数据库内核月报－ 2021/04 - MySQL · 资源管理 · PFS内存管理分析 - 《数据库内核月报》

PFS内存释放
内存释放的优化

在PolarDB 8.0中，我们领先社区支持了并行查询，Performance schema也添加了对并行查询的支持，因为并行的原因，对PFS带来了更大的并发访问的挑战。

MySQL · 引擎特性 · Performance_schema 内存分配这篇已经对PFS的内存分配做了整体流程的分析，本文主要更深入分析下pfs的内存管理的底层机制，以及一些改进思路。本文代码基于Mysql-8.0.24版本。

简单总结一下PFS内存分配模型：

一旦分配直到shutdown不会释放，但会复用已分配的内存
内存占用会随着负载升高而增加

核心数据结构

PFS_buffer_scalable_container是PFS内存管理的核心数据结构，整体结构如下图：

Container中包含多个page，每个page都有固定个数的records，每个record对应一个事件对象，比如PFS_thread。每个page中的records数量是固定不变的，但page个数会随着负载增加而增长。

Allocate时Page选择策略

是PFS内存管理的核心数据结构涉及内存分配的关键数据结构如下：

首先m_pages是一个数组，每个page都可能有free的records，也有可能整个page都是busy的，Mysql采用了比较简单的策略，轮训挨个尝试每个page是否有空闲，直到分配成功。如果轮训所有pages依然没有分配成功，这个时候就会创建新的page来扩充，直到达到page数的上限。

轮训并不是每次都是从第1个page开始寻找，而是使用原子变量m_monotonic记录的位置开始查找，m_monotonic在每次在page中分配失败是加1。

核心简化代码如下：

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();
  monotonic_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 {
      // 分配失败，尝试下一个page， 
      // 因为m_monotonic是并发累加的，这里有可能本地monotonic变量并不是线性递增的，有可能是从1 直接变为 3或更大，
      // 所以当前while循环并不是严格轮训所有page，很大可能是跳着尝试，换者说这里并发访问下大家一起轮训所有的page。
      // 这个算法其实是有些问题的，会导致某些page被跳过忽略，从而加剧扩容新page的几率，后面会详细分析。
      monotonic = m_monotonic.m_size_t++;
    }
  }
  // 轮训所有Page后没有分配成功，如果没有达到上限的话，开始扩容page
  while (current_page_count < m_max_page_count) {
    // 因为是并发访问，为了避免同时去创建新page，这里有一个把同步锁，也是整个PFS内存分配唯一的锁
    native_mutex_lock(&m_critical_section);
    // 拿锁成功，如果array已经不为null，说明已经被其它线程创建成功
    array = m_pages[current_page_count].load();
    if (array == nullptr) {
      // 抢到了创建page的责任
      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中再次尝试分配
    pfs = array->allocate(dirty_state);
    if (pfs) {
      // 分配成功并返回
      return pfs;
    }
    // 分配失败，继续尝试创建新的page直到上限
}

我们再详细分析下轮训page策略的问题，因为m_momotonic原子变量的累加是并发的，会导致一些page被跳过轮训它，从而加剧了扩容新page的几率。举一个极端一些的例子，比较容易说明问题，假设当前一共有4个page，第1、4个page已满无可用record，第2、3个page有可用record。

当同时来了4个线程并发Allocate请求，同时拿到了的m_monotonic=0.

monotonic = m_monotonic.m_size_t.load();

这个时候问题就来了，因为原子变量++是返回最新的值，4个线程++成功是有先后顺序的，第1个++的线程后monotonic值为2，第2个++的线程为3，一次类推。这样就看到第3、4个线程跳过了page2和page3，导致3、4线程会轮训结束失败进入到创建新page的流程里，但这个时候page2和page3里是有空闲record可以使用的。

虽然上述例子比较极端，但在Mysql并发访问中，同时申请PFS内存导致跳过一部分page的情况应该还是非常容易出现的。

Page内Record选择策略

PFS_buffer_default_array是每个Page维护一组records的管理类。关键数据结构如下：

class PFS_buffer_default_array {
PFS_cacheline_atomic_size_t m_monotonic;      // 单调递增原子变量，用来选择free的record
size_t m_max;                                 // record的最大个数
T *m_ptr;                                     // record对应的PFS对象，比如PFS_thread
}

