数据库内核月报 － 2015 / 09-MySQL · 引擎特性 · InnoDB Adaptive hash index介绍

前言

我们知道InnoDB的索引组织结构为Btree。通常情况下，我们需要根据查询条件，从根节点开始寻路到叶子节点，找到满足条件的记录。为了减少寻路开销，InnoDB本身做了几点优化。

首先，对于连续记录扫描，InnoDB在满足比较严格的条件时采用row cache的方式连续读取8条记录（并将记录格式转换成MySQL Format），存储在线程私有的row_prebuilt_t::fetch_cache中；这样一次寻路就可以获取多条记录，在server层处理完一条记录后，可以直接从cache中取数据而无需再次寻路，直到cache中数据取完，再进行下一轮。

另一种方式是，当一次进入InnoDB层获得数据后，在返回server层前，当前在btree上的cursor会被暂时存储到row_prebuilt_t::pcur中，当再次返回InnoDB层捞数据时，如果对应的Block没有发生任何修改，则可以继续沿用之前存储的cursor，无需重新定位。

上面这两种方式都是为了减少了重新寻路的次数，而对于一次寻路的开销，则使用Adaptive hash index来解决。AHI是一个内存结构，严格来说不是传统意义上的索引，可以把它理解为建立在Btree索引上的“索引”。

本文代码分析基于MySQL 5.7.7-rc，描述的逻辑适用于5.7.7之前及5.6版本。但在即将发布的MySQL-5.7.8版本中， InnoDB根据索引id对AHI进行了分区处理，以此来降低btr_search_latch读写锁竞争，由于尚未发布，本文暂不覆盖相关内容。

我们以一个干净启动的实例作为起点，分析下如何进行AHI构建的过程。

初始化

AHI在内存中表现就是一个普通的哈希表对象，存储在btr_search_sys_t::hash_index中，对AHI的查删改操作都是通过一个全局读写锁btr_search_latch来保护。

在实例启动，完成buffer pool初始化后，会初始化AHI子系统相关对象，并分配AHI内存，大小为buffer pool的1/64。

参考函数：btr_search_sys_create

Tips：MySQL 5.7已经开始支持InnoDB buffer pool的动态调整，其策略是buffer pool的大小改变超过1倍，就重新分配AHI Hash内存（btr_search_sys_resize）。

触发AHI信息统计

在系统刚启动时，索引对象上没有足够的信息来启发是否适合进行AHI缓存，因此开始有个信息搜集的阶段，在索引对象上维护了dict_index_t::search_info，类型为btr_search_t，用于跟踪当前索引使用AHI的关键信息。

在第一次执行SQL时，需要从btree的root节点开始，当寻址到匹配的叶子节点时，会走如下逻辑：

btr_cur_search_to_nth_level：

if (btr_search_enabled && !index->disable_ahi) {
        btr_search_info_update(index, cursor);
}

这里会判断脏读AHI开关（btr_search_enabled）是否打开，以及index->diable_ahi是否为false。第二个条件是MySQL5.7对临时表的优化，避免临时表操作对全局对象的影响，针对临时表不做AHI构建。

我们看看函数btr_search_info_update的逻辑：

  1. 对info->hash_analysis++，当info->hash_analysis值超过BTR_SEARCH_HASH_ANALYSIS（17）时，也就是说对该索引寻路到叶子节点17次后，才会去做AHI分析（进入步骤2）
  2. 进入函数btr_search_info_update_slow

在连续执行17次对相同索引的操作后，满足info->hash_analysis大于等于BTR_SEARCH_HASH_ANALYSIS的条件，就会调用函数btr_search_info_update_slow来更新search_info，这主要是为了避免频繁的索引查询分析产生的过多CPU开销。

