关系型数据库工作原理-快速缓存(翻译自Coding-Geek文章)

本文翻译自Coding-Geek文章:《 How does a relational database work》。

原文链接：http://coding-geek.com/how-databases-work/#Buffer-Replacement_strategies

先翻译快速缓存章节。兴许有时间再翻译其他章节。

翻译内容在原文的文件夹：

一、数据管理器

数据查询器运行查询操作，从数据表中获取数据。它向Data Manger发送请求，获取数据。当中存在2个问题：

1. 关系型数据使用事物模型。当数据库在运行改动操作时，不能运行查询操作。避免查询出脏数据。

2. 数据提取是最慢的数据库操作，由于数据要从磁盘上读取。

   因此，数据库必须要有一个非常强大的数据缓存系统。

本章。我们将看一下关系数据是怎样解决这两个问题的。

我们不会探讨数据库是怎样从磁盘载入数据的。这个不是本文的重点(受篇幅所限，不展开分析)。

二、快速缓存器

正如我之前所言。数据库的性能瓶颈是I/O。

为了提升性能，现代数据库都使用了快速缓存。

数据查询器从Cache Manger中获取数据。而不是直接从磁盘文件里读取数据。

Cache Manger管理着一片内存区域。叫缓存池。 直接从内存获取数据，使得訪问数据库的性能突飞猛进。

可是，非常难评估使用快速缓存的重要性有多大，这取决于你要做什么样的数据库操作。

• 顺序訪问 VS 随机訪问。

• 读操作 VS 写操作。

以及数据库使用的是什么样的磁盘

• 7.2k/10k/15k rpm HDD
• SSD
• RAID 1/5/…

可是，我敢说使用内存快速缓存比不适用缓存直接从磁盘读数据快100到10万倍。

这也导致另外一个问题(全部的数据库都有这个问题……)， 快速缓存器须要在查询器訪问数据之前预取数据，否则查询器须要挂起，等待快速缓存器把数据从磁盘载入到内存先。

三、缓存数据预取

问题的核心就在“数据预取”。

数据查询器清楚须要哪些数据，由于它了解每一次查询操作的详细要求，也清楚数据库表的存储结构。数据预取的基本逻辑是这种：

1. 数据查询器在获取第一批数据时通知Cache Manger提前载入第二批数据到缓存中。
2. 数据查询器在获取第二批数据时通知Cache Manger提前载入第三批数据，而第一批数据能够从缓存中移除了。

3. …….

Cache Manger存储全部的数据在缓存池中。

为了确定缓存池中数据是否正在被使用，Cache Manger须要维护一些关于这些数据的额外信息(被称之为锁的东西)。

但有时。数据查询器不清楚下一步须要什么数据，或者数据库没有提供指定预取哪些数据的功能。取而代之，数据库提供的是随机预取功能(比如，查询了数据1,2,3后，它由于你可能还须要7,8,9，提前把7,8,9载入到缓存中)或者顺序缓存功能（运行一次查询后。将磁盘上查询数据临近的其他数据也预取到缓存中）。

为了评估Cache Manger预期机制工作的效果。现代数据库系统提供一个指标度量：缓存命中率。缓存命中率描写叙述查询器从缓存中拿到数据的几率（在不须要读磁盘文件的情况下）。

