CMU 15-445 -- Index Concurrency Control - 06

CMU 15-445 -- Index Concurrency Control - 06

引言

本系列为 CMU 15-445 Fall 2022 Database Systems 数据库系统 [卡内基梅隆] 课程重点知识点摘录，附加个人拙见，同样借助CMU 15-445课程内容来完成MIT 6.830 lab内容。

在前两节中讨论的数据结构中，我们都只考虑单线程访问的情况。实践中，绝大多数情况下，我们需要在并发访问情况下保证我们的数据结构还能够正常工作。除了 VoltDB，它用一个线程处理所有请求，彻底排除了并发的需要。

Concurrency Control

通常我们会从两个层面上来理解并发控制的正确性：

• Logical Correctness： 我是否能看到我应该要看到的数据？
• Physical Correctness：（本节）数据的内部表示是否安好？

本节大纲：

• Latch Modes
• Index Crabbing/Coupling
• Leaf Scans
• Delayed Parent Updates

Lock & Latch

Locks：

• Protects the index’s logical contents from other transaction.
• Held for transaction duration.
• Need to be able to rollback changes.

Latches:

• Protects the critical sections of the index’s internal data structure from other threads.
• Held for operation duration.
• Do not need to be able to rollback changes.

在这里插入图片描述

Coding Discipline: 编码规范

Latch Modes

Read Mode：

• 多个线程可以同时读取相同的数据
• 针对相同的数据，当别的线程已经获得处于 read mode 的 latch，新的线程也可以继续获取 read mode 的 latch

Write Mode：

• 同一时间只有单个线程可以访问
• 针对相同的数据，如果获取前已经有别的线程获得任何 mode 的 latch，新的线程就无法获取 write mode 的 latch

B+ Tree Concurrency Control

我们希望在最大程度上允许多个线程同时读取、更新同一个 B+ Tree index，主要需要考虑两种情况：

• 多个线程同时修改同一个 node
• 一个线程正在遍历 B+ Tree 的同时，另一个线程正在 splits/merges nodes

举例如下：

• T1 想要删除 44

在这里插入图片描述

在这里插入图片描述

• T2 想要查询 41

在这里插入图片描述

• 删除 44 时，DBMS 需要 rebalance D 节点，将 H 节点拆分成两个节点

在这里插入图片描述

• 若在拆分前，T2 读取到 D 节点，发现 41 在 H 节点，此时时间片轮转到了 T1，T1 把 D 节点拆分成 H、I 两个节点，同时把 41 转移到 I 节点，之后 CPU 交还给 T2，T2 到 H 节点就找不到 41，如下图所示：

在这里插入图片描述

如何解决该问题？由于 B+ Tree 是树状结构，有明确的访问顺序，因此很容易想到沿着访问路径加锁的方法，即 Latch Crabbing/Coupling 。

Latch Crabbing/Coupling

Latch Crabbing 的基本思想如下：

• 获取 parent 的 latch
• 获取 child 的 latch
• 如果安全，则可以释放 parent 的 latch

这里的“安全”指的是，当发生更新操作时，该节点不会发生 split 或 merge 的操作，即：

• 在插入元素时，节点未满
• 在删除元素时，节点超过半满

Search:

• 从 root 往下，不断地：
  • 获取 child 的 read latch
  • 释放 parent 的 read latch

举例如下：Search 38

在这里插入图片描述

Insert/Delete:

• 从 root 往下，按照需要获取 write latch，一旦获取了 child 的 write latch，检查它是否安全，如果安全，则释放之前获取的所有 write latch。

例 1 如下：Delete 38

在这里插入图片描述

例 2 如下：Insert 45

在这里插入图片描述

例 3：Insert 25

在这里插入图片描述

Better Latching Algorithm

在实际应用中：

• 更新操作每次都需要在路径上获取 write latch 容易成为系统并发瓶颈
• 通常 Node 的大小为一个 page，可以存储很多 keys，因此更新操作的出现频率不算高

我们能否在 Latch Crabbing 的基础上做得更好？

• 可以采用类似乐观锁的思想，假设 leaf node 是安全（更新操作仅会引起 leaf node 的变化）的，在查询路径上一路获取、释放 read latch，到达 leaf node 时，若操作不会引起 split/merge 发生，则只需要在 leaf node 上获取 write latch 然后更新数据，释放 write latch 即可；
• 若操作会引起 split/merge 发生，则重新执行一遍，此时在查询路径上一路获取、释放 write latch，即 Latch Crabbing 原始方案。

举例：Delete 38

在这里插入图片描述

举例: Insert 25

在这里插入图片描述

小结

• Search：与 Latch Crabbing 相同
• Insert/Delete:
  • 使用与 Search 相同的方式在查询路径上获取、释放 latch，在 leaf node 上获取 write latch
  • 如果 leaf node 不安全，可能会引起其它节点的变动，则使用 Latch Crabbing 的策略再执行一遍

该方法乐观地假设整个操作只会引起 leaf node 的变化，若假设错误，则使用 Latch Crabbing 的原始方案。

Horizontal Scan

之前的分析中我们仅仅关注了从上到下的访问模式，而没有考虑到左右方向的访问模式，在 range query 中，常常需要横向访问相邻的 nodes。

例1：T1: Find Keys < 4

在这里插入图片描述

如果此时刚好有另一个线程作相反方向的访问：T2: Find Keys > 1

在这里插入图片描述

由于 read latch 允许被多次获取，因此并发读的情况不会产生负面影响。

例 2：T1: Delete 4，T2: Find Keys > 1

在这里插入图片描述

当遇到横向扫描无法获取下一个节点的 latch 时，该线程将释放 latch 后自杀。这种策略逻辑简单，尽管有理论上的优化空间，但在实践中是常见的避免死锁的方式。

Delayed Parent Updates

从上文中，我们可以观察到：每当 leaf node 溢出时，我们都需要更新至少 3 个节点：

• 即将被拆分的 leaf node
• 新的 leaf node
• parent node

修改的成本较高，因此 B-link Tree 提出了一种优化策略：每当 leaf node 溢出时，只是标记一下而暂时不更新 parent node，等下一次有别的线程获取 parnet node 的 write latch 时，一并修改。

举例如下：Insert 25

在这里插入图片描述

Delayed Parent Updates 仅用在 insert 操作中。

小结

让一个数据结构具备并发安全的特点知难行易，尽管本节只是介绍 B+ Tree 上的相关技术，但这些技术同样适用于其他数据结构。

本节内容对应教材PDF