God's in his heaven.
All's right with the world.

0%

MySQL - InnoDB Adaptive hash index介绍(转载)

前言

我们知道InnoDB的索引组织结构为Btree。通常情况下,我们需要根据查询条件,从根节点开始寻路到叶子节点,找到满足条件的记录。为了减少寻路开销,InnoDB本身做了几点优化。

首先,对于连续记录扫描,InnoDB在满足比较严格的条件时采用row cache的方式连续读取8条记录(并将记录格式转换成MySQL Format),存储在线程私有的row_prebuilt_t::fetch_cache中;这样一次寻路就可以获取多条记录,在server层处理完一条记录后,可以直接从cache中取数据而无需再次寻路,直到cache中数据取完,再进行下一轮。

另一种方式是,当一次进入InnoDB层获得数据后,在返回server层前,当前在btree上的cursor会被暂时存储到row_prebuilt_t::pcur中,当再次返回InnoDB层捞数据时,如果对应的Block没有发生任何修改,则可以继续沿用之前存储的cursor,无需重新定位。

上面这两种方式都是为了减少了重新寻路的次数,而对于一次寻路的开销,则使用Adaptive hash index来解决。AHI是一个内存结构,严格来说不是传统意义上的索引,可以把它理解为建立在Btree索引上的“索引”。

本文代码分析基于MySQL 5.7.7-rc,描述的逻辑适用于5.7.7之前及5.6版本。但在即将发布的MySQL-5.7.8版本中, InnoDB根据索引id对AHI进行了分区处理,以此来降低btr_search_latch读写锁竞争,由于尚未发布,本文暂不覆盖相关内容。

我们以一个干净启动的实例作为起点,分析下如何进行AHI构建的过程。

初始化

AHI在内存中表现就是一个普通的哈希表对象,存储在btr_search_sys_t::hash_index中,对AHI的查删改操作都是通过一个全局读写锁btr_search_latch来保护。

在实例启动,完成buffer pool初始化后,会初始化AHI子系统相关对象,并分配AHI内存,大小为buffer pool的1/64。

参考函数:btr_search_sys_create

Tips:MySQL 5.7已经开始支持InnoDB buffer pool的动态调整,其策略是buffer pool的大小改变超过1倍,就重新分配AHI Hash内存(btr_search_sys_resize)。

触发AHI信息统计

在系统刚启动时,索引对象上没有足够的信息来启发是否适合进行AHI缓存,因此开始有个信息搜集的阶段,在索引对象上维护了dict_index_t::search_info,类型为btr_search_t,用于跟踪当前索引使用AHI的关键信息。

在第一次执行SQL时,需要从btree的root节点开始,当寻址到匹配的叶子节点时,会走如下逻辑:

btr_cur_search_to_nth_level:

1
2
3
if (btr_search_enabled && !index->disable_ahi) {
btr_search_info_update(index, cursor);
}

这里会判断脏读AHI开关(btr_search_enabled)是否打开,以及index->diable_ahi是否为false。第二个条件是MySQL5.7对临时表的优化,避免临时表操作对全局对象的影响,针对临时表不做AHI构建。

我们看看函数btr_search_info_update的逻辑:

  1. info->hash_analysis++,当info->hash_analysis值超过BTR_SEARCH_HASH_ANALYSIS(17)时,也就是说对该索引寻路到叶子节点17次后,才会去做AHI分析(进入步骤2)
  2. 进入函数btr_search_info_update_slow

在连续执行17次对相同索引的操作后,满足info->hash_analysis大于等于BTR_SEARCH_HASH_ANALYSIS的条件,就会调用函数btr_search_info_update_slow来更新search_info,这主要是为了避免频繁的索引查询分析产生的过多CPU开销。

InnoDB通过索引条件构建一个可用于查询的tuple,而AHI需要根据tuple定位到叶子节点上记录的位置,既然AHI是构建在Btree索引上的索引,它的键值就是通过索引的前N列的值计算的来,所有的信息搜集统计都是为了确定一个合适的”N” ,这个值也是个动态的值,会跟随应用的负载自适应调整并触发block上的AHI重构建。

btr_search_info_update_slow包含三个部分:更新索引查询信息、block上的查询信息以及为当前block构建AHI,下面几小节分别介绍。

更新索引上的查询信息

参考函数:btr_search_info_update_hash

这里涉及到的几个search_info变量包括: btr_search_t::n_hash_potential 表示如果使用AHI构建索引,潜在的可能成功的次数; btr_search_t::hash_analysis 若设置了新的建议前缀索引模式,则重置为0,随后的17次查询分析可以忽略更新search_info。

