1月11日，腾讯云TDSQL PG开源版（开源代号TBase）再升级：分布区表关联查询性能（join）提升超10倍，同时提升了产品在分布式场景下的易用性，增加灵活可用的功能组件。
该升级版本在第十一届PostgreSQL中国技术大会上正式公布，同时更新文档已同步在GitHub上。依托社区和内部业务系统的实践检验，TDSQL PG开源版基本保持每月一次小升级、每半年一次重大升级的节奏，助力众多开发者应用前沿数据库技术。
本期将为大家深度解读TDSQL PG开源版升级特性，具体包括：分区表功能增强、异地多活易用性增强、分布式死锁自动检测并解锁功能、2PC残留自动检测并清理功能等硬核干货。
TDSQL PG版（原名TBase）是腾讯自主研发的新一代分布式国产数据库，其具备业界领先的HTAP能力，属于MPP无共享架构，在企业级安全方面采用三权分立安全体系。
2020年，腾讯云正式宣布数据库品牌TDSQL的全新战略升级计划。原有的TDSQL、TBase、CynosDB三大产品线统一升级为“腾讯云企业级分布式数据库TDSQL”。全新升级后的腾讯云TDSQL涵盖分布式、分析型、云原生等多引擎融合的完整数据库产品体系。TDSQL PG版则是TDSQL系列产品之一，主要针对HTAP场景。
下图是TDSQL PG版的总体框架。左上角为事务管理器GTM，负责整个集群的事务管理和全局事务的协调。右上角为协调节点CN，它是业务应用访问的入口，每个节点对等，业务连接任意节点，最终返回的数据都相同。右下角为数据节点DN，每个DN只存储部分用户数据，所有DN一起组成完整的数据集。最左边和最下边的部分属于管控系统，负责系统的资源管理和告警监控。
TDSQL PG版最早可追溯到2008年，2012年其发布第一个分布式版本，2015年其发布第二个分布式版本。截至目前，TDSQL PG版已经在众多市场客户中得到应用，包括数字广东、云南公安、微信广告、微信支付等。值得一提的是，TDSQL PG版在2019年中标PICC，成为行业内第一个成功落地保险核心系统的分布式国产数据库。
TDSQL PG版在2019年11月7日正式宣布开源。开源地址在Github平台上，下图是供广大开发人员使用参考文档的wiki地址。
TDSQL PG版开源对用户有重要价值，分别体现在：
- 版本经过大量业务验证，成熟稳定，开源版本和腾讯自用版本共基线，能够帮助用户快速构建核心业务。
- 同时支持OLTP/OLAP能力，提供一站式数据库解决方案。
- 安全可控的企业级分布式数据库能力，腾讯专业研发运营团队持续投入开发和维护，推动社区进步。
- 团队积极回馈开源社区，即时响应用户需求，努力创造开源社会价值。
2021年7月，我们进行了TDSQL PG版 2.2.0版本的升级。2.2.0升级主要包括四个方面：内存管理优化，提供会话内存视图，进行优化管理；优化分布式执行器、优化器；分布式调优性能增强；分布式执行可视化能力增强。2.1 执行器/优化器优化
我们将子查询在内部优化成一个关联查询，提高查询效率。以视图中的表格为例，需要根据表A中的ID找到表B中每一条对应ID的数据，再用表A的值与表B中值的MIN进行比较。在优化前，因为这是一个子查询，假如表A有1000条记录，则A中每一条记录都要在表B进行全量扫描。做完这个查询至少要将表B扫描一千次，这样做的成本非常高。在优化后，因为表B需要取B的MIN最小值，且我们需要利用id做join，所以可以先扫描一遍B表，根据id先进行聚集，把每一个id最小的MIN值取出来，生成聚集表，最后聚集表与表A进行hash join，因此我们只需将B表进行一次扫描即可。我们还对distinct进行性能优化。在优化前，需要将所有数据从DN节点拉到CN节点，由CN节点进行distinct的去重操作。因为分布式系统数据量特别大，如果全部拉到CN，会导致数据量大，网络负载高，CN也会成为单点瓶颈，难以发挥分布式特性。我们针对此类情况进行优化。先在DN本地进行部分的distinct去重，使得每个DN可以并行计算，并行后将结果全部发到CN上，由CN进行最终的去重操作，减少了大量的网络交互，充分发挥出分布式数据库的特性。在对优化器进行优化后，我们取部分TPCDS标准测试集进行测试，发现有些SQL的性能可以提升上千倍。2.2 内存管理优化
