Skip to content

Latest commit

 

History

History
191 lines (113 loc) · 11.4 KB

Project4-Transaction.md

File metadata and controls

191 lines (113 loc) · 11.4 KB

Project4 Transactions

这一节实现的事务本应该需要和 TinySQL 配合使用,但是因为我们只有实现 TinyKV 部分,所以有些地方看起来有些割裂。

Percolator

首先说明的一点是,Percolator 基于单行事务实现了多行事务,Google BigTable 能够提供单行事务。在这里 TinyKV 也会通过锁来保证单行数据的原子性(但是单行事务好像没有,可能要结合 TinySQL)。Percolator 这里不具体说了,自己看论文。

Percolator 采用了 Snapshot Isolation 来实现 ACID,其并不能避免 write skew 问题。

Percolator 提供了 5 种 Column Family 分别为 lock,write,data,notify,ack_O。在 TinyKV 中我们只需要使用 Lock,Write 和 Data。其中 Data 使用 Default 替代,下面还是统一以 Data 的形式说明。

Data:实际的数据,存在多版本,版本号就是写入事务的 startTs。 Lock:锁标记,版本号就是写入事务的 startTs,同时每一个 lock 上含有 primary key 的值。 Write:Write 上存在 startTs 和 commitTs,startTs 是指向对应 Data 中的版本,commitTs 是这个 Write 的创建时间。

Primary Key 作用

Percolator 本质上是一个 2PC,但是传统 2PC 在 Coordinator 挂了的时候,就会留下一堆烂摊子,后续接任者需要根据烂摊子的状态来判断是继续 commit 还是 rollback。而 primary key 在这里的作用就是标记这个烂摊子是继续 commit 还是直接 rollback。

此外,一个事务要保证自身写的操作不会被别的事务干扰(防止写写冲突),也就是事务 $T_1$ 在修改 $A$ 的时候,别的事务就不能修改 $A$。Percolator 在所有的 key 上加了 lock,而 lock 里面含有 primary key 信息,也就是将这些锁的状态和 primary key 绑定。Primary key 的 lock 在,它们就在;Primary key 的 lock 不在,那么它们的 lock 也不能在。

Primary key 是从写入的 keys 里面随机选的,在 commit 时需要优先处理 primary key。 当 primary key 执行成功后,其他的 key 可以异步并发执行,因为 primary key 写入成功代表已经决议完成了,后面的状态都可以根据 primary key 的状态进行判断。

获取 StartTs,CommitTs

开启一个事务后,会从中心授时器(TSO)获取一个 startTs,中心授时器必须保证时间是递增唯一的。同样执行 commit 时,也会从 TSO 获取一个时间戳作为 commitTs。

数据写入流程

所有写入的数据都会先被保存在 client 的缓存中,只有当执行 commit 的时候,才会执行 2PC 的提交。

1. Prewrite

每一个 key 需要执行如下操作:

注意,如下 3 步操作需要保证原子性,也就是需要开启单行事务,BigTable 是支持的,不过在 TinyKV 中,我们使用 server.Latches.AcquireLatches() 实现。

  1. 检查要写入的 key 是否存大于 startTs 的 Write,如果存在,直接 abort,说明在你的事务开启后,已经存在写入并已提交,也就是存在写-写冲突。
  2. 检查要写入 key 的数据是否存在 Lock(任意时间戳),即检测是否存在写写冲突,如果存在直接 abort。
  3. 如果通过上面两项检查,写入 Lock 和 Data,时间戳为你的 startTs。Lock 里面包含着 primary key 信息。

第 2 步为什么是任意时间戳?

