[[426340]]

一 引言

MYSQL Performance schema(PFS)是mysql提供的強大的性能監控診斷工具，提供了一種能夠在運行時檢查server內部執行情況的特方法。PFS通過監視server內部已注冊的事件來收集信息，一個事件理論上可以是server內部任何一個執行行為或資源占用，比如一個函數調用、一個系統調用wait、SQL查詢中的解析或排序狀態，或者是內存資源占用等。

PFS將采集到的性能數據存儲在performance_schema存儲引擎中，performance_schema存儲引擎是一個內存表引擎，也就是所有收集的診斷信息都會保存在內存中。診斷信息的收集和存儲都會帶來一定的額外開銷，為了盡可能小的影響業務，PFS的性能和內存管理也顯得非常重要了。

本文主要是通過對PFS引擎的內存管理的源碼的閱讀，解讀PFS內存分配及釋放原理，深入剖析其中存在的一些問題，以及一些改進思路。本文源代碼分析基于Mysql-8.0.24版本。

二 內存管理模型

PFS內存管理有幾個關鍵特點：

內存分配以Page為單位，一個Page內可以存儲多條record
系統啟動時預先分配部分pages，運行期間根據需要動態增長，但page是只增不回收的模式
record的申請和釋放都是無鎖的

1 核心數據結構

PFS_buffer_scalable_container是PFS內存管理的核心數據結構，整體結構如下圖：

Container中包含多個page，每個page都有固定個數的records，每個record對應一個事件對象，比如PFS_thread。每個page中的records數量是固定不變的，但page個數會隨著負載增加而增長。

2 Allocate時Page選擇策略

PFS_buffer_scalable_container是PFS內存管理的核心數據結構

涉及內存分配的關鍵數據結構如下：

PFS_PAGE_SIZE  // 每個page的大小, global_thread_container中默認為256PFS_PAGE_COUNT // page的最大個數，global_thread_container中默認為256class PFS_buffer_scalable_container {  PFS_cacheline_atomic_size_t m_monotonic;            // 單調遞增的原子變量，用于無鎖選擇page  PFS_cacheline_atomic_size_t m_max_page_index;       // 當前已分配的最大page index  size_t m_max_page_count;                            // 最大page個數，超過后將不再分配新page  std::atomic< array_type *> m_pages[PFS_PAGE_COUNT];  // page數組  native_mutex_t m_critical_section;                  // 創建新page時需要的一把鎖} 

首先m_pages是一個數組，每個page都可能有free的records，也有可能整個page都是busy的，Mysql采用了比較簡單的策略，輪訓挨個嘗試每個page是否有空閑，直到分配成功。如果輪訓所有pages依然沒有分配成功，這個時候就會創建新的page來擴充，直到達到page數的上限。

輪訓并不是每次都是從第1個page開始尋找，而是使用原子變量m_monotonic記錄的位置開始查找，m_monotonic在每次在page中分配失敗是加1。

核心簡化代碼如下：

value_type *allocate(pfs_dirty_state *dirty_state) {  current_page_count = m_max_page_index.m_size_t.load();    monotonic = m_monotonic.m_size_t.load();  monotonicmonotonic_max = monotonic + current_page_count;  while (monotonic < monotonic_max) {    index = monotonic % current_page_count;    array = m_pages[index].load();    pfs = array->allocate(dirty_state);    if  (pfs) {      // 分配成功返回      return pfs;    } else {      // 分配失敗，嘗試下一個page，       // 因為m_monotonic是并發累加的，這里有可能本地monotonic變量并不是線性遞增的，有可能是從1 直接變為 3或更大，      // 所以當前while循環并不是嚴格輪訓所有page，很大可能是跳著嘗試，換者說這里并發訪問下大家一起輪訓所有的page。      // 這個算法其實是有些問題的，會導致某些page被跳過忽略，從而加劇擴容新page的幾率，后面會詳細分析。      monotonic = m_monotonic.m_size_t++;    }  }    // 輪訓所有Page后沒有分配成功，如果沒有達到上限的話，開始擴容page  while (current_page_count < m_max_page_count) {    // 因為是并發訪問，為了避免同時去創建新page，這里有一個把同步鎖，也是整個PFS內存分配唯一的鎖    native_mutex_lock(&m_critical_section);    // 拿鎖成功，如果array已經不為null，說明已經被其它線程創建成功    array = m_pages[current_page_count].load();    if (array == nullptr) {      // 搶到了創建page的責任      m_allocator->alloc_array(array);      m_pages[current_page_count].store(array);      ++m_max_page_index.m_size_t;    }    native_mutex_unlock(&m_critical_section);        // 在新的page中再次嘗試分配    pfs = array->allocate(dirty_state);    if (pfs) {      // 分配成功并返回      return pfs;    }    // 分配失敗，繼續嘗試創建新的page直到上限  }} 