InnoDB通过索引条件构建一个可用于查询的tuple，而AHI需要根据tuple定位到叶子节点上记录的位置，既然AHI是构建在Btree索引上的索引，它的键值就是通过索引的前N列的值计算的来，所有的信息搜集统计都是为了确定一个合适的”Ｎ” ，这个值也是个动态的值，会跟随应用的负载自适应调整并触发block上的AHI重构建。

btr_search_info_update_slow包含三个部分：更新索引查询信息、block上的查询信息以及为当前block构建AHI，下面几小节分别介绍。

更新索引上的查询信息

参考函数：btr_search_info_update_hash

这里涉及到的几个search_info变量包括：
btr_search_t::n_hash_potential 表示如果使用AHI构建索引，潜在的可能成功的次数；
btr_search_t::hash_analysis 若设置了新的建议前缀索引模式，则重置为0，随后的17次查询分析可以忽略更新search_info。

下面两个字段表示推荐的前缀索引模式：
btr_search_t::n_fields 推荐构建AHI的索引列数；
btr_search_t::left_side 表示是否在相同索引前缀的最左索引记录构建AHI；值为true时，则对于相同前缀索引的记录，只存储最右的那个记录。
通过n_fields和left_side可以指导选择哪些列作为索引前缀来构建（fold, rec）哈希记录。如果用户的SQL的索引前缀列的个数大于等于构建AHI时的前缀索引，就可以用上AHI。

Tip1：在５.7之前的版本中，还支持索引中的字符串前缀作为构建AHI的键值的一部分，但上游认为带来的好处并不明显，因此将btr_search_t::n_bytes 移除了(参见commit 6f5f19b338543277a108a97710de8dd59b9dbb60, 42499d9394bf103a27d63cd38b0c3c6bd738a7c7）。
Tip2：然而上游在测试中发现，如果把n_bytes移除，可能在诸如顺序插入这样的场景存在性能退化(参阅commit 00ec81a9efc1108376813f15935b52c451a268cf)，因此在新发布的MySQL5.7.8版本中又重新引入，本文分析代码时统一基于MySQL5.7.7版本。

两种情况需要构建建议的前缀索引列：

  1. 当前是第一次为该索引做AHI分析，btr_search_t::n_hash_potential值为0，需要构建建议的前缀索引列；
  2. 新的记录匹配模式发生了变化(info->left_side == (info->n_fields <=cursor->low_match))，需要重新设置前缀索引列。

相关代码段：

if (cursor->up_match == cursor->low_match) {
        info->n_hash_potential = 0; 

        /* For extra safety, we set some sensible values here */

        info->n_fields = 1;
        info->left_side = TRUE;

} else if (cursor->up_match > cursor->low_match) {
        info->n_hash_potential = 1; 

        if (cursor->up_match >= n_unique) {
                info->n_fields = n_unique;
        } else if (cursor->low_match < cursor->up_match) {
                info->n_fields = cursor->low_match + 1;
        } else {
                info->n_fields = cursor->low_match;
        }    

        info->left_side = TRUE;
} else {
        info->n_hash_potential = 1; 

        if (cursor->low_match >= n_unique) {

                info->n_fields = n_unique;
        } else if (cursor->low_match > cursor->up_match) {

                info->n_fields = cursor->up_match + 1;
        } else {
                info->n_fields = cursor->up_match;
        }    

        info->left_side = FALSE;
}

从上述代码可以看到，在low_match和up_match之间，选择小一点match的索引列数的来进行设置，但不超过唯一确定索引记录值的列的个数：

  1. 当low_match小于up_match时，left_side设置为true，表示相同前缀索引的记录只缓存最左记录；
  2. 当low_match大于up_match时，left_side设置为false，表示相同前缀索引的记录只缓存最右记录。