下面两个字段表示推荐的前缀索引模式: btr_search_t::n_fields 推荐构建AHI的索引列数; btr_search_t::left_side 表示是否在相同索引前缀的最左索引记录构建AHI;值为true时,则对于相同前缀索引的记录,只存储最右的那个记录。 通过n_fields和left_side可以指导选择哪些列作为索引前缀来构建(fold, rec)哈希记录。如果用户的SQL的索引前缀列的个数大于等于构建AHI时的前缀索引,就可以用上AHI。

Tip1:在5.7之前的版本中,还支持索引中的字符串前缀作为构建AHI的键值的一部分,但上游认为带来的好处并不明显,因此将btr_search_t::n_bytes 移除了(参见commit 6f5f19b338543277a108a97710de8dd59b9dbb60, 42499d9394bf103a27d63cd38b0c3c6bd738a7c7)。 Tip2:然而上游在测试中发现,如果把n_bytes移除,可能在诸如顺序插入这样的场景存在性能退化(参阅commit 00ec81a9efc1108376813f15935b52c451a268cf),因此在新发布的MySQL5.7.8版本中又重新引入,本文分析代码时统一基于MySQL5.7.7版本。

两种情况需要构建建议的前缀索引列:

  1. 当前是第一次为该索引做AHI分析,btr_search_t::n_hash_potential值为0,需要构建建议的前缀索引列;
  2. 新的记录匹配模式发生了变化(info->left_side == (info->n_fields <=cursor->low_match)),需要重新设置前缀索引列。

相关代码段:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
if (cursor->up_match == cursor->low_match) {
info->n_hash_potential = 0;

/* For extra safety, we set some sensible values here */

info->n_fields = 1;
info->left_side = TRUE;

} else if (cursor->up_match > cursor->low_match) {
info->n_hash_potential = 1;

if (cursor->up_match >= n_unique) {
info->n_fields = n_unique;
} else if (cursor->low_match < cursor->up_match) {
info->n_fields = cursor->low_match + 1;
} else {
info->n_fields = cursor->low_match;
}

info->left_side = TRUE;
} else {
info->n_hash_potential = 1;

if (cursor->low_match >= n_unique) {

info->n_fields = n_unique;
} else if (cursor->low_match > cursor->up_match) {

info->n_fields = cursor->up_match + 1;
} else {
info->n_fields = cursor->up_match;
}

info->left_side = FALSE;
}

从上述代码可以看到,在low_match和up_match之间,选择小一点match的索引列数的来进行设置,但不超过唯一确定索引记录值的列的个数:

  1. 当low_match小于up_match时,left_side设置为true,表示相同前缀索引的记录只缓存最左记录;
  2. 当low_match大于up_match时,left_side设置为false,表示相同前缀索引的记录只缓存最右记录。

如果不是第一次进入seach_info分析,有两种情况会递增btr_search_t::n_hash_potential

  • 本次查询的up_match和当前推荐的前缀索引都能唯一决定一条索引记录(例如唯一索引),则根据search_info推荐的前缀索引列构建AHI肯定能命中,递增 info->n_hash_potential

    1
    2
    3
    4
    5
    6
    if (info->n_fields >= n_unique && cursor->up_match >= n_unique) {
    increment_potential:
    info->n_hash_potential++;

    return;
    }
  • 本次查询的tuple可以通过建议的前缀索引列构建的AHI定位到。

    1
    2
    3
    4
    if (info->left_side == (info->n_fields <= cursor->up_match)) {

    goto increment_potential;
    }

很显然,如果对同一个索引的查询交替使用不同的查询模式,可能上次更新的search_info很快就会被重新设置,具有固定模式的索引查询将会受益于AHI索引。

更新block上的查询信息

参考函数:btr_search_update_block_hash_info

更新数据页block上的查询信息,涉及到修改的变量包括:

btr_search_info::last_hash_succ 最近一次成功(或可能成功)使用AHI; buf_block_t::n_hash_helps 计数值,如果使用当前推荐的前缀索引列构建AHI可能命中的次数,用于启发构建/重新构建数据页上的AHI记录项; buf_block_t::n_fields 推荐在block上构建AHI的前缀索引列数; buf_block_t::left_side 和search_info上对应字段含义相同。

