今天介绍《A Case for Fractured Mirrors》，来自 VLDB 2002，作者来自威斯康星大学麦迪逊分校，和之前的 PAX（Partition Attributes Across）属于一类：也是在结合 NSM 和 DSM 的优点。
正文 2165 字，预计阅读时间 6 分钟。
背景知识
PAX 是优化 NSM 的 cache 表现，而这篇文章主要关注磁盘IO。NSM 主要针对投影率和选择率都比较高的场景，而 DSM 适用投影率和选择率都比较低的场景。
投影率（projectivity）就是 select 语句后边跟的列数，就是查询的列数。投影率高就是查的列多。选择率（selectivity）就是挑剔度，选择率高，结果集就少。
投影率和选择率都高，就是只选择很少的数据，并且把这些数据的大部分属性都拿出来，比较适合 NSM。
DSM 的缺点及实现优化
都说 DSM 重组数据耗时，到底多耗时呢？这篇文章给出了一个测试结果。
用 TPC-H 数据集的 Line-item 表（每行数据有16个属性），一共 1GB 数据。采用 NSM 会占用 1.1 GB 磁盘空间，并且一个全表扫描需要 74.5 秒。
DSM （16个关系，每个关系表有一个 ID 列和一个属性列）占用 2.8 GB 空间，
为了实现全表扫描，需要对每行数据都重组，随着选择的列数从 1 列到 8列，扫描的时间为 68.29s 到 759.39s。比 NSM 模型差的有点大，即使只选择一列也没好多少。
这和我一直说的 DSM 在选择列数少的时候性能很好说法相悖啊，这里有实现问题，作者是用一种最简单的 DSM 实现对比的，用 slotted page 存放每一对 《ID，属性列》，不管这个属性列是定长还是变长。这种实现方式比较浪费空间。
除此之外，每个属性需要带一个 ID，比较浪费空间，虽然现在磁盘几乎没啥成本，多占空间不是问题，但是多占空间会导致多占 IO，这就成问题了。因此，减少 IO 数据传输是很有必要的。
作者针对 DSM 的一些实现上的问题，提出了一个稀疏的 B-Tree 索引，去掉了多余的 ID 列。在这些 DSM 优化的基础上，又提出了一个基于 Chunk 的多路归并算法，主要思想就是从单点加载变成批量加载。
作者比较了优化后的单点加载算法、批量加载的算法以及 NSM 扫描的时间。这基本是 DSM 应该有的速度，可以看到一种思想的表现和实现也很相关，你可以把一个非常巧妙的想法实现成一坨屎，也可以把一个很傻的算法实现的很快。
镜像：Raid 1
镜像技术就是使用两块磁盘将数据做个拷贝，两块盘都可以对外提供访问服务，做负载均衡。两块盘的数据存储结构都一样。
简单版 fractured mirror
前边都是在讲 DSM 和 NSM 的基础和实现。其实这篇文章主要在镜像上做文章。
因为 NSM 和 DSM 分别适用于不同场景，所以一个简单的想法是，两个镜像，一个用 NSM ，一个用 DSM。这样不同的查询负载就可以分配到不同的盘上去执行，哪个快用哪个。
这样是最简单的方式，但是有个问题，那就是负载不均衡，可能查询都是偏 NSM 场景的，那 NSM 的盘就比较忙碌了。
升级版 fractured mirror
为了解决负载均衡的问题，又提出了升级版的。下图：
一张表，在一块盘上前一半数据用 NSM 结构存储，后一半用 DSM。在另一块盘上反过来。这是比较简单的分配策略，也可以用轮转的分配方式。
这样，一个全部偏 NSM 的查询负载，对于每一个查询来说，假设这个查询访问的数据是随机分布的，这个查询也可以被均摊到两块盘上。负载均衡也没问题了。
同步方式
原来的 Raid 1，在两个磁盘上的插入更新操作都一样，现在物理存储不同了，一个涉及1行记录10个属性的更新操作，在 NSM 上只需要一次写入就可以了，在 DSM 上就需要 10 次写入，这个极大地不同步。
解决方式是用全部驻留在内存中的 Differential file，将修改都记录在这里，定期和磁盘文件合并，保证这个文件大小适中。
删除使用 bitmap记录，查询时候需要将 Differential file 和 bitmap 一起合并。
查询计划生成
这样一个查询来了之后，可以生成两个最优计划，基于 NSM 的最优计划和基于 DSM 的最优计划，哪个快用哪个，查询优化器就变复杂了。而且需要生成两种查询计划，相当于优化了两遍（optimize-twice）。
另一种方式是自底向上的搜索查询计划，把所有可能的扫描操作符和join操作符都生成出来，然后拼出来一个最优的。通过这种方式避免 optimize-twice，而且能生成混合查询计划（既包含NSM的又包含DSM的）。
局限
先说查询计划生成，都是基于规则的，作者说是避免了优化两次，但是我觉得只是将两种查询计划生成器混合起来了，打散放到了每一小步上去，比optimize-twice并不简单，优点是能生成混合的计划。由于底层存储的不同，需要维护两套查询引擎是比较头大的。
仅有两种不同的物理存储结构，即 NSM 和 DSM，仅适用两个副本的情况。
Differential file 是个潜在的性能问题，一个盘挂了，从另一个盘恢复的时间没有度量。
总结
本文的想法很好，一个数据库包含两套存储结构，而且不是简单的一份数据存两套，而是在一份数据内部就有两套，但是这样查询就会变复杂，而且数据恢复是个问题。
再来看看题目，原来的两个镜像是一样的，就和镜子一样，现在将他们物理结构改变了，相当于打碎了镜子，于是题目叫破碎的镜像。
