好好学习一下InnoDB中的页

2023-11-20 10:22:38 浏览数 (1)

专栏持续更新中：MySQL详解

一. 前言

周末没啥计划，把大佬的<MySQL是怎样运行的>又翻了出来，重新学习一下页的概念。

页这个东西，看起来不怎么显眼，但是深层的东西都会碰到他，又爱又恨，逼着人必须弄懂。

二. 从宏观层面看页

高并发里面有一种提高性能的思路是 ：通过批处理一次性处理大量数据，避免频繁的网络流量和IO。

MySQL 的页就是基于这种概念，磁盘是存放数据的载体，而数据处理会发生了内存中，所以流程大致分为：

  • S1 : 首先对数据进行切分，划分成若干页
  • S2 : 每次读取的时候，都直接把一整页读取到内存中
  • S3 : 外部读取的时候，直接对内存中的数据进行读取和操作
  • S4 : 如果发生了修改操作，需要把内存的内容刷新到磁盘上

页的好处

这里比较模糊的是为什么要衍生出一个页，而不是通过行级别进行处理。

  • 首先解决的就是 IO 问题，当然如果说每个页只读一条，那么这种就不算优势，但是我们大批量读取的时候，往往是查询连续的数据 ， 相对而言取舍后，效率就更高了。
  • 避免碎片化，行的级别太低了，大小也不同，使用行的时候，存储空间不便于分配
  • 提高并发和锁，可以通过控制事务到一个页里面，减少事务的粒度
  • 提高维护性和通用性 ，当发生重整时，页的处理会更简单

三. 页的基本内容

页的概念与索引关联的概中主要包括 ：

  • 页 （Page）： 页是数据存储的基本单位，是一个固定大小的数据块，通常是16K
  • 行 （Row）: 行是数据库中的基本数据单位 ，代表表中的一个记录
  • 分组（Group）：将一个页里面除了删除的记录进行逻辑划分，取每组最后一条记录作为偏移量标志位
  • 槽（Slot）：每个分组的最后一条数据会在页目录里面作为一个指针存在，这个指针就是一个槽页目录 （Page Directory）：用来管理数据页的一种数据结构，目录内记录了指针，索引等位置信息

3.1 页的数据结构

  • File Header 和 Page Header 包含了该页的基础属性和状态信息等
  • Infimum / Supremum 是虚拟的行记录，用于限定记录的边界，他们都是虚拟的，不表示任何存在
  • Infimum 标识比该页任何值都要小的值
  • Supremum 标识比该页任何值都要大的值
  • 用户记录和空闲记录是实际的存储空间，随着插入数据空闲空间会越来越小
  • 页面目录用来存储记录的相对位置，通过稀疏目录的方式加快了查询的数据
  • File Trailer 目的是为了保证数据的完整性，其中会存放一个校验和保证数据是正确的

插入数据带来的结构变化

3.2 用户空间内的数据行结构

其中主要的参数是 :

  • n_owned：当前记录拥有的记录数 ，通过该数据来确定每组数据的大小
  • heap_no：当前记录在堆的位置，最小和最大的heap_no 分别是 0，1 ，标识在最上面
  • next_record:下一记录的相对位置 ， 用于保证数据成一个链表结构

3.3 页目录

我们或多或少都接触过数组或者集合，对于数组的查询方式有很多，正序或者逆序，或者效率更高的二分法

前提 ： MySQL 的数据按照行记录进行存储，在一个表中，行的数据是有序的

目录 ：但是不论多么优良的算法，在大数据量的场景下，还是会有很高的性能损耗，而 MySQL 为了解决这种场景，采取的是目录的方式。 目录中通过槽和分组，得到了一个数据的精简模型，通过精简的数据快速查询对应的分组，再在分组里面进行循环查找

槽和分组

有个资料里面说的是一个数据行就对应一个槽，也有说多个记录一个槽，我这里倾向于后一种说法，即稀疏目录。

页目录存放了记录的相对位置，每个相对位置即为一个槽，在InnoDB 里面是使用稀疏目录 （sparse directory）, 即一个槽会属于多个记录 （4-8条）

  • 最小记录的条数是1
  • 最大记录所在分组的记录数是1-8
  • 其他分组在 4-8之间
  • 指向原理
代码语言：txt复制
- 查询数据时，首先通过二分法在页目录中进行查询
- 当查询到分组范围后，再通过分组里面的 next_record 查询具体的数据

四. 问题集

4.1 索引 和 数据页 有什么区别

  • 两者不是同一个东西，存储的数据和结构都不同
  • 在索引中，每一个 B 树节点对应一个索引页，一个索引页中存储索引键值和指向指针
  • 数据查询时，通过根索引页开始，遍历索引树，从而拿到指向数据行的指针
  • InnoDB 会通过索引中的数据行指针定位到数据页 （直接通过物理地址指向槽号）

除了这些页，InnoDB 中还有存放表空间头部信息的页，Buffer 页等。

4.2 页的大小是什么决定的

  • 页的大小是由创建数据库表时指定的存储参数 innodb_page_size 决定的
  • 参数一旦设置就不能更改，不然就得刷页里面大量的数据

CREATE TABLE my_table (...) ENGINE = InnoDB ROW_FORMAT=COMPRESSED KEY_BLOCK_SIZE=8 PAGE_COMPRESSED=1 PAGE_SIZE=64K;

