Greenplum MVCC并发控制：严格的一致性与极致的性能

 

2020的夏天已经接近尾声，《深入浅出Greenplum内核》系列直播也已经成功举办了五场活动，内容覆盖了Greenplum架构、执行引擎、查询优化、B树索引（cn.greenplum.org获取课件），相关视频可前往B站的Greenplum中文社区频道或点击“阅读原文”进行回顾观看。

 

上周五（8月28日)，Greenplum原厂内核研发陈金豹从优缺点、实现细节、和空间重用三个角度深度揭秘了Greenplum的MVCC并发控制。本文将带领我们回顾精华内容。

 

MVCC，全称是Multi-version Concurrency Control，即多版本并发控制。

大家可能会有个疑问，为什么我们需要了解MVCC呢？其实不管是对于数据库开发者，或者是对于DBA，MVCC都是非常重要的。如果你是一个Postgres/Greenplum生态的开发者，MVCC作为整个存储体系中最重要的一环，是需要牢固掌握的知识点之一。如果你是一个DBA， 了解MVCC有助于理解数据库并发查询的行为，同时能够管理MVCC对性能的影响。最重要的是，MVCC会有一些清理垃圾的需求，即存储空间的重用，如果能够了解MVCC的原理，对于这些操作，你将更加得心应手。

首先给大家介绍一下常用的并发控制技术，一共三种：

 

• 第一种就是我们今天要着重介绍的——Multi-version Concurrency Control（MVCC），多版本并发控制
• 第二种是Strict Two-Phase Locking（S2PL），严格的两阶段锁
• 第三种是Optimistic Concurrency Control（OCC），乐观锁

 

目前市面上的数据库用的基本就是这三种并发控制技术，如果大家对于后两种技术比较感兴趣，可以去百度搜索相关资料，本文将不做赘述。

 

在将MVCC的实现前，我们先来了解几个概念：

 

事务和隔离

 

要了解多版本并发控制，我们需要先了解两个概念：事务和隔离。

 

事务

 

第一个概念就是事务，事务的本质就是将多个步骤捆绑成一个原子操作。比如先INSERT，然后UPDATE，再SELECT三个执行语句，在事务中，我们会把这三个执行步骤捆绑成一个原子的步骤，并希望这一个原子的步骤或者全部成功，即所有的语句均能执行成功，或者全部不成功。如果中间出现了故障导致事务无法完成，则所有步骤都不会影响数据库，此时会回滚到初始状态。

 

由于事务的这种特性，事务执行的中间状态是不会被别的事务看到的。大家想一想，如果这个事务的中间状态会被另外一个事务看到，因为已经对其他事务产生了影响，回滚将没有办法完成。这里就涉及到了另一个概念：隔离。

 

隔离

 

由于事务是具有原子性的，因此事务和事务之间，我们是不希望看到中间状态的，因此事务和事务之间要有隔离。SQL标准里把事务隔离级别分成了四级，

 

• Read Uncommunitted（读未提交）
• Read Committed（不可重复读）
• Repeatable Read（可重复读）
• Serializable （串行化）

我们来简单介绍一下这四个隔离级别是什么含义。

 

1. Read Uncommited

 

第一个级别Read Uncommitted是可以脏读的。即不管事务进行到哪一步，该事务所做的改动对别的事务均可见。按理说，在一个严肃的数据库里，这似乎是不应该发生的事情，因为我们希望事务是一个原则性的操作，如果他失败了需要回滚，所以说他的中间状态一定是不能被别的事务看到的，可见这是一个非常低的级别，是一个通常情况下，很难被人们接受的一个级别。

 

2. Read Committed

 

第二个级别叫Read Committed。在这个级别下，是不支持脏读的，但一旦事务提交了，它所造成的影响就对别的事务可见了。基本满足了原子性的要求。

但是Read Committed存在一个问题。如果一个事务中有很多条语句，那么可能会出现，在不同的语句中看到的数据集不一样的情况。

例如，事务一和事务二并发进行，但是在事务二进行到第三个语句的时候，事务一提交了，接着，事务二会继续执行第四条语句。这种情况下，前三条语句和第四条语句中，事务二读取的内容便会不一样。

这种情况虽然不影响事务的原子性，但由于在执行计算的过程中，拿到的数据集是不稳定的，这会给数据库的使用者造成一些困扰。如果是否能让整个事务中每条语句看到的数据集都一样呢？这就是下一个隔离级别——Repeatable Read。

3. Repeatable Read

 

