MYSQL深潜 - 剖析Performance Schema内存管理
簡介：?本文主要是通過對PFS引擎的內存管理的源碼的閱讀，解讀PFS內存分配及釋放原理，深入剖析其中存在的一些問題，以及一些改進思路。本文源代碼分析基于Mysql-8.0.24版本。
作者 | 之樞
來源 | 阿里技術公眾號
一 引言
MYSQL Performance schema(PFS)是mysql提供的強大的性能監控診斷工具，提供了一種能夠在運行時檢查server內部執行情況的特方法。PFS通過監視server內部已注冊的事件來收集信息，一個事件理論上可以是server內部任何一個執行行為或資源占用，比如一個函數調用、一個系統調用wait、SQL查詢中的解析或排序狀態，或者是內存資源占用等。
PFS將采集到的性能數據存儲在performance_schema存儲引擎中，performance_schema存儲引擎是一個內存表引擎，也就是所有收集的診斷信息都會保存在內存中。診斷信息的收集和存儲都會帶來一定的額外開銷，為了盡可能小的影響業務，PFS的性能和內存管理也顯得非常重要了。
本文主要是通過對PFS引擎的內存管理的源碼的閱讀，解讀PFS內存分配及釋放原理，深入剖析其中存在的一些問題，以及一些改進思路。本文源代碼分析基于Mysql-8.0.24版本。
二 內存管理模型
PFS內存管理有幾個關鍵特點：
- 內存分配以Page為單位，一個Page內可以存儲多條record
- 系統啟動時預先分配部分pages，運行期間根據需要動態增長，但page是只增不回收的模式
- record的申請和釋放都是無鎖的
1 核心數據結構
PFS_buffer_scalable_container是PFS內存管理的核心數據結構，整體結構如下圖：
Container中包含多個page，每個page都有固定個數的records，每個record對應一個事件對象，比如PFS_thread。每個page中的records數量是固定不變的，但page個數會隨著負載增加而增長。
2 Allocate時Page選擇策略
PFS_buffer_scalable_container是PFS內存管理的核心數據結構
涉及內存分配的關鍵數據結構如下：
PFS_PAGE_SIZE // 每個page的大小, global_thread_container中默認為256 PFS_PAGE_COUNT // page的最大個數，global_thread_container中默認為256class PFS_buffer_scalable_container {PFS_cacheline_atomic_size_t m_monotonic; // 單調遞增的原子變量，用于無鎖選擇pagePFS_cacheline_atomic_size_t m_max_page_index; // 當前已分配的最大page indexsize_t m_max_page_count; // 最大page個數，超過后將不再分配新pagestd::atomic< array_type *> m_pages[PFS_PAGE_COUNT]; // page數組native_mutex_t m_critical_section; // 創建新page時需要的一把鎖 }首先m_pages是一個數組，每個page都可能有free的records，也有可能整個page都是busy的，Mysql采用了比較簡單的策略，輪訓挨個嘗試每個page是否有空閑，直到分配成功。如果輪訓所有pages依然沒有分配成功，這個時候就會創建新的page來擴充，直到達到page數的上限。
輪訓并不是每次都是從第1個page開始尋找，而是使用原子變量m_monotonic記錄的位置開始查找，m_monotonic在每次在page中分配失敗是加1。
核心簡化代碼如下：
value_type *allocate(pfs_dirty_state *dirty_state) {current_page_count = m_max_page_index.m_size_t.load();monotonic = m_monotonic.m_size_t.load();monotonic_max = monotonic + current_page_count;while (monotonic < monotonic_max) {index = monotonic % current_page_count;array = m_pages[index].load();pfs = array->allocate(dirty_state);if (pfs) {// 分配成功返回return pfs;} else {// 分配失敗，嘗試下一個page， // 因為m_monotonic是并發累加的，這里有可能本地monotonic變量并不是線性遞增的，有可能是從1 直接變為 3或更大，// 所以當前while循環并不是嚴格輪訓所有page，很大可能是跳著嘗試，換者說這里并發訪問下大家一起輪訓所有的page。// 這個算法其實是有些問題的，會導致某些page被跳過忽略，從而加劇擴容新page的幾率，后面會詳細分析。monotonic = m_monotonic.m_size_t++;}}// 輪訓所有Page后沒有分配成功，如果沒有達到上限的話，開始擴容pagewhile (current_page_count < m_max_page_count) {// 因為是并發訪問，為了避免同時去創建新page，這里有一個把同步鎖，也是整個PFS內存分配唯一的鎖native_mutex_lock(&m_critical_section);// 拿鎖成功，如果array已經不為null，說明已經被其它線程創建成功array = m_pages[current_page_count].load();if (array == nullptr) {// 搶到了創建page的責任m_allocator->alloc_array(array);m_pages[current_page_count].store(array);++m_max_page_index.m_size_t;}native_mutex_unlock(&m_critical_section);// 在新的page中再次嘗試分配pfs = array->allocate(dirty_state);if (pfs) {// 分配成功并返回return pfs;}// 分配失敗，繼續嘗試創建新的page直到上限} }我們再詳細分析下輪訓page策略的問題，因為m_momotonic原子變量的累加是并發的，會導致一些page被跳過輪訓它，從而加劇了擴容新page的幾率。
舉一個極端一些的例子，比較容易說明問題，假設當前一共有4個page，第1、4個page已滿無可用record，第2、3個page有可用record。
當同時來了4個線程并發Allocate請求，同時拿到了的m_monotonic=0.
