自己動手寫SQL執行引擎
自己動手寫SQL執行引擎
前言
在閱讀了大量關于數據庫的資料后，筆者情不自禁產生了一個造數據庫輪子的想法。來驗證一下自己對于數據庫底層原理的掌握是否牢靠。在筆者的github中給這個database起名為Freedom。
整體結構
既然造輪子，那當然得從前端的網絡協議交互到后端的文件存儲全部給擼一遍。下面是Freedom實現的整體結構，里面包含了實現的大致模塊:
最終存儲結構當然是使用經典的B+樹結構。當然在B+樹和文件系統block塊之間的轉換則通過Buffer(Page) Manager來進行。當然了，為了完成事務，還必須要用WAL協議，其通過Log Manager來操作。
Freedom采用的是索引組織表，通過DruidSQL Parse來將sql翻譯為對應的索引操作符進而進行對應的語義操作。
MySQL Protocol結構
client/server之間的交互采用的是MySQL協議，這樣很容易就可以和mysql client以及jdbc進行交互了。
query packet
mysql通過3byte的定長包頭去進行分包，進而解決tcp流的讀取問題。再通過一個sequenceId來在應用層判斷packet是否連續。
result set packet
mysql協議部分最復雜的內容是其對于result set的讀取，在NIO的方式下加重了復雜性。
Freedom通過設置一系列的讀取狀態可以比較好的在Netty框架下解決這一問題。
row packet
還有一個較簡單的是對row格式進行讀取，如上圖所示,只需要按部就班的解析即可。
由于協議解析部分較為簡單，在這里就不再贅述。
SQL Parse
Freedom采用成熟好用的Druid SQL Parse作為解析器。事實上，解析sql就是將用文本表示
的sql語義表示為一系列操作符(這里限于篇幅原因，僅僅給出select中where過濾的原理)。
對where的處理
例如where后面的謂詞就可以表示為一系列的以樹狀結構組織的SQL表達式，如下圖所示:
當access層通過游標提供一系列row后，就可以通過這個樹狀表達式來過濾出符合where要求的數據。Druid采用了Parse中常用的visitor很方便的處理上面的表達式計算操作。
對join的處理
對join最簡單處理方案就是對兩張表進行笛卡爾積，然后通過上面的where condition進行過濾，如下圖所示:
Freedom對于縮小笛卡爾積的處理
由于Freedom采用的是B+樹作為底層存儲結構，所以可以通過where謂詞來界定B+樹scan(搜索)的范圍(也即最大搜索key和最小搜索key在B+樹種中的位置)。考慮sql
- select a.*,b.* from t_archer as a join t_rider as b where a.id>=3 and a.id<=11 b.id and b.id>=19 b.id<=31
那么就可以界定出在id這個索引上,a的scan范圍為[3,11],如下圖所示:
b的scan范圍為[19,31],如下圖所示(假設兩張表數據一樣，便于繪圖):
scan少了從原來的15*15(一共15個元素)次循環減少到4*4次循環,即循環次數減少到7.1%
當然如果存在join condition的話，那么Freedom在底層cursor遞歸處理的過程中會預先過濾掉一部分數據，進一步減少上層的過濾。
B+Tree的磁盤結構
leaf磁盤結構
Freedom的B+Tree是存儲到磁盤里的。考慮到存儲的限制以及不定長的key值，所以會變得非常復雜。Freedom以page為單位來和磁盤進行交互。葉子節點和非葉子節點都由page承載并刷入磁盤。結構如下所示:
一個元組(tuple/item)在一個page中分為定長的ItemPointer和不定長的Item兩部分。
其中ItemPointer里面存儲了對應item的起始偏移和長度。同時ItemPointer和Item如圖所示是向著中心方向進行伸張，這種結構很有效的組織了非定長Item。
leaf和node節點在Page中的不同
雖然leaf和node在page中組織結構一致，但其item包含的項確有區別。由于Freedom采用的是索引組織表，所以對于leaf在聚簇索引(clusterIndex)和二級索引(secondaryIndex)中對item的表示也有區別,如下圖所示:
其中在二級索引搜索時通過secondaryIndex通過index-key找到對應的clusterId,再通過
