数据库的MVCC的机制的理解

参考：

1、https://www.zhihu.com/question/62125049/answer/195568837

2、《深入浅出INNODB MVCC机制与原理》

https://wenku.baidu.com/view/69d5c129192e45361066f5fb.html

 几种典型MVCC的机制说明（很清晰）

1、  一种多版本并发控制的机制：可以用B+树来支撑实现MVCC。叶子节点可以对应表的一行，Value行为可以用链表串起来的操作。这样，不会阻塞读（因为写操作都挂在链表上，没有直接修改原始数据）。

2、  当然，索引还可以是其他类型的，根据自己实现喜好。比如：也可以是Hashtable ，RocksDB和MemSQL用到的是skiplist（跳跃表），微软Hekaton用的是bw-tree，Hyper用的是apative radis tree等。

3、  B+树挺好，对范围、点查询都不错，可以性能很高。文中说选择Skiplist是认为简单。

4、  以下说明几种具体形式

1）  数据存在row里，新版本在前。



读的时候，会带一个snapshot version。比如是7，则读取到v=6的那个地方就可以了。

优点：如果更新不频繁，链表会比较短。大部分查询很快就能找到。

缺点：更新时，需要申请新的空间。还需要调整索引（因为是B+树中的节点，代价还是有的）。

 

2）  数据存在row里，老版本在前



与上面的类似，不过存数据顺序反了一下。

优点：新版本直接挂最后，不需要调索引。

缺点：查询时候，需要多次查找，多次访问内存，性能慢。

写快读慢

 

3）  追加的是增量数据，定期做压缩



V0->V1，只发生了4的变化，则V1只记录4。

优点：因为有Row做接力，不需要调整索引，对第一种是改进。

      只保存增量数据，内存空间占用小。

缺点：查询时候就比较麻烦，得累计起来才行。不过通过定期的压缩归并，减少链表长度，减轻这个问题。

4）  数据存到一块连续内存中



前面几种方法，都是用链表形式。新插入数据，新申请内存。在做Scan的时候（主要就是大量连续读，OLAP中考虑会多一些。），会比较慢。先对索引Scan，再找数据。文章中计算100ns一次内存访问，读索引会消耗，推出每秒扫描数据量上线1s/100ns=1000万。不过现在处理器多通道，可能不一定这样算，但这里的理论向表明这样去查找总是有看得见的性能瓶颈。

 

解决思路就是：申请一块大内存，然后把每一行存到这个数组里，定长数据直接存，变长数据用指针，对于小字符串，可以做一个优化，将字符串分成2部分，前面小的一部分可以直接存数据里，然后通过指针指向另一部分。

做点查询的时候，通过索引查，做scan的时候，看查询的数据情况，当数据量大时，直接scan数组是更快的，数据量小时，仍然通过索引做范围查找。

优点：一些情况下，Scan性能好。

缺点：原地更改row里的数据，读写的时候都需要加锁（latch），更新多的时候，对读不友好。