MongoDB事务模型分析
MongoDB事务模型分析
本文对于Mongodb上层事务中会让人困惑的几点进行源码层面的分析
- mongodb 的写操作（insert/update/delete）提供的“单行一致性”的具体含义，如何做到的？
- 为何db.coll.count()在宕机崩溃后经常就不准了。
- mongodb 查询操作的事务隔离级别。
写操作的事务性
Mongodb的数据组织
在了解写操作的事务性之前，需要先了解mongo层的每一个table，是如何与wiredtiger层的table（btree）对应的。mongo层一个最简单的table包含一个 ObjectId(_id) 索引。_id类似于Mysql中主键的概念
但是mongo中并不会将_id索引与行内容存放在一起（即没有聚簇索引的概念）。取而代之的，mongodb将索引与数据分开存放，通过RecordId进行间接引用。 举例一张包含两个索引（_id 和 name）的表，在wt层将有三张表与其对应。通过name索引找到行记录的过程为：先通过name->Record的索引找到RecordId，再通过RecordId->RowData的索引找到记录内容。
数据组织
此外，一个Mongodb实例还包含一张记录对每一行的写操作的表local.oplog.rs， 该表主要用于复制（primary-secondary replication）。每一次（对实例中任何一张表的任何一行的）更新操作，都会产生唯一的一条oplog，记录在local.oplog.rs表里。
理解单行事务
mongodb对某一行的写操作，会产生三个动作
- 对wt层的数据段btree（上图中的Data Ident）执行写操作
- 对wt层索引段的每个索引btree执行写操作
- 对oplog表执行写操作 mongodb的单行事务，说的是：对数据，索引，oplog这三者的更新是原子的。不存在索引段中的某个RecordId，在数据段中找不到，也不存在一条记录的更改被应用，但是没有记录到oplog中, 反之亦然。 从下面的代码可以看到，一个插入操作，更新数据，索引，以及Oplog的过程。
单行事务的实现
OperationContext与RecoveryUnit
客户端的每个请求（insert/update/delete/find/getmore），会生成一个唯一的OperationContext记录执行的上下文，OperationContext从请求解析时创建，到请求执行完成时释放。一般情况下，其生命周期等同于一个操作执行的生命周期。OperationContext创建时，会初始化RecoveryUnit。
RecoveryUnit封装了wiredTiger层的事务。RecoveryUnit::_txnOpen 对应于WT层的beginTransaction。 RecoveryUnit::_txnClose封装了WT层的commit_transaction和rollback_transaction。
- beginTransaction
- commit/rollback
WriteUnitOfWork
WriteUnitOfWork 是事务框架提供给server层，方便执行事务的API。它是对OperationContext和RecoveryUnit的封装。
总结
简而言之，对一行记录的更改，涉及到数据，索引，和Oplog三者，在wiredTiger层，这样的更改对应于对多张表的更改。Mongodb通过实现事务框架（RecoveryUnit，OperationContext, WriteUnitOfWork）将细节封装。但归根结底非常简单，依然是教科书般的
- begin_transaction
- do writes
- end_transaction(commit/rollback)
这一套。
下图是对上面的代码分析整理的调用层次关系。
事务层次
表记录数的更新
对于数据库，我们希望，插入一条数据，记录数加一，删除一条记录，记录数减一。因为这是极其自然的事情。Mongodb在大多数情况下的确可以保证记录数的一致性。但是在异常恢复（死机重启，OOM重启，kill -9）下，很容易产生 db.coll.count()和表真实记录数不一致的情况。 其原因在于表记录数的更新独立于数据更新的事务之外。这么做的主要目的在于：减少写放大。
减少写放大
所有表的辅助信息（count和storageSize）都是以key-value的形式，存储在wiredTiger中的。对任何一行的更改，都会引起表的size和count的变化，size和count如果要做到和DML操作完全一致，只能将其放到上文中提到的begin_transaction/commit 事务中，造成显著的写放大。因此，不仅仅是mongodb，很多数据库引擎（比如mysql的myisam引擎）都选择将辅助信息额外存放，额外更新。
WiredTigerSizeStorer
mongodb使用WiredTigerSizeStorer做表的辅助信息的内存缓存。DML操作引起的辅助信息变化，不会直接反馈到WiredTiger层。而是cache在内存里，标记为dirty。db.coll.count()操作也只是读内存数据。
内存数据的落地通过_sizeStorerSyncTracker(cs, 100000, Seconds(60))定时器触发。每隔60秒同步一次。 将dirty entry更新到wt层，并根据参数决定是否进行journal flush。更新完毕后将所有entry的diry flag 标记为false。代码在WiredTigerSizeStorer::syncCache方法中。
Mongodb查询操作的一致性