如果不是第一次进入seach_info分析，有两种情况会递增btr_search_t::n_hash_potential：

  • 本次查询的up_match和当前推荐的前缀索引都能唯一决定一条索引记录(例如唯一索引)，则根据search_info推荐的前缀索引列构建AHI肯定能命中，递增 info->n_hash_potential；

      if (info->n_fields >= n_unique && cursor->up_match >= n_unique) {
  increment_potential:
          info->n_hash_potential++;

          return;
  }
  • 本次查询的tuple可以通过建议的前缀索引列构建的AHI定位到。 
      if (info->left_side == (info->n_fields <= cursor->up_match)) {

          goto increment_potential;
  }

很显然，如果对同一个索引的查询交替使用不同的查询模式，可能上次更新的search_info很快就会被重新设置，具有固定模式的索引查询将会受益于AHI索引。

更新block上的查询信息

参考函数：btr_search_update_block_hash_info

更新数据页block上的查询信息，涉及到修改的变量包括：

btr_search_info::last_hash_succ 最近一次成功(或可能成功)使用AHI；
buf_block_t::n_hash_helps 计数值，如果使用当前推荐的前缀索引列构建AHI可能命中的次数，用于启发构建／重新构建数据页上的AHI记录项；
buf_block_t::n_fields 推荐在block上构建AHI的前缀索引列数；
buf_block_t::left_side 和search_info上对应字段含义相同。

函数主要流程包括：

  1. 首先设置btr_search_info::last_hash_succ 为FALSE
    这会导致在分析过程中无法使用AHI进行检索，感觉这里的设置不是很合理。这意味着每次分析一个新的block，都会导致AHI短暂不可用。
  2. 初始化或更新block上的查询信息 
     if ((block->n_hash_helps > 0)
     && (info->n_hash_potential > 0)
     && (block->n_fields == info->n_fields)
     && (block->left_side == info->left_side)) {

         if ((block->index)
             && (block->curr_n_fields == info->n_fields)
             && (block->curr_left_side == info->left_side)) {

                 /* The search would presumably have succeeded using
                 the hash index */

                 info->last_hash_succ = TRUE;
         }

         block->n_hash_helps++;
 } else {
         block->n_hash_helps = 1;
         block->n_fields = info->n_fields;
         block->left_side = info->left_side;
 }

    当block第一次被touch到并进入该函数时，设置block上的建议索引列值；以后再进入时，如果和索引上的全局search_info相匹配，则递增block->n_hash_helps，启发后续的创建或重构建AHI。

    如果当前数据页block上已经构建了AHI记录项，且buf_block_t::curr_n_fields等字段和btr_search_info上对应字段值相同时，则认为当前SQL如果使用AHI索引能够命中，因此将btr_search_info::last_hash_succ设置为true，下次再使用相同索引检索btree时就会尝试使用AHI。

  3. 在初始化或更新block上的变量后，需要判断是否为整个page构建AHI索引： 
     if ((block->n_hash_helps > page_get_n_recs(block->frame)
      / BTR_SEARCH_PAGE_BUILD_LIMIT)
     && (info->n_hash_potential >= BTR_SEARCH_BUILD_LIMIT)) {

         if ((!block->index)
             || (block->n_hash_helps
                 > 2 * page_get_n_recs(block->frame))
             || (block->n_fields != block->curr_n_fields)
             || (block->left_side != block->curr_left_side)) {

                 /* Build a new hash index on the page */

                 return(TRUE);
         }
 }

    简单来说，当满足下面三个条件时，就会去为整个block上构建AHI记录项：

    • 分析使用AHI可以成功查询的次数(buf_block_t::n_hash_helps)超过block上记录数的16(BTR_SEARCH_PAGE_BUILD_LIMIT)分之一；
    • btr_search_info::n_hash_potential大于等于BTR_SEARCH_BUILD_LIMIT (100)，表示连续100次潜在的成功使用AHI可能性；
    • 尚未为当前block构造过索引、或者当前block上已经构建了AHI索引且block->n_hash_helps大于page上记录数的两倍、或者当前block上推荐的前缀索引列发生了变化 。