函数主要流程包括:

  1. 首先设置btr_search_info::last_hash_succ 为FALSE 这会导致在分析过程中无法使用AHI进行检索,感觉这里的设置不是很合理。这意味着每次分析一个新的block,都会导致AHI短暂不可用。

  2. 初始化或更新block上的查询信息

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    if ((block->n_hash_helps > 0)
    && (info->n_hash_potential > 0)
    && (block->n_fields == info->n_fields)
    && (block->left_side == info->left_side)) {

    if ((block->index)
    && (block->curr_n_fields == info->n_fields)
    && (block->curr_left_side == info->left_side)) {

    /* The search would presumably have succeeded using
    the hash index */

    info->last_hash_succ = TRUE;
    }

    block->n_hash_helps++;
    } else {
    block->n_hash_helps = 1;
    block->n_fields = info->n_fields;
    block->left_side = info->left_side;
    }

    当block第一次被touch到并进入该函数时,设置block上的建议索引列值;以后再进入时,如果和索引上的全局search_info相匹配,则递增block->n_hash_helps,启发后续的创建或重构建AHI。

    如果当前数据页block上已经构建了AHI记录项,且buf_block_t::curr_n_fields等字段和btr_search_info上对应字段值相同时,则认为当前SQL如果使用AHI索引能够命中,因此将btr_search_info::last_hash_succ设置为true,下次再使用相同索引检索btree时就会尝试使用AHI。

  3. 在初始化或更新block上的变量后,需要判断是否为整个page构建AHI索引:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    if ((block->n_hash_helps > page_get_n_recs(block->frame)
    / BTR_SEARCH_PAGE_BUILD_LIMIT)
    && (info->n_hash_potential >= BTR_SEARCH_BUILD_LIMIT)) {

    if ((!block->index)
    || (block->n_hash_helps
    > 2 * page_get_n_recs(block->frame))
    || (block->n_fields != block->curr_n_fields)
    || (block->left_side != block->curr_left_side)) {

    /* Build a new hash index on the page */

    return(TRUE);
    }
    }

    简单来说,当满足下面三个条件时,就会去为整个block上构建AHI记录项:

    • 分析使用AHI可以成功查询的次数(buf_block_t::n_hash_helps)超过block上记录数的16(BTR_SEARCH_PAGE_BUILD_LIMIT)分之一;
    • btr_search_info::n_hash_potential大于等于BTR_SEARCH_BUILD_LIMIT (100),表示连续100次潜在的成功使用AHI可能性;
    • 尚未为当前block构造过索引、或者当前block上已经构建了AHI索引且block->n_hash_helps大于page上记录数的两倍、或者当前block上推荐的前缀索引列发生了变化 。

为数据页构建AHI索引

如果在上一阶段判断认为可以为当前page构建AHI索引(函数btr_search_update_block_hash_info返回值为TRUE),则根据当前推荐的索引前缀进行AHI构建。

参考函数:btr_search_build_page_hash_index

分为三个阶段:

  1. 检查阶段:加btr_search_latch的S锁,判断AHI开关是否打开;如果block上已经构建了老的AHI但前缀索引列和当前推荐的不同,则清空Block对应的AHI记录项(btr_search_drop_page_hash_index);检查n_fields和page上的记录数;然后释放btr_search_latch的S锁;

  2. 搜集阶段:根据推荐的索引列数计算记录fold值,将对应的数据页记录内存地址到数组里;

    根据left_mode值,相同的前缀索引列值会有不同的行为,举个简单的例子,假设page上记录为 (2,1), (2,2), (5, 3), (5, 4), (7, 5), (8, 6),n_fields=1

    • 若left_most为true,则hash存储的记录为(2,1) , (5, 3), (7, 5), (8,6)
    • 若left_most为false,则hash存储的记录为(2, 2), (5, 4), (7,5), (8, 6)
  3. 插入阶段:加btr_search_latch的X锁,将第二阶段搜集的(fold, rec)插入到AHI中,并更新:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    if (!block->index) {
    index->search_info->ref_count++;
    }

    block->n_hash_helps = 0;

    block->curr_n_fields = n_fields;
    block->curr_left_side = left_side;
    block->index = index;