Repeatable Read很好的解决了Read Committed隔离级别中数据集不稳定的问题。在这种隔离级别下，不管读多少次数据集，均能得到一致的结果。

 

4. Serializable

 

第四个隔离级别是Serializable。Serializable的要求是，虽然事务在并发执行，但是需要其执行结果完全等价于顺序执行的事务，这显然是一个更高的隔离要求。Serializable和Repeatable Read的差别是非常微妙的，如果大家对这一块感兴趣，网络上有很多相关资料可以查询，这里我们就不做进一步讲解了。

Greenplum实现了中间的两个隔离级别：Read Committed和 Reapeatable Read，其默认的隔离级别是Read Committed。

什么是MVCC

 

到这里，大家可能脑海中会有一些疑问，MVCC到底是什么呢？MVCC具体可以解决什么问题呢？

 

包括MVCC，严格两阶段锁，乐观锁在内的并发控制协议的存在，使我们能够正确并且高效的进行并发访问，包括读和写。

 

单独做到正确或者是高效非常简单。要单独实现正确的进行并发访问，我们只需把它串行化，一个数据集在同一时间只让一个事务进行访问，这样的话，肯定是正确的；不顾正确，单独实现高效地进行并发访问同样也很简单，但兼顾高效与正确便很难了。MVCC存在的目的，就是在高效性和正确性之间找到一个平衡点。

 

并发访问中涉及的操作包括读操作和写操作。其中，由于同一份数据可以同时支持多人读取，因此读操作和读操作是不会冲突的。同一份数据的写操作和写操作则一定会发生冲突，此时便需要用锁来解决。读操作和写操作有时候也会出现冲突，MVCC可以很好的解决这一冲突，其优化的目标是读操作不会阻塞写操作，写操作也不会阻塞读操作。

 

这个目标是如何实现的呢？在 update一个数据时，将创建数据项目的新版本，同时保留旧版本，并做上标记，即采用多版本的方法来解决读和写之间的冲突。由于写的时候旧版本数据不会被删除，读和写发生在了不同版本的数据上，读和写操作便不会发生冲突。这种方法允许Greenplum在读写同时进行的情况下，仍然能够提供高并发特性。

MVCC的实现

 

Heap表页面布局

 

我们再来了解一下Heap表的页面布局（见下图）。由于Greenplum中的每一个表都是一个文件，文件的底层数据布局由一些相等大小，约32kb的Page组成。

将Page展开后，大家可以看到，Page中包括表头的一些信息，表头信息后是由Item组成的数组。Item代表了下面的Tuple。

HeapPage中，前面是一些定长的指针，指针里装的是offset（偏移量），而偏移量指向真正储存数据的Tuple（元组）。指针从前向后增长，turple从后向前增长，中间是空闲空间。

turple的内部结构由两部分组成，后面一部分是用户数据。前面这一小部分是可见性信息，存了xmin，xmax，Cid，Ctid的信息。其中，xmax和xmin是用来跟踪事务之间的可见性；而Cid是用来记录事务内部的可见性。

• xmin：创建Tuple的事务ID
• xmax：删除Tuple的事务ID，有时用于行锁
• Cid：事务内的查询命令编号，用户跟踪事务内部的可见性
• Ctid：指向下一个版本Tuple的指针，由两个成员blocknumber、offset组成

快照

 

快照理论上是某个时间点正在运行的事务列表。Greenplum使用快照判断一个事务是否已提交，即快照存在的目的是在某个时间点跟踪所有事务的运行状态，用来控制元组是否对于当前查询可见。快照和 turple里的xmin、xmax一起来决定这个turple的可行性。

 

在Read Committed隔离级别，每个查询开始时生成快照。在REPEATABLE READ隔离级别，在每个事务开始时生成快照。

 

• xmin：所有小于xmin的事务都已经提交
• Running：正在执行的事务列表
• xmax：所有大于等于xmax的事务都未提交

 

可见性

 

为什么要有可见性呢？主要是由于两个原因，第一是因为前面提到的隔离性。例如Read Committed隔离级别下，只有事务提交了，其他事务才能看见其所对应的数据，于是我们需要知道数据库中的事务状态，即哪些事务是在运行当中，哪些事务已经提交了，因此我们就需要快照来判断turple的可见性。

 

第二个原因是，由于MVCC这种多版本的机制，update的操作会导致同一个数据在数据库里存很多个版本。

 

那么问题来了，这些版本里只有一个版本可见，即已经提交的最新版本，而还没提交的，或已经被删除的版本是不可见的，因此我们会通过一种方法来判断可见性，从而实现多版本。

 