每个Page其实就是一个定长的数组，每个record对象有3个状态FREE，DIRTY, ALLOCATED，FREE表示空闲record可以使用，ALLOCATED是已分配成功的，DIRTY是一个中间状态，表示已被占用但还没分配成功。

Record的选择本质就是轮训查找并抢占状态为free的record的过程。核心简化代码如下：

value_type *allocate(pfs_dirty_state *dirty_state) {
  // 从m_monotonic记录的位置开始尝试轮序查找
  monotonic = m_monotonic.m_size_t++;
  monotonic_max = monotonic + m_max;
  while (monotonic < monotonic_max) {
    index = monotonic % m_max;
    pfs = m_ptr + index;
    // m_lock是pfs_lock结构，free/dirty/allocated三状态是由这个数据结构来维护的
    // 后面会详细介绍它如何实现原子状态迁移的
    if (pfs->m_lock.free_to_dirty(dirty_state)) {
      return pfs;
    }
    // 当前record不为free,原子变量++尝试下一个
    monotonic = m_monotonic.m_size_t++;
  }
}

选择record的主体主体流程和选择page基本相似，不同的是page内record数量是固定不变的，所以没有扩容的逻辑。当然选择策略相同，也会有同样的问题，这里的m_monotonic原子变量++是多线程并发的，同样如果并发大的场景下会有record被跳过选择了，这样导致page内部即便有free的record也可能没有被选中。

所以也就是page选择即便是没有被跳过，page内的record也有几率被跳过而选不中，雪上加霜，更加加剧了内存的增长。

pfs_lock

每个record都有一个pfs_lock，来维护它在page中的分配状态(free/dirty/allocated)，以及version信息。

关键数据结构：

pfs_lock使用1个32位无符号整型来保存version+state信息，格式如下：

state 低2位字节表示分配状态。

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

主要看一下状态迁移代码：

// 下面3个宏主要就是用来位操作的，方便操作state或version
#define VERSION_MASK 0xFFFFFFFC
#define STATE_MASK 0x00000003
#define VERSION_INC 4
bool free_to_dirty(pfs_dirty_state *copy_ptr) {
  if ((old_val & STATE_MASK) != PFS_LOCK_FREE) {
    return false;
  }
  uint32 new_val = (old_val & VERSION_MASK) + PFS_LOCK_DIRTY;
  // 当前state为free，尝试将state修改为dirty，atomic_compare_exchange_strong属于乐观锁，多个线程可能同时
  // 修改该原子变量，但只有1个修改成功。
  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);
}

状态迁移过程还是比较好理解的, 由dirty_to_allocated和allocated_to_free的逻辑是更简单的，因为只有record状态是free时，它的状态迁移是存在并发多写问题的，一旦state变为dirty，当前record相当于已经被某一个线程占有，其它线程不会再尝试操作该record了。

version的增长是在state变为PFS_LOCK_ALLOCATED时

PFS内存释放就比较简单了，因为每个record都记录了自己所在的container和page，调用deallocate接口，最终将状态置为free就完成了。

最底层都会进入到pfs_lock来更新状态：

前面我们分析到无论是page还是record都有几率出现跳过轮训的问题，即便是缓存中有free的成员也会出现分配不成功，导致创建更多的page，占用更多的内存。最主要的问题是这些内存一旦分配就不会被释放。

为了提升PFS内存命中率，尽量避免上述问题，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) {
       // 记录分配成功的index
       m_monotonic.m_size_t.store(index);
      return pfs;
    } else {
      // 局部变量递增，避免掉并发累加而跳过某些pages
      monotonic++;
    }
  }

另外一点，每次查找都是从最近一次分配成功的位置开始，这样必然导致并发访问的冲突，因为大家都从同一个位置开始找，起始查找位置应该加入一定的随机性，这样可以避免大量的冲突重试。

总结如下：

每次Allocate是从最近一次分配成功的index开始查找，或者随机位置开始查找
每个Allocate严格轮训所有pages或records

PFS内存释放的最大的问题就是一旦创建出的内存就得不到释放，直到shutdown。如果遇到热点业务，在业务高峰阶段分配了很多page的内存，在业务低峰阶段依然得不到释放。

要实现定期检测回收内存，又不影响内存分配的效率，实现一套无锁的回收机制还是比较复杂的。主要有如下几点需要考虑：

释放肯定是要以page为单位的，也就是释放的page内的所有records都必须保证都为free，而且要保证待free的page不会再被分配到
释放的阈值怎么定，也要避免频繁分配+释放的问题