龙空技术网

无效回表谁的锅?存储引擎:这事儿不赖我

Java架构学习指南 172

前言:

此刻看官们对“php存储引擎”大约比较着重,大家都需要知道一些“php存储引擎”的相关知识。那么小编在网摘上收集了一些对于“php存储引擎””的相关知识,希望姐妹们能喜欢,各位老铁们一起来学习一下吧!

明确场景

要回答这个问题,我们一般分几步来走:

1.确认问题,对齐Sql语句;

2.解答问题本身,也就是时间复杂度分析;

3.针对本身提出这个场景,可能出现的性能瓶颈进行分析;

4.针对瓶颈,提出多种优化手段。

接下来我们就按照这个思路来一步步深入。

对齐Sql语句

通常而言,面试官抛出一个问题,不见得就是一个非常完善、非常准确的描述,他其实是希望你能提出问题,通过沟通对齐,这也是工作中必备的能力。

首先问面试官,目前表的结构大概是怎样,索引的建设,又是怎样的,假设通过沟通,我们得到如下简化过的表t_player:

字段名

类型

描述

id

bigint(20) unsigned

主键id

score

int(11) unsigned

分数

name

varchar(128)

姓名

只在score字段上建了二级索引,大小是从小到大。这里要找第k个,其实就是偏移k-1:

select * from t_player order by score desc offset k - 1 limit 1

时间复杂度分析

这个问题的核心就是查找语句的时间复杂度是多少?

这道题实际是有一定引导性的,故意说索引,就是想让你往树分支上引,我们都知道,走索引,按数值本身查找一个数据,那二级索引的时间复杂度,肯定是O(logN)。

但这题不一样,是找第k个,比如第100个,我们其实是不知道树的分支结构具体是怎样的,也就是说我们不知道左子树有多少个节点,右子树有多少个节点。

进一步而言,我们没法确定走哪条路,树的分支结构不可行。

所以这里其实是考察B+树的理解,B+树除了分支,底层还有一个双链表,直接走双链表查询,反而是更快的了。

时间复杂读O(N),我们反过来想,其实这道题就是考你B+树数据结构,如果直接问你B+树结构,大多数有准备的同学,都能回答清楚,但是通过一个实际问题来问你,只有真正理解其作用,才能快速答出。

这就完了吗?当然没有,这只是一个起手式,下一步,面试官肯定会问你这个操作的性能如何,当然你也可以主动谈起。

offet慢问题

如果offset大于10000,这个数据查询就会非常的慢。为什么会慢呢,一般都会答因为遍历,时间复杂度是O(N)。

但实际如果你测试一下,你会发现这条语句会慢得离谱,这绝不是所谓遍历能导致的。

更深层次的原因在于,对于前10000个不需要的数据,MySQL每次也要回表去查找,这就导致了10000次随机IO,当然慢成狗。

优化方案

如果有开发经验的同学,会很容易想到从业务形态上去优化,这里就不卖关子了,这种场景通常有三种解决方案。

1.业务上绕过

将limit、offset,改为next,也就是将第x页,改为下一页,这样就

可以通过树分支查找。

举个例子,百度的搜索界面,就是典型的分页面。

而现在移动互联网时代,用得更多的就是上一页、下一页这样的翻页逻辑,微博、抖音都是这样的逻辑。

--- 记录score为prev_scoreselect score from t_player order by score desc limit 20--- 记录score为prev_scoreselect score from t_player where score < prev_score order by score desc limit 20

使用这种模式,可以利用树索引直接找到目标,也绕过了无效回表问题,在Offset超过一万的情况下,性能通常都能提高两个量级以上。

当然,这种适合给分页做优化,如果回到我们题目本身来说,那查找第k大的数,就需要循环“下一页”下去,损耗反而更大。

2.硬碰硬

上面分析了,对无用数据还回表查询,导致大量随机IO,是性能的核心瓶颈,那我们对症下药,能否不回表呢?