可见性是如何判断的呢？我们来看一个比较简单的例子，下图的三条数据中，xmin都是有值的，xmax都是没值的，这意味着这三个数据被插入进来后，还未被删除。和快照中的xmin，xmax和Running进行对比，30小于快照中的xmin，已经提交了，因此这条数据是可见的。50在Running列表中，因此它还在执行，110大于xmax，还未提交。

上图下面的数据中，xmin和xmax都有值，这意味着数据在被插入后，已经被某些事务标记为删除了。判断Tuple是否可见的规则就是两条，xmin已提交，xmax未提交，便是可见的。xmin对应的事务已提交，也就是说创建它的事务已提交，创建这个动作被认为是已经发生了的动作。xmax对应的对应的事务未提交，意味着标记为删除的操作未提交，我们就认为删除这个动作还没有发生，因此它是可见的。

 

和快照中的数据做对比，xmin都是30，小于快照中的xmin 40。xmax 80，小于快照中的xmax 100，Running Array没有，因此，这个数据便已经被删除了。第二行中的75，正在Running，因此它是可见的。120大于快照中的xmax 100，此事务未被提交。

 

接着我们来看几个例子。

 

1. Insert

 

首先我们创建一个 Table，Select后我们得到了xmin，xmax的值，938和0。这表示该Insert操作是被938这个事务创建的。

2. Delete

 

我们再看delete。首先我们给MVCC这个表Insert 了一条数据，再将其删除，不提交，如Session1所示。然后再起一个Session2，Select后发现，我们是可以看到这条数据的，并且xmax值为941。删除这个事务未提交，也就意味着它对于其他事务是不可见的。

下图更好的反应了事务的状态。

3. update

 

我们再看一下update的情况，我们在Session 1中首先Insert一个数据1，然后将其update成2，并不提交。在Session 2中，我们发现数值仍然是1。这是因为 update的事务还没有提交，所以update这个操作对于别的事务来说不可见，因此值仍为1。此时，我们看到的是旧版本的数据，其xmin的值是942，xmax为943，而Session 1中的新版本的数据，xmin的值为943，xmax为0。update的时候，并没有把旧版本的数据删除，而只是写了一个新版本的数据。同时把更新这条数据的事务ID的写到旧版本的xmax和新版本的xmin上，并把指向新版本。

并发的update

 

并发的update是指两个事务都要对同一个tuple做update。在前面的内容中我们提到过，读和读一定是不会冲突的，而写和写一定是会冲突的。因此并发的update就一定会发生冲突。

 

在发生这种冲突时，Greenplum是如何处理的呢？如果发生了并发的update，那么先进入的事务，会成功的update这条数据，后进入的事务，会在需要update这个数据上阻塞住，直到前面的事务提交或回滚。

 

大家请看下图的例子，首先事务943把这条数据从1 update成了2，没有提交。此时，事务944也试图 update这条数据。因为事务944开始执行时，会拿到快照，由于943还未提交，因此它只能看到旧版本的数据。它会发现xmax被标记，也就是说这条数据要么被更新，要么被删除了，并且 xmax对应的事务还没有提交，由于事务943接下来可能会提交也可能会回滚，因此，数据的update将无法被完成。此时，只有等到事务943 commit后，事务944才能继续执行。一旦commit，就可以顺着 ctid指针找到这条新的数据，再将新的数据 update。

Abort

 

我们刚讨论了事务两种状态：InProgress和Committed，Abort是事务的第三种状态。当事务失败时，就需要回滚。

下面的例子中，在MVCC表里添加一条数据，接着启动一个事务，将这条数据delete掉，接着Abort。此时，从Session 2去查这个表时，我们发现这条数据还在，因为我们是在一个事务里先delete，再abort。也就是说delete这个事务的影响不该发生。但是由于在delete时，是将事务id写在xmax里来进行标记这个事务删除了这一条turple，在下图中也确实看到xmax被写入了。

 

那么Abort发生时，是否应该将xmax改回去呢？答案是在Greenplum里，不需要把它改回去。那么如果不改回去，是否会出现问题呢？

首先我们回忆一下快照。快照只能处理两种状态，一种是in progress或者叫running状态，另外一种committed的状态。也就是说快照只能判断是否是running状态，并不能跟踪具体是committed的状态还abort的状态。此时，便需要通过查pg_clog来实现跟踪。

 

