数据库中间件 MyCAT 源码解析 —— 分片结果合并（一）

1. 概述

相信很多同学看过 MySQL 各种优化的文章，里面 99% 会提到：单表数据量大了，需要进行分片（水平拆分 or 垂直拆分）。分片之后，业务上必然面临的场景：跨分片的数据合并。今天我们就一起来瞅瞅 MyCAT 是如何实现分片结果合并。

跨分片查询大体流程如下：

flow

和 《【单库单表】查询》 不同的两个过程：

• 【2】多分片执行 SQL
• 【4】合并多分片结果

下面，我们来逐条讲解这两个过程。

2. 多分片执行 SQL

execute_sql

经过 SQL 解析后，计算出需要执行 SQL 的分片节点，遍历分片节点发送 SQL 进行执行。

核心代码：

• MultiNodeQueryHandler.java#execute(...)

SQL 解析 详细过程，我们另开文章，避免内容过多，影响大家对 分片结果合并 流程和逻辑的理解。

3. 合并多分片结果

handle_response

和 《【单库单表】查询》 不同，多个分片节点都会分别响应 记录头(header) 和 记录行(row) 。在开始分析 MyCAT 是怎么合并多分片结果之前，我们先来回想下 SQL 的执行顺序。

FROM       // [1] 选择表
WHERE      // [2] 过滤表
GROUP BY   // [3] 分组SELECT     // [4] 普通字段，max / min / avg / sum / count 等函数，distinctHAVING     // [5] 再过滤表ORDER BY   // [6] 排序LIMIT      // [7] 分页

3.1 记录头(header)

多个分片节点响应时，会响应多次 记录头(header) 。MyCAT 在实际处理时，只处理第一个返回的 记录头(header) 。因此，在使用时要保证表的 Schema 相同。

分片节点响应的 记录头(header) 可以直接返回 MySQL Client 吗？答案是不可以。AVG函数 是特殊情况，MyCAT 需要将 AVG 拆成 SUM + COUNT 进行计算。举个例子：

// [1] MySQL Client => MyCAT ：
SELECT AVG(age) FROM student;

// [2] MyCAT => MySQL Server ：
SELECT SUM(age) AS AVG0SUM, COUNT(age) AS AVG0COUNT FROM student;

// [3] 最终：AVG(age) = SUM(age) AS AVG0SUM / COUNT(age)

核心代码：

• MultiNodeQueryHandler.java#fieldEofResponse(...)。

3.2 记录行(row)

3.1 AbstractDataNodeMerge

MyCAT 对分片结果合并通过 AbstractDataNodeMerge 子类来完成。

merge_service

AbstractDataNodeMerge ：

• -packs ：待合并记录行(row)队列。队列尾部插入 END_FLAG_PACK 表示队列已结束。
• -running ：合并逻辑是否正在执行中的标记。
• ~onRowMetaData(...) ：根据记录列信息(ColMeta)构建对应的排序组件和聚合组件。需要子类进行实现。
• ~onNewRecord(...) ：插入记录行(row) 到 packs。
• ~outputMergeResult(...) ：插入 END_FLAG_PACK 到 packs。
• ~run(...) ：执行合并分片结果逻辑，并将合并结果返回给 MySQL Client。需要子类进行实现。

AbstractDataNodeMerge_run.png

通过 running 标记保证同一条 SQL 同时只有一个线程正在执行，并且不需要等到每个分片结果都返回就可以执行聚合逻辑。当然，排序逻辑需要等到所有分片结果都返回才可以执行。

核心代码：

• AbstractDataNodeMerge.java
• DataNodeMergeManager.java#run(...)

3.2 DataNodeMergeManager

AbstractDataNodeMerge 有两种子类实现：

• DataMergeService ：基于堆内内存合并分片结果。
• DataNodeMergeManager ：基于堆外内存合并分片结果。

目前官方默认配置使用 DataNodeMergeManager。主要有如下优点：

1. 可以使用更大的内存空间。当并发量大或者数据量大时，更大的内存空间意味着更好的性能。
2. 减少 GC 暂停时间。记录行(row)对象小且重用性很低，需要能够进行类似 C / C++ 的自主内存释放。
3. 更快的内存复制和读取速度，对排序和聚合带来很好的提速。

如果对堆外内存不太了解，推荐阅读如下文章：

1. 《从0到1起步-跟我进入堆外内存的奇妙世界》
2. 《堆内内存还是堆外内存？》
3. 《JAVA堆外内存》
4. 《JVM源码分析之堆外内存完全解读》

本文主要分析 DataNodeMergeManager 实现，DataMergeService 可以自己阅读或者等待后续文章（?欢迎订阅我的公众号噢）。

DataNodeMergeManager 有三个组件：

• globalSorter ：UnsafeExternalRowSorter => 实现记录行(row)合并并排序逻辑。
• globalMergeResult ：UnsafeExternalRowSorter => 实现记录行(row)合并不排序逻辑。
• unsafeRowGrouper ： UnsafeRowGrouper => 实现记录行(row)聚合逻辑。