为数据页构建AHI索引

如果在上一阶段判断认为可以为当前page构建AHI索引（函数btr_search_update_block_hash_info返回值为TRUE），则根据当前推荐的索引前缀进行AHI构建。

参考函数：btr_search_build_page_hash_index

分为三个阶段：

  1. 检查阶段：加btr_search_latch的S锁，判断AHI开关是否打开；如果block上已经构建了老的AHI但前缀索引列和当前推荐的不同，则清空Block对应的AHI记录项（btr_search_drop_page_hash_index）；检查n_fields和page上的记录数；然后释放btr_search_latch的S锁；
  2. 搜集阶段：根据推荐的索引列数计算记录fold值，将对应的数据页记录内存地址到数组里；

    根据left_mode值，相同的前缀索引列值会有不同的行为，举个简单的例子，假设page上记录为 (2,1), (2,2), (5, 3), (5, 4), (7, 5), (8, 6)，n_fields＝１

    • 若left_most为true，则hash存储的记录为(2,1) , (5, 3), (7, 5), (8,6)
    • 若left_most为false，则hash存储的记录为(2, 2), (5, 4), (7,5), (8, 6)
  3. 插入阶段：加btr_search_latch的X锁，将第二阶段搜集的(fold, rec)插入到AHI中，并更新： 
     if (!block->index) {
         index->search_info->ref_count++;
 }

 block->n_hash_helps = 0;

 block->curr_n_fields = n_fields;
 block->curr_left_side = left_side;
 block->index = index;

PS：由于第二阶段释放了btr_search_latch锁，这里还得判断block上的AHI信息是否发生了变化，如果block上已经构建了AHI且block->curr_*几个变量和当前尝试构建的检索模式不同，则放弃本次构建。

使用AHI

AHI的目的是根据用户提供的查询条件加速定位到叶子节点，一般如果有固定的查询pattern，都可以通过AHI受益，尤其是Btree高度比较大的时候。

入口函数：btr_cur_search_to_nth_level

相关代码：

        /* Use of AHI is disabled for intrinsic table as these tables re-use
        the index-id and AHI validation is based on index-id. */
        if (rw_lock_get_writer(&btr_search_latch) == RW_LOCK_NOT_LOCKED
            && latch_mode <= BTR_MODIFY_LEAF
            && info->last_hash_succ
            && !index->disable_ahi
            && !estimate
# ifdef PAGE_CUR_LE_OR_EXTENDS
            && mode != PAGE_CUR_LE_OR_EXTENDS
# endif /* PAGE_CUR_LE_OR_EXTENDS */
            && !dict_index_is_spatial(index)
            /* If !has_search_latch, we do a dirty read of
            btr_search_enabled below, and btr_search_guess_on_hash()
            will have to check it again. */
            && UNIV_LIKELY(btr_search_enabled)
            && !modify_external
            && btr_search_guess_on_hash(index, info, tuple, mode,
                                        latch_mode, cursor,
                                        has_search_latch, mtr)) {

从代码段可以看出，需要满足如下条件才能够使用AHI：

  • 没有加btr_search_latch写锁。如果加了写锁，可能操作时间比较耗时，走AHI检索记录就得不偿失了；
  • latch_mode <= BTR_MODIFY_LEAF，表明本次只是一次不变更BTREE结构的DML或查询（包括等值、RANGE等查询）操作；
  • btr_search_info::last_hash_succ为true表示最近一次使用AHI成功（或可能成功）了；
  • 打开AHI开关；
  • 查询优化阶段的估值操作，例如计算range范围等，典型的堆栈包括：handler::multi_range_read_info_const　–> ha_innobase::records_in_range –> btr_estimate_n_rows_in_range –> btr_cur_search_to_nth_level；
  • 不是spatial索引；
  • 调用者无需分配外部存储页(BTR_MODIFY_EXTERNAL，主要用于辅助写入大的blob数据，参考struct btr_blob_log_check_t)。

