PostgreSQL多版本并发控制MVCC

多版本并发控制（MVCC，Multi-Version Concurrency Control）是PostgreSQL中实现并发控制的一种机制。MVCC允许多个事务同时访问数据库，而不会产生锁定冲突。这种机制通过维护数据的多个版本，提供了一种高效的方法来处理并发事务。

为什么需要MVCC？

多版本并发控制（MVCC）的引入和使用主要是为了有效解决数据库系统中的并发控制问题。以下是MVCC的几个关键需求和优点：

• 提高并发性能：
  • 在传统的锁机制中，读写操作可能会相互阻塞，特别是在高并发环境下，这会显著降低系统性能。
  • MVCC通过允许读操作不加锁地访问数据，从而提高了系统的并发性能。写操作不会阻塞读操作，反之亦然。
• 减少锁竞争：
  • 传统锁机制中，多个事务同时访问同一数据时，会出现锁竞争问题。
  • MVCC通过版本化数据，避免了大多数情况下的锁竞争，尤其是读操作之间的竞争。
• 实现事务隔离：
  • MVCC支持多种事务隔离级别（如Read Committed、Repeatable Read、Serializable），通过维护数据的多个版本，确保事务在执行过程中可以看到一致的快照。
  • 这使得事务在读取数据时不会看到其他未提交事务的中间状态，保证了数据的一致性和隔离性。
• 减少锁等待和死锁风险：
  • 由于读操作不需要锁，MVCC有效地减少了锁等待的情况。
  • 这也降低了死锁发生的风险，因为读操作不会与其他事务争夺锁。
• 支持长时间运行的查询：
  • MVCC允许长时间运行的查询在获取快照后可以一致地访问数据，即使在查询期间其他事务对数据进行了修改。
  • 这对于分析型查询和报告生成非常有用，因为这些操作通常需要长时间读取大量数据。
• 提高系统吞吐量：
  • 通过减少锁争用和提高并发能力，MVCC能够提高数据库系统的整体吞吐量。
  • 这对需要处理大量并发请求的应用程序（如在线交易系统）特别重要。

总的来说，MVCC通过提供更细粒度的并发控制，解决了传统锁机制在高并发环境下的性能瓶颈和一致性问题，使得数据库系统能够更高效地处理并发事务。

MVCC的基本概念

多版本并发控制（MVCC）的基本概念主要围绕如何在数据库中管理和访问数据的多个版本。以下是MVCC的几个核心概念：

• 数据版本化：
  • 在MVCC中，每次对数据行进行更新时，数据库不会直接覆盖原有数据，而是创建一个新的版本。这意味着同一行的数据可能会有多个版本共存。
  • 每个数据版本都有两个重要的隐含字段：xmin和xmax。
    • xmin：创建该版本的事务ID，表示哪个事务创建了这个数据版本。
    • xmax：删除该版本的事务ID，表示哪个事务删除了这个数据版本（如果行未被删除，则为未定义）。
  • 事务ID（Transaction ID, XID）：
    • 每个事务在开始时都会被分配一个唯一的事务ID，用于标识该事务。
    • 事务ID用于确定数据版本的可见性和管理事务的顺序。
  • 快照（Snapshot）：
    • 每个事务在开始时获取一个数据库快照，这个快照包含了当时数据库中所有可见的数据版本。
    • 快照用于保证事务在其生命周期内看到的数据是一致的，即使其他事务正在并发地修改数据。
  • 可见性规则：
    • 一个数据版本对一个事务可见的条件是：
      • 该版本的xmin小于当前事务的ID，意味着该版本在当前事务开始之前已存在。
      • 该版本的xmax要么未定义，要么大于当前事务的ID，意味着该版本在当前事务期间未被删除。
    • 隔离级别：
      • MVCC支持多种事务隔离级别，如Read Committed、Repeatable Read、Serializable。每种隔离级别定义了不同的可见性规则，以平衡一致性和并发性。
      • 通过快照机制，MVCC在不使用锁的情况下实现了高效的事务隔离。
    • 并发读写：
      • MVCC允许读操作不需要加锁即可访问数据，避免了与写操作的锁竞争。
      • 写操作通过创建新版本实现，只有在需要防止写-写冲突时才使用锁。

通过这些基本概念，MVCC在数据库中实现了高效的并发控制和一致性管理，使得多个事务可以同时读取和修改数据，而不会相互干扰。

MVCC的实现

多版本并发控制（Multi-Version Concurrency Control, MVCC）是一种通过冗余多份历史数据来达到并发读写目的的一种技术，在写入数据时，旧版本的历史数据将不会被删除，那么此时并发的读仍然能够读取到对应的历史数据，这样就使得读和写能够并发运行，并且不会出现数据不一致的问题。

