MIT6.830 lab1 一个简单数据库实现

---

前言

这学期刚开始的时候买了一本《MySQL是怎样运行的——从根儿上理解MySQL》，看完之后得知MIT有一门用Java编写的简单数据库lab，遂决定试试手，中间做课题组的实验整理数据花了挺多时间，但还是断断续续的抽空完成了MIT6.830。在这个过程中网上一些先辈的实验报告对我起了很大的帮助，我也准备将其整理出来，也当自己再了解一遍。

完整代码

---

一、关于MIT6.830？

SimpleDB consists of:
Classes that represent fields, tuples, and tuple schemas; Classes that
apply predicates and conditions to tuples; One or more access methods
(e.g., heap files) that store relations on disk and provide a way to
iterate through tuples of those relations; A collection of operator
classes (e.g., select, join, insert, delete, etc.) that process
tuples; A buffer pool that caches active tuples and pages in memory
and handles concurrency control and transactions (neither of which you
need to worry about for this lab); and, A catalog that stores
information about available tables and their schemas. SimpleDB does
not include many things that you may think of as being a part of a
“database.”
In particular, SimpleDB does not have:
(In this lab), a SQL front end or parser that allows you to type
queries directly into SimpleDB. Instead, queries are built up by
chaining a set of operators together into a hand-built query plan (see
Section 2.7). We will provide a simple parser for use in later labs.
Views. Data types except integers and fixed length strings. (In this
lab) Query optimizer. (In this lab) Indices.

课程地址

Lab地址

二、lab1

1.Exercise 1

Exercise 1主要是让我们去实现数据库的Tuples和TupleDesc，其中Tuples由一组 Field 对象组成，Field 是不同数据类型（例如，整数、字符串）实现的接口。Tuple 对象由底层访问方法（例如，堆文件或 B 树）创建。关于本节的概念可以用如下表格描述

id(int)	name(string)
1	xxx
2	yyy

那么(1, xxx)就是一个Tuples，其中的值就是Field，然后TupleDesc是(id(int) , name(string))。

2.Exercise 2

Exercise 2是去实现数据库里的Catalog，顾名思义就是为数据库添加一个目录，可以去访问所有表的集合。Catalog全局目录是为整个 SimpleDB 进程分配的单个实例。全局目录可以通过方法Database.getCatalog()检索

我们可以看到，在Catalog类中持有一个线程安全的Map，其键为存的表ID、值为对应表

3.Exercise 3

Exercise 2是去实现数据库里的BufferPool，BufferPool （缓冲池）负责在内存中缓存最近从磁盘读取的页面，lab1中不需要考虑驱逐脏页。

public Page getPage(TransactionId tid, PageId pid, Permissions perm)
        throws TransactionAbortedException, DbException {
        // some code goes here
//        Page page = map.get(pid);
//        if (page == null) {
//            page = Database.getCatalog().getDatabaseFile(pid.getTableId()).readPage(pid);
//            addToBufferPool(pid, page);
//        }
//
//        return page;

        long st = System.currentTimeMillis();
        while (true) {
            //获取锁，如果获取不到会阻塞
                if (lockManager.acquireLock(tid, pid, perm)) {
                    break;
                }
            long now = System.currentTimeMillis();
            if (now - st > 500) throw new TransactionAbortedException();
        }

        if (lruCache.get(pid) == null) {
            DbFile databaseFile = Database.getCatalog().getDatabaseFile(pid.getTableId());
            Page page = databaseFile.readPage(pid);
            addToBufferPool(pid, page);
            return page;

        } else {
            return lruCache.get(pid);
        }
    }

在刚开始做这个lab的时候我是使用了一个ConcurrentHashMap<PageId, Page>来保存页ID及其对应的页，后来要实现驱逐策略，改用了用一个LRU缓存来保存。两种方法的基本思路都是先看BufferPool中是否有目标页，如果没有则调用Catalog找到对应的表文件，使用readPage得到目标页。

4.Exercise 4

Exercise 4需要实现以下三个类：

src/java/simpledb/storage/HeapPageId.java
src/java/simpledb/storage/RecordId.java
src/java/simpledb/storage/HeapPage.java

我们的表是以HeapFile的文件形式存在我们的硬盘上，而HeapFile由多个HeapPage组成，每一个HeapPage拥有唯一的标识HeapPageID，表征其是哪个表(tableID)的第几页(pagNo)，这里的tableID由f.getAbsoluteFile().hashCode()给出。在HeapPage中，存放的是我们的记录，在HeapPage中的数据由由header和tuples两个数组组成，其中tuples表示插入的每一条记录，每一条记录对应一个slot，而header以bitmap的形式来表示第i个slot是否被占用，最低位表示第一个slot是否被占用。

这里用知乎@少年弈画的图表示上述关系。

每个HeapPage能放多少条记录，其中slot又占用多少字节在实验讲义里都写得很清楚，这里就不在赘述。

5.Exercise 5

这部分就是去实现HeapFile类了，前面有提到在缓冲池中如果没有目标页面，则需要调用全局目录得到对应的表，调用readPage得到目标页，具体实现如下：

 public Page readPage(PageId pid) {
        // some code goes here
        long offset = pid.getPageNumber() * BufferPool.getPageSize();
        byte[] data = new byte[BufferPool.getPageSize()];
        try {
            RandomAccessFile rFile = new RandomAccessFile(file, "r");
            rFile.seek(offset);
            for (int i = 0; i < BufferPool.getPageSize(); i++) {
                data[i] = (byte) rFile.read();
            }
            int tableID = pid.getTableId();
            int pageNumber = pid.getPageNumber();
            HeapPageId hpid = new HeapPageId(tableID, pageNumber);
            HeapPage page = new HeapPage(hpid, data);
            rFile.close();
            return page;
        } catch (Exception e) {
            return null;
        }
    }

首先计算出目标页在HeapFile中的偏移量，新建一个data数组准备存数据，这里提一下由于RandomAccessFile可以自由访问文件的任意位置，所以如果需要访问文件的部分内容，而不是把文件从头读到尾，使用RandomAccessFile将是更好的选择。将读取到的数据封装到HeapPage返回。

除此之外还要实现 HeapFile.iterator() 方法，该方法应该遍历 HeapFile 中每个页面的记录。迭代器必须使用 BufferPool.getPage() 方法来访问 HeapFile 中的页面。这里的实现是先从BufferPool 中读取数据，读取不到再从磁盘中读，不要在 open() 调用时将整个表加载到内存中——这将导致非常大的表出现内存不足错误。也就是说，所有页面的调用，都是首先经过缓冲池，没有的话再去HeapFile中找。

6.Exercise 6

实现一个顺序扫描，前面都没问题的话，这里就是一个简单的封装。

---

总结

这是我在CSDN注册后的第一篇文章，整理写文档是一个很痛苦的事，说不定后面的实验报告就不想写啦哈哈哈。整个lab还是挺有质量的，马克思主义说理论联系实际，将书上看的东西自己做一个简单实现还是挺不错的，并且对于数据库的理解也加深了，另外在写文档的过程可能也会写一些其他随笔，复习一下Java基础，希望明年的就业形势稍微好一点，能找个好工作吧。