当满足上述条件时，进入函数btr_search_guess_on_hash，根据当前的查询tuple对象计算fold，并查询AHI；只有当前检索使用的tuple列的个数大于等于构建AHI的列的个数时，才能够使用AHI索引。

btr_search_guess_on_hash：

  • 首先用户提供的前缀索引查询条件必须大于等于构建AHI时的前缀索引列数，这里存在一种可能性：索引上的search_info的n_fields 和block上构建AHI时的cur_n_fields值已经不相同了，但是我们并不知道本次查询到底落在哪个block上，这里一致以search_info上的n_fields为准来计算fold，去查询AHI；
  • 在检索AHI时需要加&btr_search_latch的S锁；
  • 如果本次无法命中AHI，就会将btr_search_info::last_hash_succ设置为false，这意味着随后的查询都不会去使用AHI了，只能等待下一路查询信息分析后才可能再次启动（btr_search_failure）；
  • 对于从ahi中获得的记录指针，还需要根据当前的查询模式检查是否是正确的记录位置（btr_search_check_guess）。

如果本次查询使用了AHI，但查询失败了（cursor->flag == BTR_CUR_HASH_FAIL），并且当前block构建AHI索引的curr_n_fields等字段和btr_search_info上的相符合，则根据当前cursor定位到的记录插入AHI。参考函数：btr_search_update_hash_ref。

从上述分析可见，AHI如其名，完全是自适应的，如果检索模式不固定，很容易就出现无法用上AHI或者AHI失效的情况。

维护AHI

  1. 关闭选项innodb_adaptive_hash_index；

    • 持有dict_sys->mutex和btr_search_latch的X锁；
    • 遍历dict_sys->table_LRU和dict_sys->table_non_LRU链表，将每个表上的所有索引的index->search_info->ref_count设置为0；
    • 释放dict_sys->mutex；
    • 遍历buffer pool，将block上的index标记(buf_block_t::index)清空为NULL；
    • 清空AHI中的哈希项，并释放为记录项分配的Heap；
    • 释放btr_search_latch。

    参考函数：btr_search_disable

  2. index->search_info的ref_count不为0时，无法从数据集词典cache中将对应的表驱逐，workaround的方式是临时关闭AHI开关；

    参考函数：dict_table_can_be_evicted、dict_index_remove_from_cache_low

  3. 删除索引页上的记录，或者更新的是二级索引、或者更新了主键且影响了排序键值，则需要从AHI上将对应的索引记录删除；

    参考函数：btr_search_update_hash_on_delete

  4. 插入新的记录时，如果本次插入未产生页面重组、操作的page为叶子节点，且本次插入操作使用过AHI定位成功，则先尝试更新再尝试插入，否则直接插入对应的AHI记录项；

    参考函数：btr_search_update_hash_node_on_insert、btr_search_update_hash_on_insert

  5. 涉及索引树分裂或者节点合并，或从LRU中驱逐page（buf_LRU_free_page）时，需要清空AHI对应的page。

    参考函数：btr_search_drop_page_hash_index

shortcut查询模式

在row_search_mvcc函数中，首先会去判断在满足一定条件时，使用shortcut模式，利用AHI索引来进行检索。

只有满足严苛的条件时（例如需要唯一键查询、使用聚集索引、长度不超过八分之一的page size、隔离级别在RC及RC之上、活跃的Read view等等条件，具体的参阅代码），才能使用shortcut：

  • 加btr_search_latch的S锁；
  • 然后通过row_sel_try_search_shortcut_for_mysql检索记录；如果找到满足条件的记录，本次查询可以不释放 btr_search_latch，这意味着InnoDB/server层交互期间可能持有AHI锁，但最多在10000次（BTR_SEA_TIMEOUT）交互后释放AHI latch。一旦发现有别的线程在等待AHI X 锁，也会主动释放其拥有的S锁。