事务 ID

多版本并发控制既然会保留一份数据的多个版本，那么就需要能够区分出哪个版本是最新的，哪个版本是最旧的。一个最朴素的想法就是给每一个版本添加一个时间戳，用时间戳来比较新旧，但是时间戳不稳定，万一有人修改了服务器的配置，事情就乱套了。因此，PostgreSQL 使用了一个 32 位无符号自增整数来作为事务标识以比较新旧程度。

我们可以通过 txid_current() 函数来获取当前事务的标识:

postgres=# select txid_current();
 txid_current 
--------------
          507
(1 row)

Tuple 结构

紧接着我们需要了解堆元组的组成结构，堆元组由 HeapTupleHeaderData、NULL 值位图以及用户数据所组成，如下图所示:

与 MVCC 相关的字段只有 4 个，其含义如下:

• t_xmin: 保存了插入该元组的事务的 txid
• t_xmax: 保存删除或者是更新该元组的事务的 txid，若一个 tuple 既没有被更新也没有被删除的话，该字段的值为 0
• t_cid: 即 Command ID，表示在当前事务中，执行当前命令之前共执行了多少条命令，从 0 开始计数。t_cid的主要作用就在于判断游标的数据可见性，将在后文详细描述
• t_infomask: 位掩码，主要保存了事务执行的状态，如XMIN_COMMITTED、XMAX_COMMITTED 等。同时也保存了 COMBOCID 这一非常重要的标识位，也是和游标相关的字段。

接下来就通过一些小实验来理清这些字段的具体含义，在此之前需要引入一个小工具: pageinspect。pageinspect 是官方所编写的一个拓展工具，可用于查看数据库一个 page 的全部内容

postgres=# CREATE EXTENSION pageinspect;
CREATE EXTENSION

postgres=# CREATE TABLE t(a int);
CREATE TABLE

postgres=# insert into t values(1);
INSERT 0 1

postgres=# create view info t as select lp as tuple, t_xmin, t_xmax, t_field3 as t_cid, t_ctid from heap_page_items(get_raw_page('t', 0)) order by tuple;

插入: t_xmin

t_xmin 与创建相关，当我们 insert 一条数据时，t_xmin 就会被设置成执行事务的 txid，并且一旦设置，便不会修改:

postgres=# begin;
BEGIN
postgres=# select txid_current();               -- 获取当前事务 txid
 txid_current 
--------------
          582
(1 row)
postgres=# insert into t values (1);            -- 插入数据
INSERT 0 1
postgres=# select * from info_t;                -- 获取 t_xmin
 tuple | t_xmin | t_xmax | t_cid | t_ctid 
-------+--------+--------+-------+--------
     1 |    582 |      0 |     0 | (0,1)
(1 row)

可以看到，t_xmin 被设置成了 582，因为该元组就是被 txid 为 582 的事务所插入的。同时 t_xmax 被设置成 0，因为没有更新和删除。

删除: t_xmax

t_xmax 与删除有关，当我们删除一条数据时，t_xmax 就会被设置成执行事务的 txid:

postgres=# truncate table t;
TRUNCATE TABLE
postgres=# insert into t values (1);            -- 插入数据
INSERT 0 1

postgres=# begin;
BEGIN
postgres=# select txid_current();               -- 获取当前事务 txid
 txid_current 
--------------
          588
(1 row)
postgres=# delete from t;                       -- 删除数据
DELETE 1
postgres=# select * from info_t;
 tuple | t_xmin | t_xmax | t_cid | t_ctid 
-------+--------+--------+-------+--------
     1 |    587 |    588 |     0 | (0,1)
(1 row)

当我们使用 DELETE FROM 删除数据时，数据只是逻辑上被标记删除，实际上就是设置目标元组的 t_xmax 为执行 DELETE 命令事务的 txid，这些被标记为已删除的元组将会在 VCAUUM 过程中被物理清除。

更新: t_xmin + t_xmax

在 PostgresSQL 中，元组的更新并不是原地的，也就是说新数据不会覆盖旧有的数据，而是通过将旧数据标记为删除，新插入一条数据的方式来完成更新。也就是说，假如说我们对 100 条数据进行更新的话，最终会在文件中产生 200 条数据，其中有 100 条被标记为删除。

postgres=# truncate table t;
TRUNCATE TABLE
postgres=# insert into t values (1);            -- 插入数据
INSERT 0 1

postgres=# begin;
BEGIN
postgres=# select txid_current();               -- 获取当前事务 txid
 txid_current 
--------------
          591
(1 row)
postgres=# update t set a = 2;                  -- 更新数据
UPDATE 1
postgres=# select * from info_t;
 tuple | t_xmin | t_xmax | t_cid | t_ctid 
-------+--------+--------+-------+--------
     1 |    590 |    591 |     0 | (0,2)
     2 |    591 |      0 |     0 | (0,2)
(2 rows)