说明：糟糕的缓存命中率。并不总是意味Cache工作得不好。很多其他信息可參考Oracle说明文档。

可是，快速缓存内存大小是受限的。缓存内容须要不断吐故纳新。缓存数据的载入和移除都须要消耗磁盘I/O和网络I/O资源。

假设某个查询操作要常常运行，缓存数据频繁的载入和移除是非常低效的。为了解决问题。现代数据库都使用了一些缓存置换策略。

四、缓存置换策略

大多数现代数据库缓存置换策略都使用LRU算法，至少SQL Server, MySQL, Oracle and DB2是这种。

1. LRU

LRU的意思是非近期当前使用。这个算法的是基于这样一种假设：近期使用过的数据，在将来被再次使用的概率非常大，须要驻留在缓存中。反之，非近期当前使用的数据可移除。

为了方便理解，我们假设缓存中的数据未被加锁(因此可被移除)。

举个样例说明它的工作原理。这个简单的演示样例中缓存池能容纳3个数据。

1. Cache Manger使用数据1后。将1放入缓存。

2. Cache Manger使用数据4后，将4放入缓存。
3. Cache Manger使用数据3后。将3放入缓存。

4. Cache Manger使用数据9后。将9放入缓存。

   由于缓存已满，须要先移除一条数据。移除哪一条？
   
   依据LRU原则，1是最远当前使用的数据，移除1后增加9。

5. Cache Manger使用数据4后放入缓存，4变成了近期被使用过的数据。调整顺序。

6. Cache Manger使用数据1后放入缓存，1变成了近期被使用过的数据。3被移除。
7. ……

算法OK。但有一些限制，假设读取的是一张大表呢？ 换言之。读取的表数据太大，超过了缓存空间的大小。使用该算法将清除缓存之前全部的数据，即使新载入上来的这张大表数据仅仅会使用一次就不再使用。

2. 算法改进

为解决问题。一些数据库管理系统加了一些特殊规则。比如：Oracle规则说明：

对于超级大表的读取，直接从磁盘文件里读取数据。避免是用快速缓存。对于中型表。能够从磁盘文件直接读也能够用缓存。假设使用缓存应该把读取的数据放到LRU列表末尾(这样，新增加缓存数据时将先把该表的数据移除)。

LRU算法有高级版本号，叫LRU-K。比如SQL Server使用的LRU-K, K=2。

K代表的是考虑近期时间段，数据訪问的次数。

前面的样例是LRU-K算法最简单的样例。仅仅考虑一次訪问。K = 1。LRU-K的原理例如以下：

1. 记录数据的近期訪问次数(最多记录K次)。
2. 依据数据訪问次数，设置一个权值。近期訪问次数越多的权值越大。
3. 当一批新的数据载入到缓存中时，权值大的数据不会被移除，即使该数据是非常早就载入到缓存中的。

4. 假设数据长时间未被再使用，权值会逐渐减少。

权值的计算是非常耗资源的。这也是为什么 SQL Server使用K=2的原因。这种设置方式。投入产出比較高。

想更深入的了解LRU算法，能够參考一下算法文档（文档google）。

3. 其他算法

另一些其他算法策略，用于管理快速缓存器。

• 2Q(相似LRU-K算法)
• CLOCK(相似LRU-K算法)
• MRU（用得比較多的算法。逻辑相似LRU。用的是另一套规则）
• LRFU(近期、最频繁使用算法)
• ……

一些数据库同意你使用除默认算法外的其他算法。多种方式可选。

五、写缓存器

前讨论的最多的是读缓存器。它在数据使用之前将其提前载入到内存。数据库中还存在一种写缓存器，它将多次操作改动的数据存储累计起来，一次写到磁盘文件。减少对磁盘IO的频繁訪问(数据库瓶颈在I/O)。

谨记，快速缓存中存储的是分页数据而不是人们直观印象中的行数据。假设缓存中的某一页数据被改动了，还没有保存到磁盘上，这页被称为“脏页”。有多种策略算法能评估脏页数据写到磁盘上的最佳时机，而这也和事物强相关(事务是下一章节将展开的内容)。

已翻译的《How does a relational database work》其他章节链接：

1. 关系型数据库工作原理-时间复杂度：http://blog.csdn.net/ylforever/article/details/51205332

2. 关系型数据库工作原理-归并排序：http://blog.csdn.net/ylforever/article/details/51216916

3. 关系型数据库工作原理-数据结构：http://blog.csdn.net/ylforever/article/details/51278954

4. 关系型数据库工作原理-快速缓存：http://blog.csdn.net/ylforever/article/details/50990121

5. 关系型数据库工作原理-事务管理(一)：http://blog.csdn.net/ylforever/article/details/51048945

6. 关系型数据库工作原理-事务管理(二)：http://blog.csdn.net/ylforever/article/details/51082294