程序员必备！这是即将写入MySQL源码的官方bug解决方案作者：周信静

作者：周信静，毕业于浙江大学，目前在CDB/CynosDB数据库内核团队参与TXSQL云数据库内核研发工作，参与了热点行更新以及一系列性能优化工作，并修复了多个MySQL官方bug 。
1背景InnoDB的自适应哈希索引（Adpative Hash Index ，以下简称AHI），是一种建立在B树索引结构上的索引结构，目的是为了进一步降低BTree的查询代价。
在B树中搜索一个记录时，需要从根节点下降到叶子结点，同时在每个节点中还需要使用二分查找定位。而AHI对此的改进在于它对BTree索引频繁访问的叶子的行记录建立哈希索引，这样在执行B树查询时，通过AHI就可能能定位到叶子结点上的记录位置，避免B树根节点到叶子结点的下降过程，减少了CPU开销。
由于AHI的构建是一个自适应且动态的过程，需要根据查询负载访问模式的变更、页面的换入和淘汰等情况做AHI对应清理或者重建，所以本质上来说AHI也是一个cache ，具体的构建逻辑网络上也有很多文章讲解，不是本文讨论的重点。
【程序员必备！这是即将写入MySQL源码的官方bug解决方案】本文要讨论的是一个鲜为人知的AHI构建锁冲突问题以及相应优化。
2问题TXSQL 5.7版本在跑sysbench时，我们观察到一个非常有意思的现象。
实验环境是这样的， 2台96-core的机器，分别作为sysbench client和mysql server ，我们配置buffer pool大小为200GB ，同时生成一张120GB的sysbench table 。
如下图所示，我们执行128并发的oltp_read_only负载时，观察到QPS首先有一个上升的坡，这段时间我们发现系统有大量的读IO ，正在填充buffer pool ，属于正常状态。
然后过了100s时突然出现了一个急剧的下降，在400s后开始系统QPS开始缓慢上升，直到800s后达到峰值。
文章插图
通过perf工具抓取系统在QPS剧降时间点的状态，结果如下图：
文章插图
分析堆栈，可以发现，大量CPU花费在在AHI的hash table的锁竞争上。
仔细分析不难发现，这个时候大多数页面基本上还没有建立AHI ，然后多个线程同时需要对页面建立AHI索引，而这个构建过程需要对同一个AHI hash table加X锁，因此造成了大量等待。
从QPS变化的角度，可以有如下图所示的分析：
文章插图
3优化我们注意到，对于一个BTree索引来说，其AHI构建是在BTree叶子结点定位完毕后发生的，对应调用链如下：
btr_cur_search_to_nth_level→ btr_search_info_update→ btr_search_info_update_slow→ btr_search_build_page_hash_index
在btr_search_info_update_slow中，根据统计信息作出决定，调用btr_search_build_page_hash_index把当前页面的记录加入AHI的hash table ，这个过程需要独占hash table的X锁。
既然只能有一个线程对hash table进行修改，那么其他并发构建AHI线程等待这个hash table的X锁是相当不明智的，因为这样block住了查询的关键路径，同时只有一个线程在做这个构建工作。
同时我们又注意到AHI只是一个辅助cache ，其实用BTree也是能够正确处理查询的。
那么很自然的，我们可以想到如下的优化方式：
1. 当我们在BTree查询路径上经过分析后决定要对某一页构建AHI索引时，我们首先看一下该BTree所对应的hash table的锁是否被其他线程拿住了写锁；
2. 如果被拿住了写锁，我们取消这次针对页的AHI索引构建任务，等待下次再次访问到该页时再尝试去构建， fallback到普通的BTree查询。
4具体实现从实现角度来说，其实非常简单：在btr_search_info_update_slow根据统计信息判断要对一页的记录建立AHI索引时，我们加入一个条件判断：如果当前有并发AHI构建线程拿住了hash table的X锁，我们直接返回即可。
代码只有几行，大致如下：
文章插图
有人可能会担心这样直接跳过会不会影响代码正确性？
答案是否定的，因为我们这里没有清除该页面关于AHI的任何统计信息，只是推迟了构建时机，即推迟到hash table锁冲突不严重的时候再进行。
5效果应用上述的优化后，我们重新执行上述实验，得到如下的结果图：
文章插图
其中，红线（开启AHI+Contention Avoidance优化）是我们实现上述优化后结果，经过100s左右的预热后，性能稳定，锁瓶颈消失。