DataNodeMergeManager#run(...) 逻辑如下：

• [1] 写入记录行(row)到 UnsafeRow。
• [2] 根据情况将 UnsafeRow 插入对应组件。
• [3] 当所有 UnsafeRow 插入完后，根据情况使用组件聚合、排序。

核心代码：

• DataNodeMergeManager.java。

?看到这里，可能很多同学都有点懵逼，问题不大，我们继续往下瞅。

3.3 UnsafeRow

unsafe_row

记录行(row)写到 UnsafeRow 的 baseObject 属性，结构如下：

unsafe_row_object

unsafe_row_2.png

• 拆分成三个区域，每个区域按照格子记录信息，每个格子 64bits(8 Bytes)。
• 记录行(row)按照字段顺序位置记录到 baseObject。
• [1] 空标记位区域 ：标记字段对应的值是否为 NULL。
  • 当字段对应的值为 NULL 时，其对应的字段顺序对应的 bit 设置为 1。举个例子，第 0 个位置字段为 NULL，则第一个格子对应的 64 bits 从右边第一个 bit 设置为 1。
  • 因为每个格子是 64 bits，每 64 个字段占用一个格子，不满一个格子，按照一个格子计算。因此，该区域的长度(bitSetWidthInBytes) = 字段占用的格子数 * 64 bits。
• [2] 位置长度区域 ：记录字段对应的值在[3]区域所在的位置和长度。
  • 每个字段记录[2]区域的位置 = baseOffset + bitSetWidthInBytes + 8 Bytes * 字段顺序。
  • 占用一个格子，前 32 bits 为[3]区域的位置，后 32 bits 为字段对应的值长度。
• [3] 值区域 ：记录字段对应的值。
  • 每个字段对应的值占用格子数 = 字段对应的值长度 / 8 Byte，如果无法整除再 + 1。
  • 因为字段对应的值可能无法刚好占满每个格子，未使用的 bit 用 0 占位。

写入 UnsafeRow，MyCAT 可以顺序访问每个字段，而不需要在记录行(row)进行遍历。

?日常开发使用位操作的机会比较少，可能较为难理解，需要反复理解下，相信会获得很大启发。恩，该部分代码引用自开源运算框架 Spark，是不是更加有动力列?。

核心代码：

• UnsafeRow.java
• BufferHolder.java
• UnsafeRowWriter.java

3.4 UnsafeExternalRowSorter

如果使用 Java 实现 SELECT * FROM student ORDER BY age desc, nickname asc，不考虑算法优化的情况下，我们可以简单如下实现：

Collections.sort(students, new Comparator<Comparable>() {       @Override
       public int compare(Student o1, Student o2) {           int cmp = compare(o2.age, o1.age);           return cmp != 0 ? cmp : compare(o1.nickname, o2.nickname);
       }
   }
});

从功能上，UnsafeExternalRowSorter 是这么实现排序逻辑。当然肯定的是，不是这么“简单”的实现。

sorter_write

UnsafeRow 会写入到两个地方：

1. List<MemoryBlock> ：内存块数组。当前 MemoryBlock 无法容纳写入的 UnsafeRow时，生成新的 MemoryBlock 提供写入。每条 UnsafeRow 存储在 MemoryBlock 由 长度 + 字节内容 组成。
2. LongArray ：每条 UnsafeRow 存储在 LongArray 由两部分组成：address + prefix。
   • address ：UnsafeRow 存储在 List<MemoryBlock> 的位置。前 13 bits 记录所在 MemoryBlock 的 index，后 51 bit 记录在 MemoryBlock 的 offset。
   • prefix ：UnsafeRow 第一个排序字段值前 64 bits 计算的值。

UnsafeExternalRowSorter 排序实现方式 ：提供 TimSort 和 RadixSort 两种排序算法，前者为默认实现。TimSort 折半查找时，使用 LongArray，先比较 prefix，若相等，则顺序对比每个排序字段直到不等，提升计算效率。插入操作在 LongArray 操作，List<MemoryBlock> 只作为原始数据。

另外，当需要排序特别大的数据量时，会使用存储数据到文件进行排序。限于笔者暂时未阅读该处源码，后续会另开文章分析。?

核心源码：

• UnsafeExternalRowSorter.java
• UnsafeExternalRowSorter.java
• TimSort.java

3.5 UnsafeRowGrouper

如果使用 Java 实现 SELECT nickname, COUNT(*) FROM student group by nickname，不考虑算法优化的情况下，我们可以简单如下实现：

Map<String, List<Object>> map = new HashMap<>();// 聚合for (student : students) {    if (map.contains(student.nickname)) {
        map.put(student.nickname, map.get(student.nickname).get(1) + 1);
    } else {
        List<Object> value = new Array<>();
        value.add(nickname);
        value.add(1);
        map.put(student.nickname, value);
    }
}// 输出for (value : map.values) {
    System.out.println(value);
}

从功能上，UnsafeRowGrouper 是这么实现排序逻辑。当然肯定的是，也不是这么“简单”的实现。

?具体怎么实现的呢？我们在《MyCAT 源码解析 —— 分片结果合并（二）》继续分析。