GaussDB for MySQL性能優化的示例分析

小編給大家分享一下GaussDB for MySQL性能優化的示例分析，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

背景

我們先來看看MySQL 8.0的事務提交的大致流程

以上流程，是MySQL8.0對WAL原則的一種實現，這個流程意味著，任何一個事務的提交，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：每個服務器的CPU是有限的，服務器能處理的Thread也是有上限的，那么當我們的業務的并發數量，遠遠大于我們服務器能并行處理的數量時，那么后來的事務，只能等待前面的事務提交后才能被處理。在這之前，他們什么也做不了。因此，在大并發場景下，如何進一步提升線程的使用率，是大并發事物寫入的一個關鍵。

靈感來源于生活

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

現在的快遞配送，一般一個快遞員會負責一片區域，快遞剛開始興起時，數量不多，那么一個快遞員基本上可以在規定時間內完成配送。

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

快遞的優化原理

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，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，我們看看數據庫，如果把Transaction線程看做快遞員，存儲上的文件看做取快遞的人，那么我們會發現兩者有非常大的相似性。那么我們可以像快遞配送優化那樣去優化事務的處理流程嗎？答案是可以的。

根據快遞驛站的優化原理，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。數據庫使用經驗豐富的開發人員來都知道，等待redo日志寫入存儲的磁盤IO性能，很大程度上決定了數據庫的寫入性能。對于現代數據庫來說，尤其對于GaussDB(for MySQL)這樣計算于存儲分離的數據庫，存儲的IO耗時，在事務處理的總耗時中，占據了不小的比例，雖然有log buffer的合并寫入，提升并發情況下的整體吞吐，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）。那么將會有進一步的性能提升。

GaussDB(for MySQL)的優化

既然找到了等待的點，那么我們就可以像快遞配送的優化方法，為數據庫，也創造一個“快遞驛站”，讓“快遞驛站”來做等待的事情，而事務線程就可以去處理其他等待中的事務，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，即可進行事務提交，但是此時并不應答客戶端，而是直接處理下一個事務。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），并應答客戶端，這就可以讓“等待”和“下一個事務的處理”并行化，讓CPU“閑不下來”。

實際測試

根據實際測試，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。

以上是“GaussDB for MySQL性能優化的示例分析”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！