个页面上要更新的次数越多），收益就越大。

 

     因此对于读多写少的业务来说，页面在写完以后马上被访问到的概率比较小，此时change buffer的使用效果最好。这种业务模型常见的就是账单类、日志类的系统。

 

     返回来，假设一个业务的更新模式是写入之后马上会做查询，那么即使满足了条件，将更新先记录在change buffer,但之后马上要访问这个数据页，会立即触发merge过程。这样随机访问IO的次数不会减少，反而增加了change buffer的维护代价。所以，对于这种业务模式来说，change buffer反而起到了副作用。

 

     索引选择和实践

     普通索引和唯一性索引到底怎么选择，其实，这两类索引在查询能力上是没有差别的，主要考虑的是对更新性能的影响，所以，建议你尽量选择普通索引。

 

     如果所有的更新后面，都马上伴随着对这个记录的查询，那么你应该关闭change buffer，而再其它情况下，change buffer都能提升更新性能

     在实际使用中，你会发现，普通索引和change buffer的配合使用，对于数据量大的表的更新优化是明显的。

 

     特别的，在使用机械硬盘时，change buffer这个机制的收效是非常显著的。所以，当你有一个类似“历史数据”的库，并且出于成本考虑用的是机械硬盘时，那你应该特别关注这些表里的索引，尽量使用普通索引，然后把change buffer尽量开大，以确保这个“历史数据”表的数据写入速度。

 

Change buffer 和redo log

     WAL提升新能的核心机制，也的确是尽量减少了随机读写。这两个概念容易混淆。

 

     现在，我们要在表上执行这个插入语句：

     mysql> insert into t(id,k) values(id1,k1),(id2,k2);

 

     这里，我们假设当前k索引树的状态，查找到位置后，k1所在的数据页在内存(InnoDB buffer pool)中，k2所在的数据页不在内存中。如图所示是带change buffer的更新状态图。

                      带change buffer的更新过程

     分析这条更新语句，你会发现他涉及了四个部分：内存、redo log(ib_log_fileX)、数据表空间(t.ibd)、系统表(ibdata1)。

 

     这条更新语句做了如下的操作（按照图片中的数字顺序）

1. Page1在内存中，直接更新内存
2. Page2没有在内存中，就在内存的change buffer区域，记录下”我要往Page2 插入一行”这个信息。
3. 将上述两个动作记录redo log中。（图中3,4）。

     做完上面这些，事务就可以完成了。所以，你会看到，执行这条更新语句的成本很低，就是写了两处内存，然后写了一处磁盘（两次操作合在一起写了一次磁盘），而且还是顺序写的。

 

     同时，图中两个虚线箭头，是后台操作，不影响更新的响应时间。

 

     那在这之后的读请求，要怎么处理呢？

     比如我们现在要执行 select * from t where k in (k1,k2)。这里，画了两个读请求的流程图。

 

     如果读语句发生在更新语句后不久，内存中的数据还在，那么此时的这两个读操作就与系统表空间(ibdata1)和redo log(ib_log_file)无关了。所以，图中没有画出这两部分。

                       图3 Change buffer 的读过程

 

     从图中可以看到

1. 读Page1的时候，直接从内存返回。WAL之后如果读数据，是不是一定要读盘，是不是一定要从redo log里面把数据更新以后才可以返回？其实是不用的。你可以看下图3的这个状态，虽然磁盘上还是之前的数据，但是这里直接从内存返回结果，结果是正确的。
2. 要读Page2的时候，需要把Page2从磁盘读入内存中，然后应用change buffer里面的操作日志，生成一个正确的版本并返回结果。

     可以看到，知道需要读Page2的时候，这个数据页才会被读入内存。

 

 

     所以，如果要简单地对比这两个机制在提升更新性能上的收益的话，redo log主要节省的是随机写磁盘的IO消耗(转成顺序写),而change buffer主要节省的则是随机读磁盘的IO消耗