PS:由于第二阶段释放了btr_search_latch锁,这里还得判断block上的AHI信息是否发生了变化,如果block上已经构建了AHI且block->curr_*几个变量和当前尝试构建的检索模式不同,则放弃本次构建。

使用AHI

AHI的目的是根据用户提供的查询条件加速定位到叶子节点,一般如果有固定的查询pattern,都可以通过AHI受益,尤其是Btree高度比较大的时候。

入口函数:btr_cur_search_to_nth_level

相关代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
        /* Use of AHI is disabled for intrinsic table as these tables re-use
the index-id and AHI validation is based on index-id. */
if (rw_lock_get_writer(&btr_search_latch) == RW_LOCK_NOT_LOCKED
&& latch_mode <= BTR_MODIFY_LEAF
&& info->last_hash_succ
&& !index->disable_ahi
&& !estimate
# ifdef PAGE_CUR_LE_OR_EXTENDS
&& mode != PAGE_CUR_LE_OR_EXTENDS
# endif /* PAGE_CUR_LE_OR_EXTENDS */
&& !dict_index_is_spatial(index)
/* If !has_search_latch, we do a dirty read of
btr_search_enabled below, and btr_search_guess_on_hash()
will have to check it again. */
&& UNIV_LIKELY(btr_search_enabled)
&& !modify_external
&& btr_search_guess_on_hash(index, info, tuple, mode,
latch_mode, cursor,
has_search_latch, mtr)) {

从代码段可以看出,需要满足如下条件才能够使用AHI:

  • 没有加btr_search_latch写锁。如果加了写锁,可能操作时间比较耗时,走AHI检索记录就得不偿失了;
  • latch_mode <= BTR_MODIFY_LEAF,表明本次只是一次不变更BTREE结构的DML或查询(包括等值、RANGE等查询)操作;
  • btr_search_info::last_hash_succ为true表示最近一次使用AHI成功(或可能成功)了;
  • 打开AHI开关;
  • 查询优化阶段的估值操作,例如计算range范围等,典型的堆栈包括:handler::multi_range_read_info_const –> ha_innobase::records_in_range –> btr_estimate_n_rows_in_range –> btr_cur_search_to_nth_level
  • 不是spatial索引;
  • 调用者无需分配外部存储页(BTR_MODIFY_EXTERNAL,主要用于辅助写入大的blob数据,参考struct btr_blob_log_check_t)。

当满足上述条件时,进入函数btr_search_guess_on_hash,根据当前的查询tuple对象计算fold,并查询AHI;只有当前检索使用的tuple列的个数大于等于构建AHI的列的个数时,才能够使用AHI索引。

btr_search_guess_on_hash

  • 首先用户提供的前缀索引查询条件必须大于等于构建AHI时的前缀索引列数,这里存在一种可能性:索引上的search_info的n_fields 和block上构建AHI时的cur_n_fields值已经不相同了,但是我们并不知道本次查询到底落在哪个block上,这里一致以search_info上的n_fields为准来计算fold,去查询AHI;
  • 在检索AHI时需要加&btr_search_latch的S锁;
  • 如果本次无法命中AHI,就会将btr_search_info::last_hash_succ设置为false,这意味着随后的查询都不会去使用AHI了,只能等待下一路查询信息分析后才可能再次启动(btr_search_failure);
  • 对于从ahi中获得的记录指针,还需要根据当前的查询模式检查是否是正确的记录位置(btr_search_check_guess)。

如果本次查询使用了AHI,但查询失败了(cursor->flag == BTR_CUR_HASH_FAIL),并且当前block构建AHI索引的curr_n_fields等字段和btr_search_info上的相符合,则根据当前cursor定位到的记录插入AHI。参考函数:btr_search_update_hash_ref

从上述分析可见,AHI如其名,完全是自适应的,如果检索模式不固定,很容易就出现无法用上AHI或者AHI失效的情况。

维护AHI

  1. 关闭选项innodb_adaptive_hash_index;