事务快照

事务快照是一个数据集合，保存了某个事务在某个特定时间点所看到的事务状态信息，包括哪些事务已经结束，哪些事务正在进行，以及哪些事务还未开始，我们可以通过 txid_current_snapshot() 函数来获取当前的事务快照:

postgres=# select txid_current_snapshot();
 txid_current_snapshot 
-----------------------
 580:584:581, 583
(1 row)

txid_current_snapshot() 的文本表示含义为 xmin:xmax:xip_list，其中 xmin 表示所有小于它的事务要么已提交，要么已经回滚，即事务结束。xmax 则表示第一个尚未分配的 txid，即所有 txid >= xmax 的事务都还没有开始。而 xip_list 则是使用逗号分割的一组 txid，表示在获取快照时还是进行的事务。

以 580:584:581, 583 该快照为例，在判断可见性时，所有 txid < 580 的并且已提交的 tuple 都是对当前快照可见的。所有 txid >= 584 的 tuple 不管其状态如何，对当前快照都是不可见的。同时，由于 581 和 583 在获取快照时仍然处于活跃状态，因此对于该快照也是不可见的。最后，对于 txid 为 580 以及 582 的元组而言，只要其事务提交了，那么对当前快照来说就是可见的。

当然，这只是一个非常粗糙的判断规则，并没有考虑到元组是否被删除、是否被当前事务所创建、是否是对游标的可见性判断等情况。

PostgreSQL 使用结构体 SnapshotData 来表示所有类型的快照，并且通过函数 GetSnapshotData() 来获取事务快照。该函数最重要的功能就是填充 xmin、xmax 以及 xip 这三个核心字段:

typedef struct SnapshotData {
    SnapshotType snapshot_type; /* type of snapshot */

    TransactionId xmin;			/* all XID < xmin are visible to me */
    TransactionId xmax;			/* all XID >= xmax are invisible to me */

    /*
     * 正在运行的事务 txid 列表
     * note: all ids in xip[] satisfy xmin <= xip[i] < xmax
     */
    TransactionId *xip;
    uint32		xcnt;			/* # of xact ids in xip[] */

    ......
}

基本的可见性判断

在 PostgreSQL 中，事务一共有 4 种状态，分别是:

• TRANSACTION_STATUS_IN_PROGRESS: 事务正在运行中
• TRANSACTION_STATUS_COMMITTED: 事务已提交
• TRANSACTION_STATUS_ABORTED: 事务已回滚
• TRANSACTION_STATUS_SUB_COMMITTED: 子事务已提交

其中子事务的情况本文暂且不做考虑，同时本小节也不讨论关于 cid 的可见性判断，也就是游标的可见性判断，与游标相关的可见性判断将于在下篇文章中描述。

在读取堆元组的时 PostgreSQL 将使用 HeapTupleSatisfiesMVCC() 函数判断是否对读取的 tuple 可见，其函数签名如下:

static bool
HeapTupleSatisfiesMVCC(Relation relation, HeapTuple htup, Snapshot snapshot,
                       Buffer buffer)

接下来的可见性规则其实就是对该函数的拆解。

xmin 的状态为 ABORTED

首先来看一个最简单的情况，但我们开启一个事务并已经获取了一个快照，并且需要对一个 tuple 进行可见性判断时，如果发现该 tuple 的 xmin 所对应的事务状态为 ABORTED，即已经回滚了，那么这一条“废数据”对当前快照当然不可见。

if (!HeapTupleHeaderXminCommitted(tuple)) {     /* 事务状态为未提交 */
    if (HeapTupleHeaderXminInvalid(tuple)) {    /* 事务已终止 */
        return false;                           /* 不可见 */
    }
}

xmin 的状态为 IN_PROGRESS

当创建元组的事务正在进行时，按理来说这部分数据对当前快照是不可见的，但是唯一的例外就是当前事务自己创建了该元组，并在后续使用 SELECT 语句进行了查看。那么此时，该元组对于当前快照来说就是可见的:

if (!HeapTupleHeaderXminCommitted(tuple)) {
    if (TransactionIdIsCurrentTransactionId(HeapTupleHeaderGetRawXmin(tuple))) {
        if (tuple->t_infomask & HEAP_XMAX_INVALID)      /* 未被当前事务删除 */
            return true;
    }
    
    /* 该元组在进行中，并且插入语句不由当前事务执行，则不可见 */
    return false;
}

xmin 的状态为 COMMITTED

当创建元组的事务已提交，如果该元组没有被删除，以及不在当前快照的活跃事务列表中的话，那么是可见的。

/* xmin is committed, but maybe not according to our snapshot */
if (!HeapTupleHeaderXminFrozen(tuple) &&
    XidInMVCCSnapshot(HeapTupleHeaderGetRawXmin(tuple), snapshot))
    return false;  /* 创建元组的事务在获取快照时还处理活跃状态，故快照不应看到此条元组 */