Lock 的 startTs 小于当前事务的 startTs:如果你读了,就会产生脏读,因为前一个事务都没有 commit 你就读了。

Lock 的 startTs 大于当前事务的 startTs:如果你读了并修改了然后提交,拥有这个 lock 的事务会产生不可重复读。

Lock 的 startTs 等于当前事务的 startTs:不可能发生,因为当你重启事务之后,是分配一个新的 startTs,你不可能使用一个过去的 startTs 去执行重试操作。

2. Commit

优先 commit primary key,和 prewrite 一样,需要开启单行事务。

  1. 和获取 startTs 的方法一样,从中心授时器获取一个 commitTs。
  2. 检查 key 的 lock 的时间戳是否为事务的 startTs,不是直接 abort。因为存在一种可能,在你 commit 的时候,你前面的 prewrite 操作因为过于缓慢,超时,导致你的 lock 被其他事务 rollback 了,然后你这里读取到的 lock 实际上不属于你的,是别的事务的。
  3. 新增一条 Write,写入的 Write 包含了(startTs 和 commitTs),startTs 的作用是帮助你查找对应的 Data,因为 Data 的时间戳是 startTs。
  4. 删除其对应的 lock。论文里面是删除所有 commit timestamp 之前的 lock,我觉得都可以吧,因为 commit timestamp 之前的 lock 也只有它自己之前加上的 lock,不然第二步就已经错了。

之后开始提交其他所有的 key,步骤和 primary key 一样。(可以异步并发操作,加快速度)。

如果执行完 3 Write 后,在第 4 步清除 lock 挂了怎么办?

不可能发生,我们开启了单行事务,如果第 4 步没有执行成功,那么 1,2,3 会被回滚,满足 atomicity。

数据读取

  1. 读取某一个 key 的数据,检查其是否存在小于或等于 startTs 的 lock,如果存在说明在本次读取时还存在未 commit 的事务,先等一会,如果等超时了 lock 还在,则尝试 rollback。如果直接强行读会产生脏读,读取了未 commit 的数据。
  2. 查询 commitTs 小于 startTs 的最新的 Write,如果不存在则返回数据不存在。
  3. 根据 Write 的 startTs 从 Data 中获取数据。

Rollback 回滚操作

Rollback 取决于 primary key 的状态,primary key 就是那个 commit 和 rollback 的分水岭。存在如下三种可能:

  1. Primary key 的 Lock 还在,代表之前的事务没有 commit,就选择回滚。
  2. Primary key 上面的 Lock 已经不存在,且有了 Write,那么代表 primary key 已经被 commit 了,这里我们选择继续推进 commit。
  3. Primary key 既没有 Lock 也没有 Write,那么说明之前连 Prewrite 阶段都还没开始,客户端重试即可。

Percolator 额外补充

会不会产生死锁?

不可能,因为你可以注意到,任何事务遇到冲突都是回滚自身,而不会等待。(破坏死锁成立条件之一:循环等待)。但是会有可能产生活锁,下面推荐资料里有说。

推荐资料:

推几个链接,可以看一看,有介绍 Percolator 的 GC 如何实现等等。

深入理解分布式事务Percolator(一)

深入理解分布式事务Percolator(二)

深入理解分布式事务Percolator(三)

TiDB 事务模型

transaction.go

这里我们需要实现底层的 MvccTxn ,存粹只是一些基本的操作,比如写 Write,Lock 等等,这里着重讲几个方法。

GetValue()

查询当前事务下,传入 key 对应的 Value。

  1. 通过 iter.Seek(EncodeKey(key, txn.StartTS)) 查找遍历 Write。
  2. 判断找到 Write 的 key 是不是就是自己需要的 key,如果不是,说明不存在,直接返回。
  3. 判断 Write 的 Kind 是不是 WriteKindPut,如果不是,说明不存在,直接返回。
  4. 从 Default 中通过 EncodeKey(key, write.StartTS) 获取值。

CurrentWrite()

查询当前事务下,传入 key 的最新 Write。

  1. 通过 iter.Seek(EncodeKey(key, math.MaxUint64)) 查询该 key 的最新 Write。
  2. 如果 write.StartTS > txn.StartTS,继续遍历,直到找到 write.StartTS == txn.StartTS 的 Write。
  3. 返回这个 Write 和 commitTs。

MostRecentWrite()

