MySQL engine层到server层字段过滤优化-阿里云开发者社区

开发者社区> 数据库> 正文
登录阅读全文

MySQL engine层到server层字段过滤优化

简介:

1.1 问题描述

  执行计划的不同肯定会带来效率的不同,但是在本例中执行计划完全一致,都是全表扫描,不同的只有字段个数而已。其次,测试中都使用了where条件进行过滤(Using where),过滤后没有数据返回,常说的where过滤实际上是在server层,当然某些情况下使用ICP会提前在Innodb层过滤数据,这里不考虑ICP。
  对于大数据量访问来讲可能涉及到物理IO,首次访问和随后的访问因为Innodb buffer的关系,效率不同是正常,需要多测试几次。
_
_
_
  通过上面的测试,可以发现随着字段的不断减少,效率越来越高,并且主要的区别都在sending data下面。简单的说Innodb数据的获取和Innodb数据到server层数据的传递都包含在其中。

2.2 理论依据

https://dev.mysql.com/doc/dev/mysql-server/latest/

全表访问数据的流程

  这里将简单描述一下这种全表扫描的流程,实际上其中有一个核心接口就是row_search_mvcc,它大概包含了如下功能:

  • 通过预取缓存获取数据
  • 打开事务
  • 定位索引位置(包含使用AHI快速定位)
  • 是否开启readview
  • 通过持久化游标不断访问下一条数据
  • 加Innodb表锁、加Innodb行锁
  • 可见性判断
  • 根据主键回表(可能回表需要加行锁)
  • ICP优化
  • SEMI update优化

  下面对MySQL处理字段多少时的优化流程做出介绍:

1、通过select字段构建read_set(server 层)

  首先需要构建一个叫做read_set的位图,来表示访问的字段位置及数量。

2、初次访问定位的时候还会构建一个模板(mysql_row_templ_t)(innodb 层)

  本模板主要用于当Innodb层数据到server层做转换的时候使用,其中记录了使用的字段数量、字段的字符集、字段的类型等等。

3、初次定位数据,定位游标到主键索引的第一行记录,为全表扫描做好准备(innodb层)

  对于这种全表扫描的执行方式,定位数据就变得简单了,只需要找到主键索引的第一条数据就好了。对于全表扫描的初次定位调用函数为btr_cur_open_at_index_side_fun。

  btr_cur_open_at_index_side_func的功能就是通过B+树结构,定位叶子结点的开头第一个块,然后调用函数page_cur_set_before_first,将游标放到了所有记录的开头,目的只有一个为全表扫描做好准备。

4、获取Innodb层的第一条数据(Innodb层)

  拿到了游标过后就可以获取数据了。但是这里获取的数据只是一个指针,言外之意可以理解为整行数据,其格式也是原始的Innodb数据,其中还包含了一些伪列比如(rollback ptr和trx id)。这里实际上和访问的字段个数无关。

5、将第一行记录转换为MySQL格式(Innodb层)

  这一步完成后可以认为记录已经返回给了server层,这里就是实际的数据拷贝了,并不是指针,整个过程放到了函数row_sel_store_mysql_rec中。

  前面的模板(mysql_row_templ_t)也会在这里发挥它的作用,这是一个字段过滤的过程,先来看一个循环
for (i = 0; i < prebuilt->n_template; i++),其中prebuilt->n_template就是字段模板的个数,通过read_set的过滤,对于不需要的字段是不会建立模板的。因此这里的模板数量是和访问的字段个数一样的。

  然后在这个循环下面会调用row_sel_store_mysql_field_func然后调用row_sel_field_store_in_mysql_format_func将字段一个一个转换为MySQL的格式。其中一种类型的转换如下:

    case DATA_INT:
        /* Convert integer data from Innobase to a little-endian
        format, sign bit restored to normal */

        ptr = dest + len;

        for (;;) {
            ptr--;
            *ptr = *data;//值拷贝 内存拷贝
            if (ptr == dest) {
                break;
            }
            data++;
        }

  可以发现这是一种实际的转换,也就是需要花费内存空间的。查询的字段越多那么着这里转换的过程越长,并且这里都是实际的内存拷贝,最终这行数据会存储到row_search_mvcc的形参buffer中返回给server层。

6、对第一条数据进行where过滤(server层)

  拿到数据后当然还不能作为最终的结果返回给用户,需要在server层做一个过滤操作,这个条件比较位于函数evaluate_join_record的开头。

  如果和条件不匹配将会返回False。这里比较会最终调用Item_func的各种方法,如果等于则是Item_func_eq。

7、访问下一条数据(server 层)

  上面已经展示了访问第一条数据的大体流程,接下面需要做的就是继续访问下去,如下:

移动游标到下一行
访问数据
根据模板转换数据返回给server层
根据where条件过滤

  整个过程会持续到全部主键索引数据访问完成。

  并且row_search_mvcc的流程肯定也会有变化。但是实际的获取数据转换过程和过滤过程并没有改变。注意这些步骤除了步骤1,基本都处于sending data下面。

  到这里已经大概知道全表扫描的访问数据的流程了,就来看看一下在全表扫描流程中字段的多少到底有哪些异同点:

不同点

  • 构建的read_set不同,字段越多read_set中为‘1’的位数越多
  • 建立的模板不同,字段越多模板数量越多
  • 每行数据转换为MySQL格式的时候不同,字段越多模板越多,那么循环转换每个字段的循环次数也就越多,并且这是每行都要处理的。返回给server层的行内存消耗越大。

相同点

  • 访问的行数一致
  • 访问的流程一致
  • where过滤的方式一致

  在整个不同点中,认为最耗时的部分应该是每行数据转换为MySQL格式的消耗最大,因为每行每个字段都需要做这样的转换,这也刚好是除以sending data状态下面。线上大于10个字段的表比比皆是,如果只需要访问其中的少量字段,最好还是写实际的字段而不是‘*’,来规避这个问题。

总结
  本文中以全表扫描为列进行了解释,但是实际上任何情况下都应该缩减访问字段的数量,应该只访问需要的字段。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
数据库
使用钉钉扫一扫加入圈子
+ 订阅

分享数据库前沿,解构实战干货,推动数据库技术变革

其他文章