我們再詳細分析下輪訓page策略的問題，因為m_momotonic原子變量的累加是并發的，會導致一些page被跳過輪訓它，從而加劇了擴容新page的幾率。

舉一個極端一些的例子，比較容易說明問題，假設當前一共有4個page，第1、4個page已滿無可用record，第2、3個page有可用record。

當同時來了4個線程并發Allocate請求，同時拿到了的m_monotonic=0.

monotonic = m_monotonic.m_size_t.load();

這個時候所有線程嘗試從第1個page分配record都會失敗(因為第1個page是無可用record)，然后累加去嘗試下一個page

monotonic = m_monotonic.m_size_t++;

這個時候問題就來了，因為原子變量++是返回最新的值，4個線程++成功是有先后順序的，第1個++的線程后monotonic值為2，第2個++的線程為3，以次類推。這樣就看到第3、4個線程跳過了page2和page3，導致3、4線程會輪訓結束失敗進入到創建新page的流程里，但這個時候page2和page3里是有空閑record可以使用的。

雖然上述例子比較極端，但在Mysql并發訪問中，同時申請PFS內存導致跳過一部分page的情況應該還是非常容易出現的。

3 Page內Record選擇策略

PFS_buffer_default_array是每個Page維護一組records的管理類。

關鍵數據結構如下：

class PFS_buffer_default_array {PFS_cacheline_atomic_size_t m_monotonic;      // 單調遞增原子變量，用來選擇free的recordsize_t m_max;                                 // record的最大個數T *m_ptr;                                     // record對應的PFS對象，比如PFS_thread} 

每個Page其實就是一個定長的數組，每個record對象有3個狀態FREE，DIRTY, ALLOCATED，FREE表示空閑record可以使用，ALLOCATED是已分配成功的，DIRTY是一個中間狀態，表示已被占用但還沒分配成功。

Record的選擇本質就是輪訓查找并搶占狀態為free的record的過程。

核心簡化代碼如下：

value_type *allocate(pfs_dirty_state *dirty_state) {  // 從m_monotonic記錄的位置開始嘗試輪序查找  monotonic = m_monotonic.m_size_t++;  monotonicmonotonic_max = monotonic + m_max;  while (monotonic < monotonic_max) {    index = monotonic % m_max;    pfs = m_ptr + index;      // m_lock是pfs_lock結構，free/dirty/allocated三狀態是由這個數據結構來維護的    // 后面會詳細介紹它如何實現原子狀態遷移的    if (pfs->m_lock.free_to_dirty(dirty_state)) {      return pfs;    }    // 當前record不為free,原子變量++嘗試下一個    monotonic = m_monotonic.m_size_t++;  }} 

選擇record的主體主體流程和選擇page基本相似，不同的是page內record數量是固定不變的，所以沒有擴容的邏輯。

當然選擇策略相同，也會有同樣的問題，這里的m_monotonic原子變量++是多線程并發的，同樣如果并發大的場景下會有record被跳過選擇了，這樣導致page內部即便有free的record也可能沒有被選中。

所以也就是page選擇即便是沒有被跳過，page內的record也有幾率被跳過而選不中，雪上加霜，更加加劇了內存的增長。

4 pfs_lock

每個record都有一個pfs_lock，來維護它在page中的分配狀態(free/dirty/allocated)，以及version信息。

關鍵數據結構：

struct pfs_lock {
std::atomic m_version_state;
}

pfs_lock使用1個32位無符號整型來保存version+state信息，格式如下：

state

低2位字節表示分配狀態。

state PFS_LOCK_FREE = 0x00
state PFS_LOCK_DIRTY = 0x01
state PFS_LOCK_ALLOCATED = 0x11