Mongodb的查询操作，由最基本的find command 和 getmore command 组成。 find command返回firstBatch和cursorId。若是范围查循，则客户端driver通过cursorId组装getmore 命令，对游标进行迭代。 此外，mongodb还提供readConcern，若对某个节点执行readConcern=majority的读操作，可以读到同步到集群大多数节点的数据（潜在含义是：可以读到某个节点上的某一行数据的历史版本）。 再其次，find command本身读到的数据，是否是PIT(point in time) Consistent的？ 多个getmore读到的数据之间，是否是PIT Consistent**的？ 带着上面的问题，我们尝试从代码里找到答案。
事务隔离级别简介
首先，我们需要知道，数据库常用的隔离级别有
- Read UnCommitted
- Read Committed
- Repeatable Read
- Serializable
这个概念在很多数据库教材（特别是讲Mysql的书）中都有提到。一般书中很少提到一种介于Repeatable Read与Serializable 之间的隔离级别，即Snapshot Isolation。这部分内容很宏大，请参考wiki（Snapshot Isolation）。WiredTiger 提供Snapshot Isolation 隔离级别。Mongodb的事务，特别是readConcern=majority情况下，须要读某行数据的历史版本的能力，依赖该隔离级别。
committedSnapshot 与 majority ReadConcern
mongodb每次成功对wiredTiger层进行commit_transaction，都使得数据库生成一个Snapshot，得益于WiredTiger的Project Timestamp， Mongodb抛弃了[3.0--3.4]中使用WT 的named snapshot的方式，而直接使用Mongo层的OpTime，一个64位整数，通过WT_CONNECTION.set_timestamp 接口，更自然的将Snapshot和OplogTime对应。
CommittedSnapshot的含义：在某个节点自身的POV（point of view）下，被大多数节点同步到的oplog中，opTime最大的Oplog，其对应的Snapshot被称为 CommittedSnapshot。如下图： 在C节点自身的POV下，A，B，C 三个节点的复制进度如下：
committedSnapshot
- OpTime=3的Snapshot，是A节点的CommittedSnapshot，该Snapshot被大多数节点复制。
- OpTime=2的Snapshot，不是A节点的CommittedSnapshot，它虽然被大多数节点复制，但是它的OpTime不是最大的。
- OpTime=4的Snapshot，不是A节点的CommittedSnapshot，它没有被大多数节点复制。
在该时刻，从C节点，以readConcern=majority的方式，读到y=3
由于分布式的特性，每个节点（Primary or Secondary）的复制快慢不一。而某个节点的POV下，其他节点的复制进度，是通过节点之间的心跳广播lastOpTime得到的。
find和getmore的PIT consistent保证
Mongodb默认使用WiredTiger提供的SnapshotIsolation隔离级别。证据如下：
根据先前的分析，我们知道，每一个查询都会attach在一个WiredTiger层面的Snapshot上，如果一个查询开始后没有释放Snapshot重新申请，那么它就能保证Snapshot Isolation的读事务隔离级别，能保证PIT（of query begin time）的一致性。如果做不到这点，就只能保证Read Committed的隔离性。 带着上面的理论指导，我们继续探讨。Mongodb在查询的执行过程中，何时有可能释放掉Snapshot呢，这里需要牵扯到YieldPolicy。
YieldPolicy
我们知道，mongodb 在执行一个耗时较长的查询时，可以通过db.killOp()命令结束。 它是通过YieldPolicy做到这点的。具体到查询而言，查询使用YieldAuto Policy。所谓YieldAuto，是指查询请求会运行一段时间（可配置）后让出CPU时间片，并检测自己是否被killOp命令kill掉。这是一种典型的协作式调度策略。
上面的代码中，internalQueryExecYieldPeriodMS 可以通过setParameter 命令配置，控制查询命令的AutoYield的间隔，默认10毫秒。 Mongodb在一个执行计划被Yield出去之后，执行清理工作。 首先检查是否被killOp命令杀掉了，如果没有被杀掉，会通过yieldAllLocks暂时让出锁资源。
yieldAllLocks
yieldAllLocks函数就是最终的答案，AutoYield的过程中，会通过opCtx->recoveryUnit()->abandonSnapshot()释放掉执行计划中的Snapshot。
总结
Mongodb使用WiredTiger提供的SnapshotIsolation 隔离级别。但不代表Mongodb的查询是该隔离级别。Mongodb的查询过程中，会阶段性的将过程Yield出去，一方面是为了检测过程是否已经被终止，一方面是为了让出时间片给其它线程执行。而Yield出去的查询，会连带释放掉WiredTiger层的Snapshot。因此，Mongodb的查询操作的事务隔离级别是Read-Committed隔离级别的。
分享人简介
孔德雨，MongoDB中文社区深圳分会主席。在存储领域有多年经验，曾负责腾讯云与腾讯内部海量MongoDB集群。对MongoDB源码有较为深入的理解，对源码优化，参数调优等有过丰富的经验。MongoDB committer (Of Resizing Oplogs). 现就职于腾讯互娱 技术运营部，参与MongoDB的集群维护工作。