然而， Percona的开发Alexey Kopytov认为这种长时间拥有的btr_search_latch的方式是没有必要的，这种设计方式出现在很久之前加锁、解锁非常昂贵的时代，然而现在的CPU已经很先进了，完全没有必要，在Percona的版本中，一次shortcut的查询操作后都直接释放掉btr_search_latch（参阅bug#1218347）。

AHI监控项

我们可以通过information_schema.innodb_metrics来监控AHI模块的运行状态

首先打开监控：

mysql>  set global innodb_monitor_enable = module_adaptive_hash;
Query OK, 0 rows affected (0.00 sec)

mysql> select status, name, subsystem from INNODB_METRICS where subsystem like '%adaptive_hash%';
+---------+------------------------------------------+---------------------+
| status  | name                                     | subsystem           |
+---------+------------------------------------------+---------------------+
| enabled | adaptive_hash_searches                   | adaptive_hash_index |
| enabled | adaptive_hash_searches_btree             | adaptive_hash_index |
| enabled | adaptive_hash_pages_added                | adaptive_hash_index |
| enabled | adaptive_hash_pages_removed              | adaptive_hash_index |
| enabled | adaptive_hash_rows_added                 | adaptive_hash_index |
| enabled | adaptive_hash_rows_removed               | adaptive_hash_index |
| enabled | adaptive_hash_rows_deleted_no_hash_entry | adaptive_hash_index |
| enabled | adaptive_hash_rows_updated               | adaptive_hash_index |
+---------+------------------------------------------+---------------------+
8 rows in set (0.00 sec)

重置所有的计数

mysql> set global innodb_monitor_reset_all = 'adaptive_hash%';
Query OK, 0 rows affected (0.00 sec)

该表搜集了AHI子系统诸如AHI查询次数，更新次数等信息，可以很好的监控其运行状态，在某些负载下，AHI并不适合打开，关闭AHI可以避免额外的维护开销。当然这取决于你针对具体负载的性能测试。

时间： 2024-10-26 21:33:46

数据库内核月报 － 2015 / 09-MySQL · 引擎特性 · InnoDB Adaptive hash index介绍的相关文章

MySQL · 引擎特性 · InnoDB Adaptive hash index介绍

前言 我们知道InnoDB的索引组织结构为Btree.通常情况下,我们需要根据查询条件,从根节点开始寻路到叶子节点,找到满足条件的记录.为了减少寻路开销,InnoDB本身做了几点优化. 首先,对于连续记录扫描,InnoDB在满足比较严格的条件时采用row cache的方式连续读取8条记录(并将记录格式转换成MySQL Format),存储在线程私有的row_prebuilt_t::fetch_cache中:这样一次寻路就可以获取多条记录,在server层处理完一条记录后,可以直接从cache中取

MySQL · 引擎特性 · InnoDB 文件系统之文件物理结构

综述 从上层的角度来看,InnoDB层的文件,除了redo日志外,基本上具有相当统一的结构,都是固定block大小,普遍使用的btree结构来管理数据.只是针对不同的block的应用场景会分配不同的页类型.通常默认情况下,每个block的大小为 UNIV_PAGE_SIZE,在不做任何配置时值为16kb,你还可以选择在安装实例时指定一个块的block大小.对于压缩表,可以在建表时指定block size,但在内存中表现的解压页依旧为统一的页大小. 从物理文件的分类来看,有日志文件.主系统表空间文

MySQL · 引擎特性 · InnoDB文件系统管理

综述 从上层的角度来看,InnoDB层的文件,除了redo日志外,基本上具有相当统一的结构,都是固定block大小,普遍使用的btree结构来管理数据.只是针对不同的block的应用场景会分配不同的页类型.通常默认情况下,每个block的大小为UNIV_PAGE_SIZE,在不做任何配置时值为16kb,你还可以选择在安装实例时指定一个块的block大小. 对于压缩表,可以在建表时指定block size,但在内存中表现的解压页依旧为统一的页大小. 从物理文件的分类来看,有日志文件,主系统表空间文