clusterId在clusterIndex中找到對應的row記錄。
由于要落盤，所以Freedom在node節點中的item里面寫入了index-key對應的pageno,
這樣就可以容易的從磁盤恢復所有的索引結構了。
B+Tree在文件中的組織
有了Page結構，我們就可以將數據承載在一個個page大小的內存里面，同時還可以將page刷新到對應的文件里。有了node.item中的pageno，我們就可以較容易的進行文件和內存結構之間的互相映射了。
B+樹在磁盤文件中的組織如下圖所示:
B+樹在內存中相對應的映射結構如下圖所示:
文件page和內存page中的內容基本是一致的,除了一些內存page中特有的字段，例如dirty等。
每個索引一個B+樹
在Freedom中，每個索引都是一顆B+樹，對記錄的插入和修改都要對所有的B+樹進行操作。
B+Tree的測試
筆者通過一系列測試case,例如隨機變長記錄對B+樹進行插入并落盤，修復了其中若干個非常詭異的corner case。
B+Tree的todo
筆者這里只是完成了最簡單的B+樹結構，沒有給其添加并發修改的鎖機制，也沒有在B+樹做操作的時候記錄log來保證B+樹在宕機等災難性情況下的一致性,所以就算完成了這么多的工作量，距離一個高并發高可用的bptree還有非常大的距離。
Meta Data
table的元信息由create table所創建。創建之后會將元信息落盤，以便Freedom在重啟的時候加載表信息。每張表的元信息只占用一頁的空間，依舊復用page結構，主要保存的是聚簇索引和二級索引的信息。元信息對應的Item如下圖所示:
如果想讓mybatis可以自動生成關于Freedom的代碼，還需實現一些特定的sql來展現Freedom的元信息。這個在筆者另一個項目rider中有這樣的實現。原理如下圖所示:
實現了上述4類SQL之后，mybatis-generator就可以通過jdbc從Freedom獲取元信息進而自動生成代碼了。
事務支持
由于當前Freedom并沒有保證并發，所以對于事務的支持只做了最簡單的WAL協議。通過記錄redo/undolog從而實現原子性。
redo/undo log協議格式
Freedom在每做一個修改操作時，都會生成一條日志，其中記錄了修改前(undo)和修改后(redo)的行信息，redo用來回滾,redo用來宕機recover。結構如下圖所示:
WAL協議
WAL協議很好理解，就是在事務commit前將當前事務中所產生的的所有log記錄刷入磁盤。
Freedom自然也做了這個操作，使得可以在宕機后通過log恢復出所有的數據。
回滾的實現
由于日志中記錄了undo，所以對于一個事務的回滾直接通過日志進行undo即可。如下圖所示:
宕機恢復
Freedom如果在page全部刷盤之后關機，則可以由通過加載page的方式獲取原來的數據。
但如果突然宕機,例如kill -9之后，則可以通過WAL協議中記錄的redo/undo log來重新
恢復所有的數據。由于時間和精力所限，筆者并沒有實現基于LSN的檢查點機制。
Freedom運行
- git clone https://github.com/alchemystar/Freedom.git
- // 并沒有做打包部署的工作，所以最簡單的方法是在java編輯器里面
- run alchemystar.freedom.engine.server.main
以下是筆者實際運行Freedom的例子:
join查詢
delete回滾
Freedom todo
Freedom還有很多工作沒有完成，例如有層次的鎖機制和MVCC等，由于工作忙起來就耽擱了。
于是筆者就看了看MySQL源碼的實現理解了一下鎖和MVCC實現原理，并寫了兩篇博客。比起
自己動手擼實在是輕松太多了^_^。
MVCC
https://my.oschina.net/alchemystar/blog/1927425
二階段鎖
https://my.oschina.net/alchemystar/blog/1438839
尾聲
在造輪子的過程中一開始是非常有激情非常快樂的。但隨著系統越來越龐大，復雜性越來越高，進度就會越來越慢，還時不時要推翻自己原來的設想并重新設計，然后再協同修改關聯的所有代碼，就如同泥沼，越陷越深。至此，筆者才領悟了軟件工程最重要的其實是控制復雜度!始終保持簡潔的接口和優雅的設計是實現一個大型系統的必要條件。
本文轉載自微信公眾號「解Bug之路」，可以通過以下二維碼關注。轉載本文請聯系解Bug之路公眾號。
