GaussDB(for MySQL) 数据库在写入性能上, 在业界同类产品中是最好的, 这主要得益于 GaussDB(for MySQL) 在 MySQL 内核方面的诸多优化. 其中有一项从 "送快递" 得来灵感的优化 -- 事务异步提交, 值得我们分析.
背景
我们先来看看 MySQL 8.0 的事务提交的大致流程
图 1 MySQL 8.0 事务执行流程
以上流程, 是 MySQL8.0 对 WAL 原则的一种实现, 这个流程意味着, 任何一个事务的提交, 一定要完成 write buffer 和 flush to disk 流程.
然而那么这个流程中, 有一个问题: 每个服务器的 CPU 是有限的, 服务器能处理的 Thread 也是有上限的, 那么当我们的业务的并发数量, 远远大于我们服务器能并行处理的数量时, 那么后来的事务, 只能等待前面的事务提交后才能被处理. 在这之前, 他们什么也做不了. 因此, 在大并发场景下, 如何进一步提升线程的使用率, 是大并发事物写入的一个关键.
灵感来源于生活
一个优化, 并不是凭空想象出来的, 有时候, 往往来源于现实生活. 下面, 我们先来看看我们身边, 和事务提交流程非常类似的一个例子: 快递.
现在的快递配送, 一般一个快递员会负责一片区域, 快递刚开始兴起时, 数量不多, 那么一个快递员基本上可以在规定时间内完成配送.
图 2 过去的快递配送
但是, 随着快递数量越来越多, 一个快递员要在一个小区配送很长的时间, 才能到下一个小区, 常常导致了快递员无法准时的配送. 在这个问题的催动下, 随后, 一个新的行业开始出现 - 快递驿站.
图 3 现在的快递配送
快递的优化原理
接下来, 让我们来看下, 快递驿站究竟解决了什么问题.
快递的配送过程中, 最耗时的, 不是装货, 不是卸货, 而是电话和等待. 配送一个小区的时间, 取决于这个最后一个来取快递的人的时间, 在最后一个人取完快递钱, 快递员除了打电话, 做不了其他任何事情 (也没有办法通知下一个小区的人, 因为最后一个人来取得时间是无法确定的). 那么这个等待的时间, 对于快递员来说, 就是一种浪费.
快递驿站可以很大程度解决这个问题, 快递员到了以后, 只需要将快递卸货, 即可前往下一个小区, 剩下的事情, 就可以由驿站的人员来完成, 大大提升了快递员的配送效率.
分析
回过头来, 我们看看数据库, 如果把 Transaction 线程看做快递员, 存储上的文件看做取快递的人, 那么我们会发现两者有非常大的相似性. 那么我们可以像快递配送优化那样去优化事务的处理流程吗? 答案是可以的.
图 4 事务处理和快读配送非常类似
根据快递驿站的优化原理, 我们知道, 快递驿站帮快递员免去了等待客户取货的时间, 那么事务处理过程中, 有没有等待的过程呢? 答案是有的, 存储的 IO 就是一个较长的等待. 数据库使用经验丰富的开发人员来都知道, 等待 redo 日志写入存储的磁盘 IO 性能, 很大程度上决定了数据库的写入性能. 对于现代数据库来说, 尤其对于 GaussDB(for MySQL) 这样计算于存储分离的数据库, 存储的 IO 耗时, 在事务处理的总耗时中, 占据了不小的比例, 虽然有 log buffer 的合并写入, 提升并发情况下的整体吞吐, 但是如果在等待 IO 的这段时间中, 这些线程能够去做别的事情 (例如处理等待中的其他事务). 那么将会有进一步的性能提升.
GaussDB(for MySQL) 的优化
既然找到了等待的点, 那么我们就可以像快递配送的优化方法, 为数据库, 也创造一个 "快递驿站", 让 "快递驿站" 来做等待的事情, 而事务线程就可以去处理其他等待中的事务, 让 CPU 不会 "闲下来".
图 5 GaussDB(for MySQL) 的 "快递驿站"
如图 5 所示, GaussDB(for MySQL) 当 redo 日志的 flush to disk 动作完成后, 即可进行事务提交, 但是此时并不应答客户端, 而是直接处理下一个事务. 同时使用少量 "post comit worker 线程", 来批量等待日志写入完成 (等待的过程其实并不占用 CPU), 并应答客户端, 这就可以让 "等待" 和 "下一个事务的处理" 并行化, 让 CPU"闲不下来".
实际测试
图 6 Sysbench write only 模型下写入性能测试
根据实际测试, 在标准的 sysbench 写入模型下, 没有使用 Post Commit 时, 极限性能是 35 万 QPS 左右, 而使用 Post commit 后, 可以到大 42 万以上的 QPS, 提升了 20% 的写入性能.
点击关注, 第一时间了解华为云新鲜技术~
来源: https://www.cnblogs.com/huaweiyun/p/13223531.html