(十三)数据库查询处理之QueryExecution(2)

实验室这一周真的忙爆（虽然都是各种打杂的活）所以拖了很久终于在周末(摸鱼)把实验3做完了。同时准备把和查询这一块有关的博客补一下。然后就进入最后一个project并行和锁那里。不过下周华为的比赛就开了。争取四月份之前把这些东西全都搞定。等到四月份的时候开一个新坑(leveldb源码阅读笔记)

1. 并行和分布式的区别

如今数据库分布在多种资源中，以提高DBMS的不同方面

并行DBMS

资源在物理上靠近
资源之间可以高速互通
资源交互是非常廉价和可靠的

分布式DBMS

各种资源之间可以离得很远
资源之间较慢速的互连进行通信
通信成本和问题不容忽视。(也就是很大)

2. 进程模型

1. PROCESS PER WORKER

每一个worker就是一个独立的进程。worker可以理解为打工人。执行任务

整个流程大致如下

你的应用程序想要和数据库进行交互
通知调度器。调度器会fork一个子进程(也就是产生一个worker)来执行这个任务
调度器会告诉应用程序你直接和worker进行交互就可
随后worker访问数据库
worker将得到的结果传回应用程序

这个模型的好处是。如果一个进程出现了bug整个系统不会出现问题。只需要通知调度器在fork一个进程就好了

2. PROCESS POLL

进程之间仍然共享内存。并且依赖于操作系统的调度。每个worker可以使用在进程池中任意的一个进程

3. THREAD PER WORKER

一个进程可以有许多worker线程

整个流程大致如下

应用程序直接和worker的线程进行交互

优点

线程间的切换比进程间的切换要轻量级的多
这样就不需要管理共享内存了(因为一个进程的多个线程就会共享这个进程的内存。这样我们无需管理多个进程之间的内存共享)

注意这并不意味着dbms里的所有任务一定要多线程来执行

DBMS永远知道的比操作系统更多

3. INTER-VS INTRA-QUERY PARALLELISM

1. I N T E R-Q U E R Y P A R A L L E L I S M

通过允许多条查询同时进行来提高整体的性能。

如果多条查询语句只是读数据库的话，那我们在不同的查询之间几乎不需要加任何限制条件

但是如果写操作比较多的话就很麻烦了

2. I N T R A-Q U E R Y P A R A L L E L I S M

这个就是流水线操作。csapp第四章讲的非常清楚

通过并行执行单条查询语句来提高单个查询的性能。可以从生产者消费者的角度来理解

下面来看一个例子 -> PARALLEL GRACE HASH JOIN

这个非常简单我们让一个worker去执行一行的join操作然后输出结果就好

4. INTRA-QUERY PARALLELISM 的方法

1. 方法1 Intra-Operator(水平方法的并行)

将整个查询操作分解为几个独立的片段，这些片段对不同的数据集执行相同的功能

例如下面的例子(截图警告)

其中A1承担一小部分任务

每个不同的worker承担不同的任务

最上面的Exchange操作基本可以分为三个类型

case1 Gather

将来自多个worker的结果合并到一个输出流中。最上层的Exchange操作必须始终是Gather
case2 Repartion

将多个输入流重新打乱成多个输出流
case3 Distribute

将单个输入流拆分为多个输出流

对于上面这个比较复杂的例子

首先A的所有worker和B的所有worker完成Hash join的基本操作
然后新的4个worker进行探测操作把结果汇入根节点的Exchange得到结果

2. 方法2 INTER-OPERATOR PARALLELISM(垂直方向)

这也叫做pipelined parallelism.

这种方法非常好理解就是位于下层的worker把得到的结果向上传递给上层的worker

3. 方法3 Bushy Parallelism

方法1和2的结合版本

SELECT*FROM A JOIN B JOIN C JOIN D

在这个方法里一个woker1和worker同时执行整条语句的两个部分。并且会将执行之后得到的结果往上传递给worker3和worker4

因为磁盘的限制。所以使用额外的进程/线程可能并不会产生很好的效果。接下来介绍I/O的并行

5. I / O PARALLELISM

1. MULTI-DISK PARALLELISM

拓展阅读RAID

RAID0形式

不同的page存储在不同的存储设备中

RAID1形式

不同的存储设备中存储着相同的数据。

6. PARTITIONING

逻辑上的一张表。我们可以把它分成几个独立的部分放在不同的物理资源中。并且理想情况下分区程序应该对用户是透明的

下面来看两种不同的划分方法

1. 垂直划分

顾名思义就是按照列来划分。我们可以把不同的列放在不同的物理资源中

2. 水平划分

水平划分就是把不同的tuple(元组)放在不同的物理资源中