    • 持有dict_sys->mutexbtr_search_latch的X锁;
    • 遍历dict_sys->table_LRUdict_sys->table_non_LRU链表,将每个表上的所有索引的index->search_info->ref_count设置为0;
    • 释放dict_sys->mutex
    • 遍历buffer pool,将block上的index标记(buf_block_t::index)清空为NULL;
    • 清空AHI中的哈希项,并释放为记录项分配的Heap;
    • 释放btr_search_latch。

    参考函数:btr_search_disable

  2. index->search_info的ref_count不为0时,无法从数据集词典cache中将对应的表驱逐,workaround的方式是临时关闭AHI开关;

    参考函数:dict_table_can_be_evicteddict_index_remove_from_cache_low

  3. 删除索引页上的记录,或者更新的是二级索引、或者更新了主键且影响了排序键值,则需要从AHI上将对应的索引记录删除;

    参考函数:btr_search_update_hash_on_delete

  4. 插入新的记录时,如果本次插入未产生页面重组、操作的page为叶子节点,且本次插入操作使用过AHI定位成功,则先尝试更新再尝试插入,否则直接插入对应的AHI记录项;

    参考函数:btr_search_update_hash_node_on_insertbtr_search_update_hash_on_insert

  5. 涉及索引树分裂或者节点合并,或从LRU中驱逐page(buf_LRU_free_page)时,需要清空AHI对应的page。

    参考函数:btr_search_drop_page_hash_index

shortcut查询模式

row_search_mvcc函数中,首先会去判断在满足一定条件时,使用shortcut模式,利用AHI索引来进行检索。

只有满足严苛的条件时(例如需要唯一键查询、使用聚集索引、长度不超过八分之一的page size、隔离级别在RC及RC之上、活跃的Read view等等条件,具体的参阅代码),才能使用shortcut:

  • btr_search_latch的S锁;
  • 然后通过row_sel_try_search_shortcut_for_mysql检索记录;如果找到满足条件的记录,本次查询可以不释放 btr_search_latch,这意味着InnoDB/server层交互期间可能持有AHI锁,但最多在10000次(BTR_SEA_TIMEOUT)交互后释放AHI latch。一旦发现有别的线程在等待AHI X 锁,也会主动释放其拥有的S锁。

然而, Percona的开发Alexey Kopytov认为这种长时间拥有的btr_search_latch的方式是没有必要的,这种设计方式出现在很久之前加锁、解锁非常昂贵的时代,然而现在的CPU已经很先进了,完全没有必要,在Percona的版本中,一次shortcut的查询操作后都直接释放掉btr_search_latch(参阅bug#1218347)。

AHI监控项

我们可以通过information_schema.innodb_metrics来监控AHI模块的运行状态

首先打开监控:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
mysql>  set global innodb_monitor_enable = module_adaptive_hash;
Query OK, 0 rows affected (0.00 sec)

mysql> select status, name, subsystem from INNODB_METRICS where subsystem like '%adaptive_hash%';
+---------+------------------------------------------+---------------------+
| status | name | subsystem |
+---------+------------------------------------------+---------------------+
| enabled | adaptive_hash_searches | adaptive_hash_index |
| enabled | adaptive_hash_searches_btree | adaptive_hash_index |
| enabled | adaptive_hash_pages_added | adaptive_hash_index |
| enabled | adaptive_hash_pages_removed | adaptive_hash_index |
| enabled | adaptive_hash_rows_added | adaptive_hash_index |
| enabled | adaptive_hash_rows_removed | adaptive_hash_index |
| enabled | adaptive_hash_rows_deleted_no_hash_entry | adaptive_hash_index |
| enabled | adaptive_hash_rows_updated | adaptive_hash_index |
+---------+------------------------------------------+---------------------+
8 rows in set (0.00 sec)

重置所有的计数

1
2
mysql> set global innodb_monitor_reset_all = 'adaptive_hash%';
Query OK, 0 rows affected (0.00 sec)

该表搜集了AHI子系统诸如AHI查询次数,更新次数等信息,可以很好的监控其运行状态,在某些负载下,AHI并不适合打开,关闭AHI可以避免额外的维护开销。当然这取决于你针对具体负载的性能测试。


本文地址:http://xnerv.wang/mysql-introduction-innodb-adaptive-hash-index/
转载自:InnoDB Adaptive hash index介绍