version

初始version為0，每分配成功一次加1，version就能表示該record被分配成功的次數
主要看一下狀態遷移代碼：

// 下面3個宏主要就是用來位操作的，方便操作state或version#define VERSION_MASK 0xFFFFFFFC#define STATE_MASK 0x00000003#define VERSION_INC 4bool free_to_dirty(pfs_dirty_state *copy_ptr) {  uint32 old_val = m_version_state.load();  // 判斷當前state是否為FREE，如果不是，直接返回失敗  if ((old_val & STATE_MASK) != PFS_LOCK_FREE) {    return false;  }  uint32 new_val = (old_val & VERSION_MASK) + PFS_LOCK_DIRTY;  // 當前state為free，嘗試將state修改為dirty，atomic_compare_exchange_strong屬于樂觀鎖，多個線程可能同時  // 修改該原子變量，但只有1個修改成功。  bool pass =      atomic_compare_exchange_strong(&m_version_state, &old_val, new_val);  if (pass) {    // free to dirty 成功    copy_ptr->m_version_state = new_val;  }  return pass;}void dirty_to_allocated(const pfs_dirty_state *copy) {  /* Make sure the record was DIRTY. */  assert((copy->m_version_state & STATE_MASK) == PFS_LOCK_DIRTY);  /* Increment the version, set the ALLOCATED state */  uint32 new_val = (copy->m_version_state & VERSION_MASK) + VERSION_INC +                   PFS_LOCK_ALLOCATED;  m_version_state.store(new_val);} 

狀態遷移過程還是比較好理解的, 由dirty_to_allocated和allocated_to_free的邏輯是更簡單的，因為只有record狀態是free時，它的狀態遷移是存在并發多寫問題的，一旦state變為dirty，當前record相當于已經被某一個線程占有，其它線程不會再嘗試操作該record了。

version的增長是在state變為PFS_LOCK_ALLOCATED時

5 PFS內存釋放

PFS內存釋放就比較簡單了，因為每個record都記錄了自己所在的container和page，調用deallocate接口，最終將狀態置為free就完成了。

最底層都會進入到pfs_lock來更新狀態：

struct pfs_lock {  void allocated_to_free(void) {    /*      If this record is not in the ALLOCATED state and the caller is trying      to free it, this is a bug: the caller is confused,      and potentially damaging data owned by another thread or object.    */    uint32 copy = copy_version_state();    /* Make sure the record was ALLOCATED. */    assert(((copy & STATE_MASK) == PFS_LOCK_ALLOCATED));    /* Keep the same version, set the FREE state */    uint32 new_val = (copy & VERSION_MASK) + PFS_LOCK_FREE;    m_version_state.store(new_val);  }} 

三 內存分配的優化

前面我們分析到無論是page還是record都有幾率出現跳過輪訓的問題，即便是緩存中有free的成員也會出現分配不成功，導致創建更多的page，占用更多的內存。最主要的問題是這些內存一旦分配就不會被釋放。

為了提升PFS內存命中率，盡量避免上述問題，有一些思路如下：

while (monotonic < monotonic_max) {    index = monotonic % current_page_count;    array = m_pages[index].load();    pfs = array->allocate(dirty_state);    if  (pfs) {       // 記錄分配成功的index       m_monotonic.m_size_t.store(index);      return pfs;    } else {      // 局部變量遞增，避免掉并發累加而跳過某些pages      monotonic++;    }  } 

另外一點，每次查找都是從最近一次分配成功的位置開始，這樣必然導致并發訪問的沖突，因為大家都從同一個位置開始找，起始查找位置應該加入一定的隨機性，這樣可以避免大量的沖突重試。

總結如下：

每次Allocate是從最近一次分配成功的index開始查找，或者隨機位置開始查找
每個Allocate嚴格輪訓所有pages或records

四 內存釋放的優化

PFS內存釋放的最大的問題就是一旦創建出的內存就得不到釋放，直到shutdown。如果遇到熱點業務，在業務高峰階段分配了很多page的內存，在業務低峰階段依然得不到釋放。

要實現定期檢測回收內存，又不影響內存分配的效率，實現一套無鎖的回收機制還是比較復雜的。

主要有如下幾點需要考慮：

釋放肯定是要以page為單位的，也就是釋放的page內的所有records都必須保證都為free，而且要保證待free的page不會再被分配到
內存分配是隨機的，整體上內存是可以回收的，但可能每個page都有一些busy的，如何更優的協調這種情況
釋放的閾值怎么定，也要避免頻繁分配+釋放的問題
針對PFS內存釋放的優化，PolarDB已經開發并提供了定期回收PFS內存的特性，鑒于本篇幅的限制，留在后續再介紹了。