Explication détaillée d'exemples de mécanisme de verrouillage RocksDB

En tant que moteur de stockage open source, RocksDB prend en charge les caractéristiques ACID des transactions. Pour prendre en charge I (isolement) dans ACID, cet article traite principalement de l'implémentation du mécanisme de verrouillage de RocksDB, et les détails le seront. Pour l'analyse du code source, j'espère que grâce à cet article, les lecteurs pourront acquérir une compréhension plus approfondie des principes de contrôle de concurrence de RocksDB. L'article commence principalement par les quatre aspects suivants : Tout d'abord, je présenterai la structure de base du verrouillage RocksDB. Ensuite, je présenterai la surcharge de l'espace de verrouillage sous la conception de la structure de données de verrouillage de ligne RocksDB. Ensuite, je présenterai le processus de verrouillage de plusieurs types. scénarios.Enfin, je présenterai le verrou, un mécanisme essentiel de détection de blocage dans le mécanisme.

1. Structure de données de verrouillage de ligne
La granularité minimale du verrouillage de RocksDB est la ligne. Pour le stockage KV, l'objet de verrouillage est la clé et chaque clé. correspond à une structure LockInfo. Toutes les clés sont gérées via la table de hachage Lorsque vous recherchez un verrou, vous pouvez le localiser directement via la table de hachage pour déterminer si la clé a été verrouillée. Mais s'il n'y a qu'une seule table de hachage au niveau mondial, cela entraînera de nombreux conflits lors de l'accès à cette table de hachage, affectant les performances de concurrence. RocksDB est d'abord divisé par Columnfamily. Les verrous de chaque Columnfamily sont gérés par un LockMap, et chaque LockMap est divisé en plusieurs fragments. Chaque fragment est géré par LockMapStripe et la table de hachage (std::unordered_map
La structure des données pertinente est la suivante :

struct LockInfo {
bool exclusive; //排它锁或是共享锁
autovector<TransactionID> txn_ids; //事务列表，对于共享锁而言，同一个key可以对应多个事务

// Transaction locks are not valid after this time in us
uint64_t expiration_time;
}

struct LockMapStripe { 
// Mutex must be held before modifying keys map
std::shared_ptr<TransactionDBMutex> stripe_mutex;

// Condition Variable per stripe for waiting on a lock
std::shared_ptr<TransactionDBCondVar> stripe_cv;

// Locked keys mapped to the info about the transactions that locked them.
std::unordered_map<std::string, LockInfo> keys;
}

struct LockMap {
const size_t num_stripes_; //分片个数
std::atomic<int64_t> lock_cnt{0}; //锁数目
std::vector<LockMapStripe*> lock_map_stripes_; //锁分片
}

class TransactionLockMgr {
using LockMaps = std::unordered_map<uint32_t, std::shared_ptr<LockMap>>;
LockMaps lock_maps_;

// Thread-local cache of entries in lock_maps_. This is an optimization
// to avoid acquiring a mutex in order to look up a LockMap
std::unique_ptr<ThreadLocalPtr> lock_maps_cache_;
}

2.行锁空间代价
由于锁信息是常驻内存，我们简单分析下RocksDB锁占用的内存。每个锁实际上是unordered_map中的一个元素，则锁占用的内存为key_length+8+8+1，假设key为bigint，占8个字节，则100w行记录，需要消耗大约22M内存。但是由于内存与key_length正相关，导致RocksDB的内存消耗不可控。我们可以简单算算RocksDB作为MySQL存储引擎时，key_length的范围。对于单列索引，最大值为2048个字节，具体可以参考max_supported_key_part_length实现；对于复合索引，索引最大长度为3072个字节，具体可以参考max_supported_key_length实现。假设最坏的情况，key_length=3072，则100w行记录，需要消耗3G内存，如果是锁1亿行记录，则需要消耗300G内存，这种情况下内存会有撑爆的风险。因此RocksDB提供参数配置max_row_locks，确保内存可控，默认RDB_MAX_ROW_LOCKS设置为1G，对于大部分key为bigint场景，极端情况下，也需要消耗22G内存。而在这方面，InnoDB则比较友好，hash表的key是(space_id, page_no)，所以无论key有多大，key部分的内存消耗都是恒定的。前面我也提到了InnoDB在一个事务需要锁大量记录场景下是有优化的，多个记录可以公用一把锁，这样也间接可以减少内存。

3.上锁流程分析
前面简单了解了RocksDB锁数据结构的设计以及锁对内存资源的消耗。这节主要介绍几种典型场景下，RocksDB是如何加锁的。与InnoDB一样，RocksDB也支持MVCC，读不上锁，为了方便，下面的讨论基于RocksDB作为MySQL的一个引擎来展开，主要包括三类，基于主键的更新，基于二级索引的更新，基于主键的范围更新等。在展开讨论之前，有一点需要说明的是，RocksDB与InnoDB不同，RocksDB的更新也是基于快照的，而InnoDB的更新基于当前读，这种差异也使得在实际应用中，相同隔离级别下，表现有所不一样。对于RocksDB而言，在RC隔离级别下，每个语句开始都会重新获取一次快照；在RR隔离级别下，整个事务中只在第一个语句开始时获取一次快照，所有语句共用这个快照，直到事务结束。