4.3 页的大小对哪些情况有影响

  • 索引效率 ：前面说了，索引过程中会通过每页的最大最小进行快速匹配，而较大的页一定程度上会使相同数据量情况下拥有更少的页，从而降低索引节点的数量，索引树高度也因此降低。查询效率会有所提高
  • 内存占用 ：较大的页会在内存中占用更多的空间。因为读取时，每次都是读取一整页，所以内存每次读取得更多。
  • 其他硬件影响 ：更大的页会影响磁盘IO和CPU，IOPS 方面都会带来更多的压力

总结 ：提高效率，但是增加了系统负载。

4.4 一般情况下说的链表有哪几个

一个列里面的数据行之间通过 next_record 形成的单向链表

上文说到了每个数据行上面会有个 next_record 参数，该参数记录了真实数据达到下一条记录的真实数据的偏移量，这里有几点值得注意 ：

  • 这里的顺序不是插入数据，而是主键值由小到大的顺序
  • 上一条指向的是下一条的value的位置，而不是 Header 头的位置

不同数据页之间组成的双向链表

上面的结构图看过了，每个页里面都会包含 File Header 和 Page Header 两个对象。

  • Page Header ： 记录当前页的状态信息和规则，例如槽数，记录数，剩余空间数等等
  • File Header ： 记录当前页的标准信息，包括页的编号，页所在的表空间，上一页页号和下一页页号

而双向成方式不言而喻，都知道上页 （FIL_PAGE_PREV） 和 下页（FIL_PAGE_NEXT）的页号了，那访问完全没问题了 ， 由于都只存了上一个和下一个，也就形成了标准的链表结构。 补充 ： 上面看到的这种通常是指 LRU 链表，还有一个双向链表是 Flush List （刷新链表），这个链表是在数据页发生修改后，使用刷新链表可以让数据按照一定的顺序刷新到磁盘上

4.5 如果页的空间满了怎么办

  • 首先，页的的大小是在存储引擎创建的时候就确定了，所以空间固定。
  • 其次页内数据是按照主键进行排序，所以这个时候插入铁定空间超了

在这种场景下，会触发页分裂 ，此时 InnoDB 会执行下列操作 ：

  • S1 : 创建新的数据页
  • S2 : 按照排序方式将部分数据迁移到新页
  • S3 : 更新上下页关系和对应的索引关系

这里由于页是双向链表进行的关联，所以插入并不会对数据结构进行大的破坏，只需要对应的上下页进行更新就行了。

4.6 如果页的空间空了怎么办

既然会有页分裂，那就有可能会出现分裂的页不均衡的情况，长时间下去，就会形成很多空闲块，这样的结构也是不合理的，不仅会占用不必要的空间，还会导致查询性能降低。

为了避免这些问题，InnoDB 会有页合并的功能 , 原理和上面的类型。相邻页尝试合并，然后重新更新引用和索引。

4.7 删除的数据何时被清理

之前看到了数据被删除后，其目录数据里面的 delete_mask 会被置为已删除。

此时的数据处在逻辑删除的状态，通过上面说的 next_record （下一记录的相对位置）指向后续存在的正常数据。

这样做的目的主要是避免碎片，提高删除的性能（只需要修改标识和引用），同时保证了删除的事务。

但是长此以往就会有大量的删除数据占用空间，为了避免这种情况，InnoDB 会定期的进行清理，同时重新整理数据页。

4.8 数据页和B 树及索引的关系

  • 数据页是为了存储数据行的，存放的是二进制数据，通常数据行按照主键的顺序存放
  • B 树是一种数据结构，也是索引的结构，B 树结构让索引更加有效和便于管理
  • 索引中的B 树叶子节点存储了索引条目，每个条目对应一个数据行的物理指针（通常是数据行的槽号）
代码语言：txt复制
- 当获得槽号后，就直接通过槽号读取想要的数据，并且返回

页和索引是相辅相成的，如果没有索引，页就需要在单向链表里面向下寻找，直到找到对应的数据

总结

页是存储的基础，也是索引的基础，了解了页后面就可以深入的了解索引了。

这一块没了解太深，毕竟这东西其实我应用的场景几乎没有，主要是不弄清楚后面读起来很难受。

尽量做到了自己去输出东西，整理了一些问题，但是毕竟站在别人修好的路上面，有些东西不能保证一定是对的，也有可能是我理解有误，如果有问题建议去看原文或者官方文档。

附录

头部信息对于我们日常业务中几乎是没太大用的，这里只记录几个我认为和上文有一定关联的参数 ：

  • 页头部信息
代码语言：txt复制
- PAGE_N_DIR_SLOTS : 页目录中的槽数量
- PAGE_N_HEAP ： 本页中的记录数量
- PAGE_GARBAGE ： 已删除记录中的字节数
- PAGE_LAST_INSERT ：最后插入记录的位置
- PAGE_DIRECTION ：记录插入的方向
- PAGE_N_RECS ： 该页中记录的数量
- PAGE_LEVEL ： 当前页在 B 树中所处的层级
- PAGE_INDEX_ID ： 索引ID文件头部信息
代码语言：txt复制
- FIL_PAGE_OFFSET ： 页号
- FIL_PAGE_PREV ： 上一个页的页号
- FIL_PAGE_NEXT ： 下一个页的页号
- FIL_PAGE_ARCH_LOG_NO_OR_SPACE_ID : 页属于哪个表空间

参考文档

  • 小册 ： MySQL是怎样运行的
  • MySQL 技术内幕

我正在参与2023腾讯技术创作特训营第三期有奖征文，组队打卡瓜分大奖！

数据 2023腾讯·技术创作特训营第三期 存储 innodb 链表

0 人点赞