monotonic = m_monotonic.m_size_t.load();這個時候所有線程嘗試從第1個page分配record都會失敗(因為第1個page是無可用record)，然后累加去嘗試下一個page
monotonic = m_monotonic.m_size_t++;這個時候問題就來了，因為原子變量++是返回最新的值，4個線程++成功是有先后順序的，第1個++的線程后monotonic值為2，第2個++的線程為3，以次類推。這樣就看到第3、4個線程跳過了page2和page3，導致3、4線程會輪訓結束失敗進入到創建新page的流程里，但這個時候page2和page3里是有空閑record可以使用的。
雖然上述例子比較極端，但在Mysql并發訪問中，同時申請PFS內存導致跳過一部分page的情況應該還是非常容易出現的。
3 Page內Record選擇策略
PFS_buffer_default_array是每個Page維護一組records的管理類。
關鍵數據結構如下：
class PFS_buffer_default_array { PFS_cacheline_atomic_size_t m_monotonic; // 單調遞增原子變量，用來選擇free的record size_t m_max; // record的最大個數 T *m_ptr; // record對應的PFS對象，比如PFS_thread }每個Page其實就是一個定長的數組，每個record對象有3個狀態FREE，DIRTY, ALLOCATED，FREE表示空閑record可以使用，ALLOCATED是已分配成功的，DIRTY是一個中間狀態，表示已被占用但還沒分配成功。
Record的選擇本質就是輪訓查找并搶占狀態為free的record的過程。
核心簡化代碼如下：
value_type *allocate(pfs_dirty_state *dirty_state) {// 從m_monotonic記錄的位置開始嘗試輪序查找monotonic = m_monotonic.m_size_t++;monotonic_max = monotonic + m_max;while (monotonic < monotonic_max) {index = monotonic % m_max;pfs = m_ptr + index;// m_lock是pfs_lock結構，free/dirty/allocated三狀態是由這個數據結構來維護的// 后面會詳細介紹它如何實現原子狀態遷移的if (pfs->m_lock.free_to_dirty(dirty_state)) {return pfs;}// 當前record不為free,原子變量++嘗試下一個monotonic = m_monotonic.m_size_t++;} }選擇record的主體主體流程和選擇page基本相似，不同的是page內record數量是固定不變的，所以沒有擴容的邏輯。
當然選擇策略相同，也會有同樣的問題，這里的m_monotonic原子變量++是多線程并發的，同樣如果并發大的場景下會有record被跳過選擇了，這樣導致page內部即便有free的record也可能沒有被選中。
所以也就是page選擇即便是沒有被跳過，page內的record也有幾率被跳過而選不中，雪上加霜，更加加劇了內存的增長。
4 pfs_lock
每個record都有一個pfs_lock，來維護它在page中的分配狀態(free/dirty/allocated)，以及version信息。
關鍵數據結構：
struct pfs_lock {std::atomic m_version_state;
}
pfs_lock使用1個32位無符號整型來保存version+state信息，格式如下：
state
低2位字節表示分配狀態。
state PFS_LOCK_DIRTY = 0x01
state PFS_LOCK_ALLOCATED = 0x11
version
初始version為0，每分配成功一次加1，version就能表示該record被分配成功的次數
主要看一下狀態遷移代碼：
狀態遷移過程還是比較好理解的, 由dirty_to_allocated和allocated_to_free的邏輯是更簡單的，因為只有record狀態是free時，它的狀態遷移是存在并發多寫問題的，一旦state變為dirty，當前record相當于已經被某一個線程占有，其它線程不會再嘗試操作該record了。
version的增長是在state變為PFS_LOCK_ALLOCATED時5 PFS內存釋放
PFS內存釋放就比較簡單了，因為每個record都記錄了自己所在的container和page，調用deallocate接口，最終將狀態置為free就完成了。
