一个自制简易数据库 KxDB

背景

启发自一位富裕女同事推荐的 CMU:15-445 与 15-721 数据库课程,但大部分都已经学过了,于是改头换面,顺便记录一下 Google 基于 BigTable 实现的 Percolator 事务算法。

设计初衷:

  1. 实现高性能的存储引擎,减少内存复制延迟,以及实现更深入的 I/O 性能优化,
  2. 实现查询引擎,希望基于 KV 实现出复杂的查询优化场景,
  3. 使用 Lustre 类似的并行文件系统,并发对文件块进行查询,
  4. 最终实现计算与存储分布式,这是个大坑。

存储层框架

LSM 树

在写入时,LSM 树假设了磁盘文件数据的写入是有序的,如果输入数据无序,则会使用内存的有序数据结构,如跳表、红黑树(本设计采用红黑树),在一定量后溢写到磁盘。溢写发生时,对有序数据建立类似 B+ 树的一维空间索引,由于此时输入数据有序,索引的建立也是顺顺利利,不像 B+ 树添加/删除数据时候还需要覆盖索引改动的数据块 ,还有考虑并发修改问题。

但有一个不好处理(不太优雅)的点,客户端 Scan Memstore 的红黑树时,是有状态的(也就是每次遍历一点点,然后再从上次遍历的数据再往后遍历),这需要遍历时候至少需要分阶段上锁或者无锁,而不能一直锁住直至所有遍历完成,但写入 Memstore 时,红黑树的结构可能一直在变更,所以查询上次进度需要重新从根开始计算,并且可能需要分阶段上锁,每遍历一个阶段的数据,上锁然后复制数据出来返回给客户端。

KV 分离是 LSM 树对大对象存储的优化,方法是 KV 的 Value 字段记录指针而非用户数据。

Buffer Pool / Block Cache

采用朴素的 LRU,但是由于在 C++ 上实现,需要手动释放内存,因此需要考虑标记 LRU Cache 的数据块是否可释放,evict 驱逐时候把未能释放的块放到待 GC 集合保留,当数据块再次被使用时,可直接拉回 LRU Cache 中,而如果数据块未被再次使用并触发了释放操作,数据块将释放并从待 GC 集合中删除。

这样可避免同一份数据,被各种操作复制多次使用。

Bloom Filter

在 256KB 块上对 131072(128K) 个 rowkeys 进行 BKDRHash + DEKHash + FNVHash + APHash + JSHash 哈希取样,测试结果准确率在 99.85% 左右。

但 Bloom Filter 目前只针对点查有效,范围查就凉了,未来可以考虑优化(配合线段树区间查询?但似乎作用不大);还有它的数学概率分析公式实在没搞懂,挖坑日后再研究。

WAL

暂未实现,日后待更。相比较传统数据库快照隔离 MVCC,在 HBase 中,MVCC 只是控制 WAL 落地前后的可见性,其依赖 Read Point 与 Write Point 实现,当数据从 WAL 刷写磁盘成功后,推进 Read Point 到刷写的 Write Point。

事务管理框架

单机的实现

单机的事务隔离通常由下面几种机制联合实现:

  1. ReadView(快照隔离的 MVCC 实现,用于 Read Committed 与 Repeatable Read 隔离级别)
  2. Index-Range Locking(也称为 Gap Lock,解决快照隔离的 Write Skew 写偏差问题)
  3. S2PL(Strict Two Phase Locking Protocol,严格二阶段封锁协议)
    仅用于实现 Serializable 隔离级别。在课本中,S2PL 也可实现其他隔离级别,
    但由于并发性能太差,在现代数据库中非 Serializable 级别都使用快照隔离的 MVCC。
    在配置 Serializable 级别的 MySQL ,会在 SELECT .. 中隐式添加 LOCK IN SHARE MODE。
  4. MGL(Multiple Granularity Locking,多粒度锁,共享读锁、互斥写锁、更新锁)
    用于辅助 Gap Lock 和 S2PL 的锁实现。

PostgreSQL 提供 SSI(Serializable Snapshot Isolation,可串行化的快照隔离),通过检测旧 MVCC 的读取、检测影响之前读取的写入,直接终止有影响的事务。

分布式实现

Percolator(TO + MVCC)

《Large-scale Incremental Processing Using Distributed Transactions and Notifications》

及其三种优化技术,分别是缓存提交写、管道和并行提交。TiDB 采用“缓存提交写”达到了 2 倍共识算法延迟,但这个方案的缺点是缓存 SQL 的节点会出现瓶颈,而且不再是交互事务。CockroachDB 采用了管道和并行提交技术,整体延迟缩短到了 1 倍共识算法延迟,可能是目前最极致的优化方法了。

计算层框架

Volcano 过时。

实现代码

基础实现:https://github.com/akiasprin/KxDB

参考资料

  1. https://vonng.github.io/ddia/#/
  2. https://time.geekbang.org/column/intro/100057401
  3. https://www.youtube.com/c/CMUDatabaseGroup
  4. https://15445.courses.cs.cmu.edu/fall2021/assignments.html
  5. https://www.jianshu.com/nb/36265841
  6. https://wiki.postgresql.org/wiki/SSI
  7. https://pingcap.com/zh/blog/tidb-internal-1
  8. https://pingcap.com/zh/blog/tidb-internal-2
  9. https://pingcap.com/zh/blog/tidb-internal-3
  10. https://www.cnblogs.com/CodeBear/p/12710670.html
  11. https://storage.googleapis.com/pub-tools-public-publication-data/pdf/36726.pdf

2 Replies to “一个自制简易数据库 KxDB”

发表评论

您的电子邮箱地址不会被公开。