AntDB基于WAL日志的DML数据闪回实现

01概述

AntDB数据库是一款国产自研的MPP架构的分布式数据库，高度兼容Oracle语法，在通信、金融、交通等多个行业应用广泛。用户在使用AntDB数据库的过程中，经常由于误操作、应用程序Bug等，导致了误删数据或者误更新数据，影响业务正常使用。误删数据不是某个数据库的个例，几乎所有的数据库都会遇到类似问题，并且大多数数据库都会提供一个【数据闪回】的工具，利用该工具可以快速恢复误操作数据。

根据误操作类型，可以将数据闪回分为DML数据闪回和DDL数据闪回。DML数据闪回主要针对insert、update、delete场景，DDL数据闪回主要针对drop table、truncate table场景，而AntDB能够支持DML和DDL这两种数据闪回。本文将主要介绍DML数据闪回的实现细节。

02方案选型

AntDB 的DML数据闪回有两种主流的实现方式。第一种是基于WAL日志的数据闪回，它有两个前提条件，表结构未发生改变并且保留足够的WAL日志，结合表结构元数据，解析WAL日志进行数据恢复。第二种基于MVCC机制实现，AntDB更新、删除记录并不是真正的删除，而是生成新的记录，并将旧的记录进行标记，从而在vacuum执行前，能够利用记录的多版本信息以及事务提交信息找回旧的记录。两种方式都有各自的适用场景及弊端。

基于WAL日志的数据闪回需要保留大量的WAL日志文件，这会占用大量存储空间。在WAL文件数量较多时，需要遍历所有WAL日志，耗时较长，并且表不能做DDL操作。它的优点是逻辑简单，在技术实现上较容易，且社区有现成的开源实现可供参考。

而基于MVCC的机制则需要保证vacuum不会清除不用的多版本元组，vacuum相关参数需要谨慎设置。由于多版本元组不能及时清除释放，同样也会带来占用大量空间的问题。但相对来说，基于MVCC的实现方式更复杂，需要更深层地修改内核代码，因此在调研完两种方案的优缺点后，我们选择基于WAL日志的DML数据闪回实现方式。

03实现原理

3.1 WAL日志组成

WAL日志由一个个Record组成，Record分为不同的类型，如图1所示：

图1 WAL Record类型

AntDB的底层存储是堆表。从数据闪回的角度，只需要关心Heap表以及事务相关的类型，其他的Record类型不影响数据闪回的结果。事务相关的Record记录了事务的状态，commit或者abort，abort状态的事务数据不需要闪回，因此只需要关心commit状态的事务。

Heap类型的Record，记录了insert、update、delete操作产生的事务数据，根据DML类型可以再进行细分，如图2所示：

图2 Heap子类型

3.2 解析流程

DML数据闪回支持按表名闪回、按时间区间闪回、按事务号XID闪回、按LSN区间闪回。从内部实现上来看，这些闪回方式最终都会转换为一个LSN区间，包含起始LSN和结束LSN，如果指定了表名，则会在解析WAL Record记录时按表名进行过滤。图3中的 lsn3~lsn4即为解析的LSN区间。

图3 LSN区间示意图

基于WAL日志的数据闪回需要设置两个重要的参数：wal_level和full_page_writes。第一种参数wal_level需要设置为replica或者logical，minimal级别保存的信息较少，不足以恢复数据。第二种参数full_page_writes需要设置为on。AntDB每次 checkpoint 之后page的首次更新，都会将page页面完整地写入到 WAL 日志中。这种机制在宕机等异常场景下能够保证数据不丢失，比如在脏页刷盘时发生崩溃，并且在恢复时发现原始页面损坏，那么这时就可以通过WAL里面的full page进行恢复。Full Page Write（简称FPW）页面保存了页面的原始数据，这对于解析WAL数据至关重要，一些Record记录它本身的数据对于解析出完整的正向SQL和反向SQL并不充分，需要依赖FPW提供的原始数据。FPW在一次checkpoint之后才会写，在闪回数据时，选择的LSN区间应当在一个可用的checkpoint之前。在代码实现上，即使LSN区间在checkpoint之后，也会往前搜索，直到搜索到一个可用的checkpoint。

在确定了WAL的LSN区间后，就可以对此区间内的WAL Record做解析。根据不同的Record类型，结合元数据、FPW，拼接出原始SQL以及闪回SQL，记录到结果表中。整体解析流程如图4所示：

图4 WAL解析流程图

在解析WAL日志的过程中，解析程序以事务作为基本单位进行解析。一个事务对应一个TransactionEntry对象，一个事务可以包含多个SQL语句，每个SQL语句对应change链表的一个元素。在事务提交时，将change链表的所有元素拼接出正向SQL文本，以及反向SQL文本。