最底層都會進入到pfs_lock來更新狀態：
struct pfs_lock {void allocated_to_free(void) {/*If this record is not in the ALLOCATED state and the caller is tryingto free it, this is a bug: the caller is confused,and potentially damaging data owned by another thread or object.*/uint32 copy = copy_version_state();/* Make sure the record was ALLOCATED. */assert(((copy & STATE_MASK) == PFS_LOCK_ALLOCATED));/* Keep the same version, set the FREE state */uint32 new_val = (copy & VERSION_MASK) + PFS_LOCK_FREE;m_version_state.store(new_val);} }三 內存分配的優化
前面我們分析到無論是page還是record都有幾率出現跳過輪訓的問題，即便是緩存中有free的成員也會出現分配不成功，導致創建更多的page，占用更多的內存。最主要的問題是這些內存一旦分配就不會被釋放。
為了提升PFS內存命中率，盡量避免上述問題，有一些思路如下：
while (monotonic < monotonic_max) {index = monotonic % current_page_count;array = m_pages[index].load();pfs = array->allocate(dirty_state);if (pfs) {// 記錄分配成功的indexm_monotonic.m_size_t.store(index);return pfs;} else {// 局部變量遞增，避免掉并發累加而跳過某些pagesmonotonic++;}}另外一點，每次查找都是從最近一次分配成功的位置開始，這樣必然導致并發訪問的沖突，因為大家都從同一個位置開始找，起始查找位置應該加入一定的隨機性，這樣可以避免大量的沖突重試。
總結如下：
四 內存釋放的優化
PFS內存釋放的最大的問題就是一旦創建出的內存就得不到釋放，直到shutdown。如果遇到熱點業務，在業務高峰階段分配了很多page的內存，在業務低峰階段依然得不到釋放。
要實現定期檢測回收內存，又不影響內存分配的效率，實現一套無鎖的回收機制還是比較復雜的。
主要有如下幾點需要考慮：
針對PFS內存釋放的優化，PolarDB已經開發并提供了定期回收PFS內存的特性，鑒于本篇幅的限制，留在后續再介紹了。
五 關于我們
PolarDB 是阿里巴巴自主研發的云原生分布式關系型數據庫，于2020年進入Gartner全球數據庫Leader象限，并獲得了2020年中國電子學會頒發的科技進步一等獎。PolarDB 基于云原生分布式數據庫架構，提供大規模在線事務處理能力，兼具對復雜查詢的并行處理能力，在云原生分布式數據庫領域整體達到了國際領先水平，并且得到了廣泛的市場認可。在阿里巴巴集團內部的最佳實踐中，PolarDB還全面支撐了2020年天貓雙十一，并刷新了數據庫處理峰值記錄，高達1.4億TPS。歡迎有志之士加入我們，簡歷請投遞到zetao.wzt@alibaba-inc.com，期待與您共同打造世界一流的下一代云原生分布式關系型數據庫。
參考：
[1] MySQL Performance Schema
MySQL :: MySQL 8.0 Reference Manual :: 27 MySQL Performance Schema
[2] MySQL · 最佳實踐 · 今天你并行了嗎？---洞察PolarDB 8.0之并行查詢
MySQL · 最佳實踐 · 今天你并行了嗎？---洞察PolarDB 8.0之并行查詢
[3] Source code mysql / mysql-server 8.0.24
GitHub - mysql/mysql-server at mysql-8.0.24
原文鏈接
本文為阿里云原創內容，未經允許不得轉載。
總結
以上是生活随笔為你收集整理的MYSQL深潜 - 剖析Performance Schema内存管理的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 阿里巴巴超大规模Kubernetes基础
- 下一篇： Forrester云原生开发者洞察白皮书