查询传入 key 的最新 Write,这里不需要考虑事务的 startTs。

  1. 通过 iter.Seek(EncodeKey(key, math.MaxUint64)) 查找。
  2. 判断目标 Write 的 key 是不是我们需要的,不是返回空,是直接返回该 Write。

server.go

在 Percolator 中,Google Table 提供了单行锁,其能保证单行的操作是原子的,但是在 TinyKV 中,并不提供这样的保证。因为我们其实是多行的数据,不是单行。所以我们需要 server.go 中提供的 Latches 来保证对同一个 key 修改的原子性。(为什么我们是多行?看 Project1。)

当然 Latches 你不用也没事,因为测试用例根本测不出来,希望 TinyKV 以后在这里能够改进。

KvGet()

获取单个 key 的 Value,步骤如下:

  1. 通过 Latches 上锁对应的 key。
  2. 获取 Lock,如果 Lock 的 startTs 小于当前的 startTs,说明存在你之前存在尚未 commit 的请求,中断操作,返回 LockInfo
  3. 否则直接获取 Value,如果 Value 不存在,则设置 NotFound = true

KvPrewrite()

进行 2PC 阶段中的第一阶段。

  1. 对所有的 key 上锁。
  2. 通过 MostRecentWrite 检查所有 key 的最新 Write,如果存在,且其 commitTs 大于当前事务的 startTs,说明存在 write conflict,终止操作。
  3. 通过 GetLock() 检查所有 key 是否有 Lock,如果存在 Lock,说明当前 key 被其他事务使用中,终止操作。
  4. 到这一步说明可以正常执行 Prewrite 操作了,写入 Default 数据和 Lock。

KvCommit()

进行 2PC 阶段中的第二阶段。

  1. 通过 Latches 上锁对应的 key。
  2. 尝试获取每一个 key 的 Lock,并检查 Lock.StartTs 和当前事务的 startTs 是否一致,不一致直接取消。因为存在这种情况,客户端 Prewrite 阶段耗时过长,Lock 的 TTL 已经超时,被其他事务回滚,所以当客户端要 commit 的时候,需要先检查一遍 Lock。
  3. 如果成功则写入 Write 并移除 Lock。

KvScan()

这里需要自己实现一个 Scanner 先,其实和 Get 的流程差不多,无非就是单个 key 变成了批量 key,这里不说了。

KvCheckTxnStatus()

用于 Client failure 后,想继续执行时先检查 Primary Key 的状态,以此决定是回滚还是继续推进 commit。

  1. 通过 CurrentWrite() 获取 primary key 的 Write,如果不是 WriteKindRollback,则说明已经被 commit,不用管了,返回其 commitTs。
  2. 检查 primary key 是否有 Lock,如果没有 lock,说明 primary key 已经被回滚了,创建一个 WriteKindRollback 并直接返回。
  3. 检查 Lock 的 TTL,判断 Lock 是否超时,如果超时,移除该 Lock 和 Value,并创建一个 WriteKindRollback 标记回滚。否则直接返回,等待 Lock 超时为止。

KvBatchRollback()

用于批量回滚 key 的操作。

  1. 通过 CurrentWrite 获取 Write,如果已经是 WriteKindRollback,说明这个 key 已经被回滚完毕,跳过这个 key。
  2. 否则先获取 Lock,如果获取 Lock 的 startTs 不是当前事务的 startTs,则终止操作,说明该 key 被其他事务拥有。
  3. 否则移除 Lock,删除 Value 并增加 WriteKindRollback

KvResolveLock()

这个方法主要用于解决锁冲突,当客户端已经通过 KvCheckTxnStatus() 检查了 primary key 的状态,这里打算要么全部回滚,要么全部提交,具体取决于 ResolveLockRequest 的 CommitVersion。

if req.CommitVersion == 0 {
  // server.KvBatchRollback()
} else {
  // server.KvCommit()
}

总结

这一部分并不是很难,但是要搞懂事务背后的流程,不然很容易就是面向测试用例编程。