3.1.基于主键的更新
这里主要接口是TransactionBaseImpl::GetForUpdate
1).尝试对key加锁，如果锁被其它事务持有，则需要等待
2).创建snapshot
3).调用ValidateSnapshot，Get key,通过比较Sequence判断key是否被更新过
4).由于是加锁后，再获取snapshot，所以检查一定成功。
5).执行更新操作
这里有一个延迟获取快照的机制，实际上在语句开始时，需要调用acquire_snapshot获取快照，但为了避免冲突导致的重试，在对key加锁后，再获取snapshot，这就保证了在基于主键更新的场景下，不会存在ValidateSnapshot失败的场景。

堆栈如下：

1-myrocks::ha_rocksdb::get_row_by_rowid
2-myrocks::ha_rocksdb::get_for_update
3-myrocks::Rdb_transaction_impl::get_for_update
4-rocksdb::TransactionBaseImpl::GetForUpdate
{
//加锁
5-rocksdb::TransactionImpl::TryLock
  6-rocksdb::TransactionDBImpl::TryLock
    7-rocksdb::TransactionLockMgr::TryLock 

 //延迟获取快照，与acquire_snapshot配合使用
 6-SetSnapshotIfNeeded()

 //检查key对应快照是否过期
 6-ValidateSnapshot
  7-rocksdb::TransactionUtil::CheckKeyForConflict
    8-rocksdb::TransactionUtil::CheckKey
      9-rocksdb::DBImpl::GetLatestSequenceForKey //第一次读取

//读取key
5-rocksdb::TransactionBaseImpl::Get
  6-rocksdb::WriteBatchWithIndex::GetFromBatchAndDB
    7-rocksdb::DB::Get
      8-rocksdb::DBImpl::Get
        9-rocksdb::DBImpl::GetImpl //第二次读取
}

3.2. Mise à jour de la plage basée sur la clé primaire
1). Créez un instantané et analysez la clé primaire en fonction de l'itérateur
2). , essayez de verrouiller la clé
3). Appelez ValidateSnapshot, obtenez la clé et comparez la séquence pour déterminer si la clé a été mise à jour
4). a été mis à jour par d'autres transactions (Le SequenceNumber correspondant à la clé est plus récent que le Snapshot), déclenchant une nouvelle tentative
5). sera libéré, via tx->acquire_snapshot(false), delay Obtenez un instantané (après le verrouillage, prenez un autre instantané)
5). Appelez à nouveau get_for_update puisque la clé a été verrouillée à ce moment-là. une fois, réessayer réussira certainement.
6). Effectuez l'opération de mise à jour
7). Passez à 1 et continuez l'exécution jusqu'à ce que la clé primaire ne remplisse pas les conditions, puis elle se termine.

3.3. Mise à jour basée sur l'index secondaire
Ce scénario est similaire à 3.2, sauf qu'il y a une étape supplémentaire dans le processus de localisation de la clé primaire à partir de l’index secondaire.
1). Créez un instantané et scannez l'index secondaire en fonction de l'itérateur
2). Trouvez la clé primaire à l'envers en fonction de l'index secondaire, qui en fait. appelle get_row_by_rowid. Ce processus tentera de verrouiller la clé
3). Continuez à parcourir la clé primaire suivante en fonction de l'index secondaire et essayez de verrouiller
4. ). Lorsque le secondaire est renvoyé Lorsque l'index ne remplit pas les conditions, il se termine

