背景

我們先來看看MySQL 8.0的事務(wù)提交的大致流程

以上流程，是MySQL8.0對WAL原則的一種實現(xiàn)，這個流程意味著，任何一個事務(wù)的提交，一定要完成write buffer和flush to disk流程。

然而那么這個流程中，有一個問題：每個服務(wù)器的CPU是有限的，服務(wù)器能處理的Thread也是有上限的，那么當我們的業(yè)務(wù)的并發(fā)數(shù)量，遠遠大于我們服務(wù)器能并行處理的數(shù)量時，那么后來的事務(wù)，只能等待前面的事務(wù)提交后才能被處理。在這之前，他們什么也做不了。因此，在大并發(fā)場景下，如何進一步提升線程的使用率，是大并發(fā)事物寫入的一個關(guān)鍵。

靈感來源于生活

一個優(yōu)化，并不是憑空想象出來的，有時候，往往來源于現(xiàn)實生活。下面，我們先來看看我們身邊，和事務(wù)提交流程非常類似的一個例子：快遞。

現(xiàn)在的快遞配送，一般一個快遞員會負責(zé)一片區(qū)域，快遞剛開始興起時，數(shù)量不多，那么一個快遞員基本上可以在規(guī)定時間內(nèi)完成配送。

但是，隨著快遞數(shù)量越來越多，一個快遞員要在一個小區(qū)配送很長的時間，才能到下一個小區(qū)，常常導(dǎo)致了快遞員無法準時的配送。在這個問題的催動下，隨后，一個新的行業(yè)開始出現(xiàn) – 快遞驛站。

快遞的優(yōu)化原理

接下來，讓我們來看下，快遞驛站究竟解決了什么問題。

快遞的配送過程中，最耗時的，不是裝貨，不是卸貨，而是電話和等待。配送一個小區(qū)的時間，取決于這個最后一個來取快遞的人的時間，在最后一個人取完快遞錢，快遞員除了打電話，做不了其他任何事情（也沒有辦法通知下一個小區(qū)的人，因為最后一個人來取得時間是無法確定的）。那么這個等待的時間，對于快遞員來說，就是一種浪費。

快遞驛站可以很大程度解決這個問題，快遞員到了以后，只需要將快遞卸貨，即可前往下一個小區(qū)，剩下的事情，就可以由驛站的人員來完成，大大提升了快遞員的配送效率。

分析

回過頭來，我們看看數(shù)據(jù)庫，如果把Transaction線程看做快遞員，存儲上的文件看做取快遞的人，那么我們會發(fā)現(xiàn)兩者有非常大的相似性。那么我們可以像快遞配送優(yōu)化那樣去優(yōu)化事務(wù)的處理流程嗎？答案是可以的。

根據(jù)快遞驛站的優(yōu)化原理，我們知道，快遞驛站幫快遞員免去了等待客戶取貨的時間，那么事務(wù)處理過程中，有沒有等待的過程呢？答案是有的，存儲的IO就是一個較長的等待。數(shù)據(jù)庫使用經(jīng)驗豐富的開發(fā)人員來都知道，等待redo日志寫入存儲的磁盤IO性能，很大程度上決定了數(shù)據(jù)庫的寫入性能。對于現(xiàn)代數(shù)據(jù)庫來說，尤其對于GaussDB(for MySQL)這樣計算于存儲分離的數(shù)據(jù)庫，存儲的IO耗時，在事務(wù)處理的總耗時中，占據(jù)了不小的比例，雖然有l(wèi)og buffer的合并寫入，提升并發(fā)情況下的整體吞吐，但是如果在等待IO的這段時間中，這些線程能夠去做別的事情（例如處理等待中的其他事務(wù)）。那么將會有進一步的性能提升。

GaussDB(for MySQL)的優(yōu)化

既然找到了等待的點，那么我們就可以像快遞配送的優(yōu)化方法，為數(shù)據(jù)庫，也創(chuàng)造一個“快遞驛站”，讓“快遞驛站”來做等待的事情，而事務(wù)線程就可以去處理其他等待中的事務(wù)，讓CPU不會“閑下來”。

如圖5所示，GaussDB(for MySQL)當redo日志的flush to disk動作完成后，即可進行事務(wù)提交，但是此時并不應(yīng)答客戶端，而是直接處理下一個事務(wù)。同時使用少量”post comit worker線程”，來批量等待日志寫入完成（等待的過程其實并不占用CPU），并應(yīng)答客戶端，這就可以讓“等待”和“下一個事務(wù)的處理”并行化，讓CPU“閑不下來”。

實際測試

根據(jù)實際測試，在標準的sysbench寫入模型下，沒有使用Post Commit時，極限性能是35萬QPS左右，而使用Post commit后，可以到大42萬以上的QPS，提升了20%的寫入性能。

以上就是詳解GaussDB for MySQL性能優(yōu)化的詳細內(nèi)容，更多關(guān)于GaussDB for MySQL性能優(yōu)化的資料請關(guān)注腳本之家其它相關(guān)文章！