3.3 toast表解析

WAL解析过程中的一个难点是toast表。AntDB对于大字段的表，使用toast机制进行存储。toast英文全称为The OverSized Attribute Storage Technique（超尺寸字段存储技术）。toast机制的主要思路是使用额外的toast 表来存储大字段数据，避免一条记录跨越多个page页面，在原始的字段存储区内存储对应的toast 表的oid以及其数据行的chunk_id。

pg_class表的reltoastrelid 字段记录的就是其对应的toast表的oid，toast表的表名后缀为其父表的oid。举例来说，一张普通表 t，oid 为 10022077，reltoastrelid 为 10022080，表t对应的toast表为：pg_toast_10022077，oid 为 10022080。普通表与 toast 表在 pg_class 中通过字段 relkind 进行区分，普通表为 'r'，toast 表为 't'。

对一个涉及大字段的普通表执行DML操作，该表与其对应的toast表的wal写入顺序如下：

• insert操作，先插入toast表记录，再对普通表进行写入
• update操作，先插入toast表记录，再删除toast表记录，最后更新普通表
• delete操作，先删除普通表记录，再删除toast表记录

以上可以看出，insert与update都是先对toast表进行操作，然后对普通表操作，而delete则相反，这一点对于处理delete场景下的toast表数据闪回至关重要。

3.4 闪回数据存储

WAL日志解析拼接出来的SQL将会存储在表中，表结构如表1所示：

表1 解析结果表

op_text为原始的SQL语句，undo_text为闪回的SQL语句。如果想快速恢复数据，则需要将undo_text导出，按时间逆序执行一次，即可恢复这段时间的数据。

04 使用示例

创建一张表t，插入3条记录，然后再删除表t的所有记录，如图5所示：

图5 误删数据操作示意图

执行DML数据闪回函数wal2sql，指定表名t为参数，执行完成后从wal2sql_contents表中能够看到DML数据闪回的结果，op_text表示原始的SQL，undo_text表示反向的闪回SQL，如图6所示：

图6 闪回数据操作示意图

05 改进与提升

AntDB DML数据闪回工具在开发过程中，解决了一系列涉及具体场景的问题，主要包括toast表解析、子事务解析、Oracle兼容性问题；同时还解决了涉及具体场景的性能问题，如海量表场景下的性能问题、大数据量场景下的性能问题。AntDB DML数据闪回工具不仅支持AntDB单机版本，还支持AntDB分布式集群场景下的数据闪回。

（1）toast表解析问题主要是由于delete场景下原表与toast表在处理顺序上与insert和update不同，此处需要特殊处理，否则会导致toast表在delete场景下解析结果不正确。

（2）子事务是AntDB使用较多的一个场景，子事务的解析需要严格考虑父子事务之间的关系以及事务提交状态，解析子事务时应当保证子事务的准确性，不能出现丢失部分子事务的情况。

（3）Oracle兼容是AntDB的一大特色，AntDB高度兼容Oracle语法和存储类型，比如Oracle类型rowid。数据闪回需要考虑Oracle兼容性，保证在Oracle语法下创建的表以及生成的数据能够正确闪回。

（4）数据闪回需要支持分布式集群，AntDB分布式架构下数据分散存储在不同的数据节点上，DML数据闪回能够支持所有数据节点的数据闪回。在使用方法上只需要连接到任意一个CN节点执行数据闪回命令，与单机版本在使用方法上完全一致，做到了简单易用。

（5）数据闪回的性能提升，主要包括海量表场景下的执行性能提升，比如数据库中包含超过100万张以上的表，元数据数量巨大，此场景要保证解析性能不会出现较大的下降。此外，大事务场景下的执行性能优化，1个事务包含大量SQL以及大字段涉及大量toast表的解析，都需要保证性能不会有太大的损耗。

06总结

本文介绍了AntDB基于WAL日志实现DML数据闪回的一种方式，讨论了其实现原理，并在社区开源实现的基础上做了大量改进和提升。数据闪回是一个非常重要的工具，虽然平时使用频率不高，但在紧急关头能够挽救数据。数据闪回不限于一种方式，AntDB在未来将探索基于MVCC多版本控制的数据闪回，为数据恢复提供更多实现路径。

关于AntDB数据库

AntDB数据库始于2008年，在运营商的核心系统上，为全国24个省份的10亿多用户提供在线服务，具备高性能、弹性扩展、高可靠等产品特性，峰值每秒可处理百万笔电信核心交易，保障系统持续稳定运行近十年，并在通信、金融、交通、能源、物联网等行业成功商用落地。