3.4 La différence entre le verrouillage et InnoDB
Nous avons mentionné plus tôt que le La différence entre RocksDB et InnoDB est que pour les mises à jour. Dans ce scénario, RocksDB est toujours une lecture instantanée, tandis qu'InnoDB est une lecture actuelle, ce qui entraîne des différences de comportement. Par exemple, dans le scénario de mise à jour de plage sous le niveau d'isolement RC, par exemple, une transaction doit mettre à jour 1 000 enregistrements. Puisqu'elle est verrouillée lors de l'analyse, lorsque le 999ème enregistrement est analysé, il peut s'avérer que la séquence de cette clé est. supérieur à l'instantané analysé (cette clé mise à jour par d'autres transactions), cette fois déclenchera la réacquisition de l'instantané, puis obtiendra la dernière valeur de clé basée sur cet instantané. InnoDB n'a pas ce problème. Grâce au processus de lecture et d'analyse actuel, si le 999ème enregistrement est mis à jour, InnoDB peut voir directement le dernier enregistrement. Dans ce cas, les résultats vus par RocksDB et InnoDB sont les mêmes. Dans un autre cas, en supposant qu'une nouvelle clé soit insérée dans la plage de numérisation, la séquence de cette clé sera sans aucun doute plus grande que l'instantané numérisé, donc cette clé sera filtrée pendant le processus de numérisation et n'existera pas. détection de conflit, cette clé ne sera pas trouvée. Lors du processus de mise à jour, deux enregistrements portant les ID 1 et 900 ont été insérés. Enfin, le 900ème enregistrement n'a pas pu être mis à jour car il était invisible. Pour InnoDB, puisqu'il est en cours de lecture, l'enregistrement nouvellement inséré avec l'identifiant 900 peut être vu et mis à jour, c'est donc la différence avec InnoDB.
En plus de la différence selon laquelle les mises à jour sont basées sur des instantanés, RocksDB est également plus concis dans le verrouillage. Tous les verrous n'impliquent que des index uniques. Plus précisément, pendant le processus de mise à jour, seule la clé primaire est verrouillée ; update Lorsqu'une colonne implique une contrainte d'unicité, elle doit être verrouillée. Cependant, les index secondaires ordinaires n'ont pas besoin d'être verrouillés. Cet objectif est d'éviter les conflits de contraintes d'unicité. Ici, si la contrainte unique (clé primaire ou index unique) est mise à jour, un verrou est requis. InnoDB doit verrouiller chaque index. Par exemple, si les mises à jour sont positionnées en fonction de l'index secondaire, l'index secondaire doit également être verrouillé. La raison de cette différence est qu'InnoDB implémente le niveau d'isolation RR. Parlons ici un peu du niveau d'isolement. En fait, le niveau d'isolement RR défini dans MySQL est quelque peu différent du niveau d'isolement défini par le standard SQL. La norme SQL définit le niveau d'isolement RR pour résoudre le problème des lectures non répétables, et le niveau d'isolement sérialisable pour résoudre le problème des lectures fantômes. La lecture non répétable souligne que la valeur du même enregistrement ne sera pas modifiée ; tandis que la lecture fantôme souligne que le nombre d'enregistrements renvoyés par deux lectures est fixe et n'augmentera ni ne diminuera le nombre d'enregistrements. MySQL définit le niveau d'isolement RR pour résoudre les problèmes de lectures non répétables et de lectures fantômes, tandis que l'implémentation du niveau d'isolement RR dans InnoDB repose sur les verrous GAP. RocksDB ne prend pas en charge les verrous GAP (prend uniquement en charge les vérifications de contraintes uniques et verrouille les clés inexistantes) car le mécanisme basé sur les instantanés peut filtrer efficacement les enregistrements nouvellement insérés, tandis qu'InnoDB doit interdire d'autres insertions via des verrous gap en raison des lectures en cours. l'index secondaire doit également être verrouillé, principalement pour l'espace de verrouillage, sinon les résultats des deux lectures actuelles peuvent être différents. Bien entendu, pour le niveau divisé RC, les index secondaires ordinaires InnoDB n'ont pas besoin d'être verrouillés.

4.死锁检测算法
死锁检测采用DFS((Depth First Search,深度优先算法)，基本思路根据加入等待关系，继续查找被等待者的等待关系，如果发现成环，则认为发生了死锁，当然在大并发系统下，锁等待关系非常复杂，为了将死锁检测带来的资源消耗控制在一定范围，可以通过设置deadlock_detect_depth来控制死锁检测搜索的深度，或者在特定业务场景下，认为一定不会发生死锁，则关闭死锁检测，这样在一定程度上有利于系统并发的提升。需要说明的是，如果关闭死锁，最好配套将锁等待超时时间设置较小，避免系统真发生死锁时，事务长时间hang住。死锁检测基本流程如下：
1.定位到具体某个分片，获取mutex
2.调用AcquireLocked尝试加锁
3.若上锁失败，则触发进行死锁检测
4.调用IncrementWaiters增加一个等待者
5.如果等待者不在被等待者map里面，则肯定不会存在死锁，返回
6.对于被等待者，沿着wait_txn_map_向下检查等待关系，看看是否成环
7.若发现成环，则将调用DecrementWaitersImpl将新加入的等待关系解除，并报死锁错误。

相关的数据结构：

class TransactionLockMgr {
// Must be held when modifying wait_txn_map_ and rev_wait_txn_map_.
std::mutex wait_txn_map_mutex_;

// Maps from waitee -> number of waiters.
HashMap<TransactionID, int> rev_wait_txn_map_;

// Maps from waiter -> waitee.
HashMap<TransactionID, autovector<TransactionID>> wait_txn_map_;

DecrementWaiters //

IncrementWaiters //
}

struct TransactionOptions {
bool deadlock_detect = false; //是否检测死锁
int64_t deadlock_detect_depth = 50; //死锁检测的深度
int64_t lock_timeout = -1; //等待锁时间，线上一般设置为5s
int64_t expiration = -1; //持有锁时间，
}

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!