/* by here, the inserting transaction has committed */

if (tuple->t_infomask & HEAP_XMAX_INVALID)	/* 元组未被删除，即 xmax 无效 */
        return true;

/* 元组被删除，但删除元组的事务正在进行中，尚未提交 */
if (!(tuple->t_infomask & HEAP_XMAX_COMMITTED)) {

    /* 若删除行为是当前事务自己进行的，则删除有效，但是仍然需要进行游标的判断 */
    if (TransactionIdIsCurrentTransactionId(HeapTupleHeaderGetRawXmax(tuple))) {
        if (HeapTupleHeaderGetCmax(tuple) >= snapshot->curcid)
            return true;	/* deleted after scan started */
        else
            return false;	/* deleted before scan started */
    }

    /* 删除行为不是本事务执行的，并且在删除元组的事务在获取快照时还处理活跃状态，故删除无效 */
    if (XidInMVCCSnapshot(HeapTupleHeaderGetRawXmax(tuple), snapshot))
            return true;
} else {
    /* 删除元组事务已提交，但是在删除元组的事务在获取快照时还处理活跃状态，故删除无效 */
    if (XidInMVCCSnapshot(HeapTupleHeaderGetRawXmax(tuple), snapshot))
            return true;		/* treat as still in progress */
}

/* 删除元组事务已提交且不在快照的活跃事务中，即删除有效，不可见 */
return false;

xmin 的状态为 COMMITTED 的情况要稍微复杂一些，需要综合考虑 xmax、xip 以及 cid 之间的关系。

可见性判断函数与获取快照的时机

最后，我们来看一下可见性判断函数，在不同的场景下，我们观察一个堆元组的视角也不尽相同，因此就需要调用不同的可见性判断函数来判断其可见性:

同时，我们可能通过在不同的时机获取快照来实现不同的事务隔离级别。例如对于可重复读（RR）来说，只有事务的第一条语句才生成快照数据，随后的语句只是复用这个快照数据，以保证在整个事务期间，所有的语句对不同的堆元组具有相同的可见性判断依据。而对于读已提交（RC）来说，事务中的每条语句都会生成一个新的快照，以保证能够对其他事务已经提交的元组可见。

MVCC的使用场景和限制

多版本并发控制（MVCC）在数据库系统中提供了强大的并发控制和事务隔离能力，但它也有特定的使用场景和一些限制。以下是MVCC的主要使用场景和限制：

使用场景

• 高并发环境：
  • MVCC非常适合需要处理大量并发读写操作的应用程序，如在线交易系统、社交网络平台和电子商务网站。
  • 由于读操作不需要加锁，系统可以在高并发情况下高效地处理读请求。
• 需要强一致性的应用：
  • 应用程序需要在事务中保证数据的一致性时，MVCC可以提供良好的事务隔离，避免读到未提交的数据。
  • 适用于金融系统等对数据一致性要求严格的场景。
• 长时间运行的查询：
  • 在需要长时间运行的分析型查询中，MVCC允许这些查询在不被中断的情况下读取一致的快照数据。
  • 这对于需要进行复杂报告和数据分析的应用程序特别有用。
• 减少锁竞争的场合：
  • 在存在大量读操作的场景中，MVCC可以有效减少锁竞争，提高系统的整体吞吐量。

限制

• 存储空间消耗：
  • 由于MVCC会为每次更新创建新的数据版本，可能会导致数据库存储空间的增加。
  • 需要定期运行VACUUM操作来清理过时的行版本，以释放存储空间。
• 管理复杂性：
  • MVCC的实现需要维护多个版本的数据，这增加了数据库管理的复杂性。
  • 数据库管理员需要更频繁地进行性能调优和空间管理。
• 性能开销：
  • 虽然MVCC减少了锁的使用，但在某些情况下，尤其是高写入负载下，管理多个版本的数据可能会带来额外的性能开销。
  • 长时间运行的事务可能会阻止旧版本的清理，导致性能下降。
• 事务ID耗尽：
  • 在极端情况下，事务ID可能会耗尽（事务ID是一个有限的数值），这需要数据库采取措施（如冻结和重置事务ID）来避免问题。
• 写-写冲突：
  • 虽然MVCC减少了读-写冲突，但写-写冲突仍然需要通过锁机制来解决。

MVCC通过提供细粒度的并发控制，解决了许多传统数据库锁机制中的瓶颈问题。然而，它也带来了管理上的挑战，需要在使用时综合考虑应用的特定需求和系统的性能特点。