一个MySQL 5.7分区表性能下降的案例分析与排查

《一个MySQL 5.7分区表性能下降的案例分析与排查》要点：
本文介绍了一个MySQL 5.7分区表性能下降的案例分析与排查，希望对您有用。如果有疑问，可以联系我们。

作者介绍

姜宇祥,2012年加入携程,10年数据库核心代码开发经验,相关开发涉及达梦、MySQL数据库.现致力于携程MySQL的底层研发,为特殊问题定位和处理提供技术支持.

前言：希望通过本文,使MySQL5.7.18的使用者知晓分区表使用中存在的陷阱,避免在该版本上继续踩坑.同时通过对源码的分享,升级MySQL5.7.18时分区表性能下降的根本原因,向MySQL源码爱好者展示分区表实现中锁的运用.

问题描述

MySQL 5.7版本中,性能相关的改进非常多.包括临时表相关的性能改进,连接建立速度的优化和复制分发相关的性能改进等等.基本上不需要做配置修改,只需要升级到5.7版本,就能带来不少性能的提升.

我们在测试环境,把数据库升级到5.7.18版本,验证MySQL 5.7.18版本是否符合我们的预期.观察运行了一段时间,有开发反馈,数据库的性能比之前的5.6.21版本有下降.主要的表现特征是遇到比较多的锁超时情况.开发另外反馈,性能下降相关的表都是分区表.更新走的都是主键.这个反馈引起了我们重视.我们做了如下尝试：

1. 数据库的版本为5.7.18,保留分区表,性能会下降.
2. 数据库版本为5.7.18,把表调整为非分区表,性能正常.
3. 把数据库的版本回退到5.6.21版本,性能也是正常.

通过上述测试,我们大致判定,这个性能下降和MySQL5.7版本升级有关.

问题重现

测试环境的数据库表结构比较多,并且调用关系也比较复杂.为了进一步分析并定位问题,我们抽丝剥茧,构建了如下一个简单的重现过程：

// 创建一个测试分区表t2:

CREATE TABLE `t2`(

`id` INT(11) NOT NULL,

`dt` DATETIME NOT NULL,

`data` VARCHAR(10) DEFAULT NULL,

PRIMARYKEY (`id`,`dt`),

KEY`idx_dt`(`dt`)

) ENGINE=INNODB DEFAULTCHARSET=latin1

/*!50100 PARTITION BY RANGE (to_days(dt))

(PARTITION p20170218 VALUES LESS THAN (736744)ENGINE = InnoDB,

PARTITIONp20170219 VALUES LESS THAN (736745) ENGINE = InnoDB,

PARTITIONpMax VALUES LESS THAN MAXVALUE ENGINE = InnoDB) */

// 插入测试数据

INSERT INTO t2 VALUES (1,NOW(),‘1’);

INSERT INTO t2 VALUES (2,‘2’);

INSERT INTO t2 VALUES (3,‘3’);

// SESSION 1 对id = 1的 记录 做一个更新操作,事务先不提交.

BEGIN;UPDATE t2 SET DATA = ’12’ WHERE id = 1;

// SESSION 2 对id = 2 的记录做一个更新.

BEGIN;UPDATE t2 SET DATA = ’21’ WHERE id = 2;

在SESSION 2,我们发现,这个更新操作一直在等待.ID是主键,按道理,主键id = 1 的记录更新,不至于影响到主键id = 2的记录更新.

查询information_schema下的innodb_locks这张表.这张表是用于记录InnoDB事务尝试申请但还未获取的锁,以及阻塞其它事务的事务所拥有的锁.有两条记录：

观察此时的innodb_locks表,事务id=40021锁住第3页的第2行记录,导致事务id=40022无法进行下去.

我们把数据库回退到5.6.21版本,则不能重现上述场景.

进一步分析

根据innodb_locks表提供的信息,我们知道问题在于InnoDB锁定了不恰当的行.该表是memory存储引擎.我们在memory 存储引擎的插入接口设置断点,得到如下堆栈信息.确定是红框部分,将锁信息写入到innodb_locks表中.

并在函数fill_innodb_locks_from_cache中得以确认,每次写入行的数据,都是从如下代码中Cache对象中获取的.

我们知道Cache中保存了事务锁的信息,因此需要进一步查找Cache中的数据,是如何添加进去的.通过搜索cache对象在innodb代码中出现的位置,找到函数add_lock_to_cache.在此函数设置断点进行调试后,发现其内容与填写innodb_locks表的数据一致.确定该函数使用的lock对象,就是我们要找的锁对象.

针对lock_t 类型的使用位置进行排查.经过筛选和调试,发现函数RecLock::lock_add中,生成的行锁被加入到该锁所在的事务链表中.

RecLock::lock_add函数可以推出行锁的生成原因.因此,通过对该函数进行断点设置,查看函数堆栈,在如下堆栈内,定位到红框位置的函数：

针对Partition_helper::handle_ordered_index_scan的如下代码进行跟踪,根据该段代码的分析,m_part_spec.end_part 决定了进行上锁的最大行数,此处即为非正常行锁生成的原因.

最终问题归结到m_part_spec.end_part 的生成原因.通过对end_part 使用地方进行排查,最终在get_partition_set函数中定位到该变量在使用前的初始设置值.从代码中可以看出,每次单条记录的update操作,在进行index scan上锁时,对分区表数目相同的行数进行上锁.这个是根本原因.

验证结论

根据之前的分析,会对分区表数目相同的行数进行上锁.我们尝试验证我们的发现.

新增如下两条记录：

INSERT INTO t2 VALUES (4,‘4’);

INSERT INTO t2 VALUES (5,‘5’);

// SESSION 1 对id = 1的 记录 做一个更新操作,事务先不提交.

BEGIN;UPDATE t2 SET DATA = ’12’ WHERE id = 1;

// SESSION 2 现在对id = 4 的记录做一个更新.

BEGIN;UPDATE t2 SET DATA = ’44’ WHERE id = 4;

我们发现,对id = 4的更新可以正常进行.不会受到id = 1 的更新影响.这是因为id=4的记录,超过了测试案例的分区个数,不会被锁住.在实际应用中,分区表所定义分区数不会如测试用例中的只有3个,而是数十个乃至数百个.这样进行上锁的结果,将加剧更新情况下的锁冲突,导致事务处于锁等待状态.如下图所示,每个事务都上N个行锁,那么这些上锁记录互相覆盖的可能性就极大的提高,也就导致并发下降,效率降低.

结论

通过上述分析,我们非常确认,这个应该是MySQL 5.7版本的一个regression.我们提交了一个Bug到开源社区.Oracle确认是一个问题,需进一步分析调查这个Bug.