Pg_clog是记录事务状态的一种log。它本质上一个数组，数组的每一项只有两个bit，通过0、1的组合，标志了3种状态，00是in progress，01是aborted，10是committed。通过查询 pg_clog，便可以知道这个数是不是回滚，从而补充了快照。如果一旦是abort的状态，便认为这个事务所造成的一切影响是不存在的。

 

每扫描一个turple，我们都需要判断其可见性，但如果每次都需要先通过快照来判断是否是in progress，再通过commit log再判断一下 是否Aborted。虽然它们都存在内存里，但是快照和commit log是两个很大的数组，会导致查询速度不够快。

 

这里Greenplum引入了一个优化项，叫标记。t_infomask有8个字节，分别代表了8个标记，xmin Committed代表了xmin所代表的的事务已提交，xmin Invalid代表xmin所在的事务已回滚；xmax Committed和xmax Invalid同理。

有了这些标记，一旦访问到这个tuple，并且查询了它的可见性，这些标志就会立刻被更新。因此这个tuple只会访问一次快照，或者commit log，就会完成这些标记位的填充，后面就不在需要访问快照或commit log，仅需要判断标志位，这是Greenplum针对可见性速度的优化。

行锁

xmax除了标记删除的作用，还有行锁的作用。例如下图中的select for update，需要把select的数据锁住，再去做其他的操作。

当把xmax作为行锁，我们需要记一个标志位在t_infomask里。标志位HEAP_xmax_EXCL_LOCK用来表示xmax是用做行锁而不是表示删除。

 

MVCC 实现总结

• xmin：创建元组的事务ID
• xmax：使元组过期的事务ID，由Update或Delete语句设置。在某些情况下，用作行锁
• cmin/cmax：用于标志事务内的可见性。如果在一个事务内先创建再过期，则使用combo command id

 

MVCC的清理需求

 

前文中，我们提到过MVCC的优点在于它是有很高的并发访问性能，但同时它还有一些缺点，即 MVCC在以下情况会产生很多的垃圾，还需要清理。

 

• 在更新元组时会创建一个新的元组，所以旧的元组需要清理
• 在删除元组时，只会标记xmax，不会立即删除元组
• 失败的事务所创建的元组

 

那么何时需要执行清理呢？一共有两个时机，

 

• 时机1：在查询操作访问到某个页面时，会清理这个页面
• 时机2：通过vacuum操作来清理

前文提到，Heap表页面布局中提到Heap是由一系列的大小相等的page组成的。清理时可能会面临另一个问题，它之上可能会存在index。需要清理的项共有3项，

 

1.    被标记删除的tuple。

2.    指向这些tuple的Item

3.    Index的某些项

单页面清理不会清理index，只会清理tuple，因此index指向这些Item的指针都还在。而vacuum则会把这三项全都清理。

Update中产生的旧元组可以像被删除元组一样处理。有些元组的Item也可以被回收，使用Heap only tuple的话会甚至可以直接复用被删除的tuple。

 

如果每次更新都需要插入索引项，会导致索引的膨胀。我们使用链式更新机制（HOT）来避免插入新的索引项。使用HOT机制的条件是：更新不涉及索引列，且新旧元组在同一个页面内。

 

在下面的例子中，tuple 2和tuple 3被标记删除，对任何事务均不可见。

此时，当访问到该页面，就会发生单页面清理。其清理思路将tuple2和tuple3都删除，由于空闲区间要保持在中间，因此会把tuple3挪动到最后。

在单页清理中，不会清理索引项。所以在Heap中，只会清理tuple，而其Item会被标记为Dead。在Vacuum操作中会清理索引项，并把对应的Item标记为Unused，这样Item就能够被继续复用。

上图中，我们有个version1的turple，并在下图中更新到version2。这个过程不会新增index项，而是通过旧tuple的c_tid指向新的tuple。

再update出现了version3，如果此时version1的turple不可见，version3的turple将取代version1。

再update出现version 4的tuple。第一个tuple将指向version 3的item，version 3的item指向version 3，version 3指向version 4。

HOT链的首尾节点保留，中间的所有节点都是可以清理的。

需要注意的是：如果更新时更新了索引列，则不能使用HOT，仍然会引起索引膨胀。

 

清理工作的总结

• 清理只发生在对于任何执行中的事务都不可见的tuple上
• HOT发生在处于单个页面，并有相同的索引值的tuple上
• 多数的清理工作由单页清理操作完成，但是单页清理只涉及Heap Page
• Vacuum则会进行更加彻底的清理，包括tuple item index

 

文章转自公众号：Greenplum中文社区