当然可以,我们可以进行索引覆盖。

索引覆盖是说当二级索引查询的数据都在二级索引本身,比如索引Key或主键ID,那么就不必再去查聚簇索引。

那你可能会问,在我们的场景,还有其它需要查询的信息,比如名字,并不在二级索引上啊。

是的,但我们可以通过sql的拆分,来达到目的,思路如下:

select * from t_player id in (select id from t_player order by score offset 10000 limit 1)

这句话是说,先从条件查询中,查找数据对应的数据库唯一id值,因为主键在辅助索引上就有,所以不用回归到聚簇索引的磁盘上拉取。

如此以来,offset部分均不需要去反查聚蔟索引,只有limit出来的10个主键id会去查询聚簇索引,这样只会1次IO。

在业务确实需要用分页的情况下,使用该方案可以大幅度提高性能,通常能满足性能要求。

有同学可能担心本身走B+树的双指针会是瓶颈,牛哥也做了测试:

一张500w的表,offset 10000,要是没索引覆盖,处理时间甚至可以达到十秒级,有了的话,能降低到十毫秒级,有质的飞跃。

ps:具体时耗和数据库性能等因素有关,以上数据只是参考。

3.预判边界值

这其实也是根据业务场景的做法,能通过业务预判边界,这种方式并不是通用解决方案,但因为《高性能MySQL》中提到了,也一并列出来。

深层次灵魂发问

为什么MySQL不直接丢掉无用数据,还要傻乎乎地回表?

也许你曾经听过一个词,叫索引下推,在MySQL5.6之后,MySQL通过索引下推提升了性能。

这个问题也类似,答案是Offset未曾下推!我们先review下查找流程:

1.存储引擎通过二级索引查找,获取主键值;

2.进行回表操作,将完整记录返回给上层;

3.上层判断是否需要该记录,需要则返回给客户端,不需要则跳过该记录;

4.存储引擎接着查找下一条;

5.重复第二步。

从流程其实我们能看出,存储引擎层是没有Offset信息的。

牛哥和咱们训练营导师虎哥也讨论过这个问题,虎哥的解释还是比较到位的:

MySQL不做的原因,无非两点:

1.限制场景太多,给多个引擎做有点得不偿失;

2.更核心的,分层设计理念,这件事本身是Sql层的,本就不该存储引擎做。

野生db

那我们现在来看看所谓的野生db的情况:

野生db1号:阿里云

野生db 2号:腾讯云

另外,腾讯云还描述了适用场景:

下推之后阿里云测试了性能,Q3即我们二级索引order by ... limit回表的场景,可以看到从25s降低到了329ms左右,相差75.82倍。

可以发现阿里腾讯两大云厂商MySQL自研版本都做了下推,那MySQL从技术上自然也能。

有大佬针对这个问题还给MySQL提了bug。

还带了修复方案:

当然mysql有自己的设计理念和坚持,可能以后也不会采纳。

而将阿里云、腾讯云这些称为野生db,其实也只是调侃的说法。

实际上他们都遵循实用原则,是非常优秀的团队,自研产品的决策灵活性本身也更高一些。

这倒不是非要分个孰优孰劣,大家搞清楚前因后果即可。

补丁分析

虽然我们已经将前因后果弄得很清楚,但相信还是会有同学好奇,上面的大佬做的补丁,到底是怎样的。牛哥和虎哥,也做了一些分析。

核心要素就是在引擎层增加了这么一个函数,可以下推索引。

这个函数有几层,最核心的其实在这里:

其实就是offset判断,如果offset比现在的遍历偏移还大,就跳过。

Sql层会调用引擎层这个函数,当然调用之前会有个判断。

很复杂是吧,没事,咱们看注解:

其实就是限制了很多情况,比如group by,having这种推了也不顶用的,就不推了。

Review一下

可以看到,看起来很简单的一个问题,其实牵涉到的知识很广:

首先时间复杂度是多少?考察B+树结构;

Offset为什么慢?考察对底层行为一定程度的掌握;

几种解决方案?考察技术视野和解决问题的能力;

深层次行为原因?考察MySQL分层架构,及对开源社区的关注。

如果你只是背八股文,而不去深入探索其中的原理,那面试官随便问几个问题,就能看出你其实基础是不扎实的。

这里不是说八股文不好,而是不能觉得面试就是考八股文,这其实是一个很大的误区。

标签: #php存储引擎