MySQL · 引擎特性 · InnoDB 事务子系统介绍

前言 在前面几期关于 InnoDB Redo 和 Undo 实现的铺垫后,本节我们从上层的角度来阐述 InnoDB 的事务子系统是如何实现的,涉及的内容包括:InnoDB的事务相关模块.如何实现MVCC及ACID.如何进行事务的并发控制.事务系统如何进行管理等相关知识.本文的目的是让读者对事务系统有一个较全面的理解. 由于不同版本对事务系统都有改变,本文的所有分析基于当前GA的最新版本MySQL5.7.9,但也会在阐述的过程中,顺带描述之前版本的一些内容.本文也会介绍5.7版本对事务系统的一些优

MySQL · 引擎特性 · InnoDB 崩溃恢复过程

在前面两篇文章中,我们详细介绍了 InnoDB redo log 和 undo log 的相关知识,本文将介绍 InnoDB 在崩溃恢复时的主要流程. 本文代码分析基于 MySQL 5.7.7-RC 版本,函数入口为 innobase_start_or_create_for_mysql,这是一个非常冗长的函数,本文只涉及和崩溃恢复相关的代码. 在阅读本文前,强烈建议翻阅下面两篇文章: 1. MySQL · 引擎特性 · InnoDB undo log 漫游 2. MySQL · 引擎特性 · I

MySQL · 引擎特性 · InnoDB 大字段压缩

前言 当用户的数据量比较大时,通常需要对数据进行压缩,以减少磁盘占用.InnoDB目前有两种方式来实现这一目的. 第一种是传统的数据压缩,通过指定row_format及key_block_size,能够将用户表压缩到指定的page size并进行存储,默认使用zlib.这种压缩方式使用比较简单,但也是诟病较多的, 代码陈旧,相关代码基本上几个大版本都没发生过变化,一些优化点还是从facebook移植过来的(集中在在5.6版本中, 不过现在fb已经放弃优化InnoDB压缩了,转而聚集在自家压缩更好

MySQL · 引擎特性 · InnoDB 文件系统之IO系统和内存管理

综述 在前一篇我们介绍了InnoDB文件系统的物理结构,本篇我们继续介绍InnoDB文件系统的IO接口和内存管理. 为了管理磁盘文件的读写操作,InnoDB设计了一套文件IO操作接口,提供了同步IO和异步IO两种文件读写方式.针对异步IO,支持两种方式:一种是Native AIO,这需要你在编译阶段加上LibAio的Dev包,另外一种是simulated aio模式,InnoDB早期实现了一套系统来模拟异步IO,但现在Native Aio已经很成熟了,并且Simulated Aio本身存在性能问

MySQL · 引擎特性 · InnoDB COUNT(*) 优化(?)

在5.7版本中,InnoDB实现了新的handler的records接口函数,当你需要表上的精确记录个数时,会直接调用该函数进行计算. 使用 实际上records接口函数是在优化阶段调用的,在满足一定条件时,直接去计算行级计数.其explain出来的结果相比老版本也有所不同,这里我们使用sysbench的sbtest表来进行测试,共200万行数据. mysql> show create table sbtest1\G *************************** 1. row ****

MySQL内核月报 2014.11-TokuDB·　引擎特性·　FAST UPDATES

MySQL的update在执行时需要做read-modify-write: 操作路径还是比较长的,TokuDB提供了fast update语法,让＂某些＂场景下update更快,无需做read和modify直接write. 用法: NOAR语句: 语义是:插入一条记录,如果该记录存在(id为1),就对count的值做加法操作,不存在则做插入. 注意: fast updates的条件是比较苛刻的,必须满足: 看了这些苛刻的条件后,有种＂臣妾做不到＂的感觉了吧,可以看出TokuDB一直为细节而努力.