我们提供Memory的内存视图详情，能够详细看到每一个进程占用的内存情况。除了对视图进行增强外，我们还对内存使用进行详细优化。下图展示的是假设有一个用户连接，这个连接在访问一万张表后的内存占用情况（访问完该连接还没有退出、仍处于空闲状态时的内存占用情况）。从下表中可以看到，TopMemoryContext上出现数量级增长，实现10倍以上提升，CacheMemoryContext也实现20倍的提升。针对明显空闲的连接却占用大量内存的不合理情况，我们进行了优化。我们将内存的使用分为两部分：第一部分是RelCache，即用户数据表的Cache；第二部分是Cat Cache，即元数据的Cache。如果需要对某个Rel进行Cache，我们会将新来的项放在Relation LRU List的最前面，此后每次来新的项我们都往前面加。当LRU项目超过预定意义的参数时，我们会从后往前去遍历LRU，将引用计数为0的Relation的内存项释放掉。Cat LRU元数据缓存也同理，我们将新来的某条元数据缓存，将其放在Cat LRU List的最前面，再从后往前进行遍历，将引用计数为0的项进行删除，从而释放内存。由此可以将部分占用内存大且低频使用的空闲连接，通过LRU将其替换出去，使会话内存减少55.7%。对于分布式系统，除了单点外还要考虑分布式内存管理。当一个应用程序连接到CN后，CN需要跟DN进行数据通信。但它与DN的通信的DN进程需要向本地的Pooler申请连接，Pooler会将本地缓存的部分到DN的空闲连接分配给CN，此后CN才能与DN进行通信。Pooler本地缓存了很多到DN的空闲连接，实时准备为CN提供服务，以至于存在许多空闲连接。对此，我们在Pooler内部上线实时检测空闲连接的功能，将大于配置参数的连接释放掉，使得空闲连接占用减少89.3%。经过优化后，在2CN、2DN的情况下，依旧是一个连接在访问一万张表后的内存占用情况，优化前总内存占51.4M，经优化后只占5.4M。节点内部DN自动释放空闲连接，空闲连接直接减少89%，经过RelCache LRU替换后，CN连接内存减少55%。2.3 分布式执行可视化
以下图为例，表A和表B进行join，A表作为分布键，B表作为非分布键，我们进行join时要将join的过程下推到DN节点执行，但因为表B不是分布键join，所以需要对表B按f2字段进行重分布。在重分布过程中，DN1上有一个backend进程，需要扫描本地的表B，把扫描到的部分数据留给本地的DN节点，部分数据则重分布到DN2数据节点。所以一次重分布中，本地会新创建一个DN1的backend进程进行数据扫描，还要创建另一个backend进程负责发送数据给DN2。利用分布式可视化的能力，可以查到任意一个用户的session id，查到session id后，可以根据session id查到对应的在不同CN、DN上的各个进程目前在做什么。比如这个节点我们需要做hash join，因为需要根据f2字段做数据重分布，现在在等待重分布的数据，另外一个进程是扫描表B，扫描完后会提供给前面的进程，才能进行hash join，CN1则是在执行查询事务。通过分布式执行过程的可视化视图，我们可以详细知道一个SQL下去各个节点在做什么。下图展示的是分布式可视化功能的使用方法，详情可参考Github上的wiki地址：
TDSQL PG开源版此次升级V2.3.0版本包括四个方面：分区表能力增强、异地多活易用性增强、分布式死锁检测、2PC残留自动清理。3.1 分区表能力增强
针对分区表能力，本次TDSQL PG版升级，整体响应速度更快，有效应对此前业界仍然面临数据量大时读写性能慢等问题。新版本通过分区表功能增强，包括增加hash分区类型、支持default分区子表创建、分区父表索引操作自动同步子表等，实现分区表便捷管理；同时，新版本实现了分区剪枝性能提升30%，分布区表关联查询性能（join）提升超10倍，完美解决查询效率问题。具体来说，在原有支持range和list分区表的基础上，TDSQL PG版新增hash分区表功能。用户在创建时可以指定该分区表为hash分区表，再指定分区键，同时需要指定hash模数和余数。TDSQL PG版还新增了default分区。在上一版本中，在创建分区表且创建子分区时，如果没有创建default默认分区，用户插入数据时，如果插入不属于指定分区的其他数据，会出现报错。在本次升级后，如果插入的数据不属于其他指定子分区，所有数据会落到default分区。比如下图右边的例子，2019年12月和2020年3月的数据，都不属于指定的其他子分区，因此会落入default分区。其优点是不需要报错，同时必要时可以查询不属于指定分区的其他零散值。该功能目前仅支持range和list分区，不支持hash分区。因为在指定hash的模数和余数后，数据就必然会落在指定分区，不存在不属于指定分区的情况。TDSQL PG版也支持分区键更新。在上一版本中，如果要更新创建表时指定的分区键，就会出现报错，不允许更新。新版本对此进行升级。在下图左边的例子中，一个分区子表存储0到30的数据，另一个分区子表存储30到60的数据，用户可以对分区键即id键进行更新，将id从25改为50，数据会自动从原来的分区转移到新的分区。此外，TDSQL PG版还支持分区父表建索引自动同步子表。在上一版本中，如果要为分区表建索引，只能给某个指定子表建分区，不能给父表建分区。在新版本中，我们对此进行优化，支持在父表上指定建分区。在下图右边的例子中，假设要给tbl表的id字段建索引，在创建后它会自动将索引同步到所有子分区上，比如2020年1月分区、2020年2月分区和default分区。用户只需要在父表上执行一条SQL，它就会自动在所有子分区上全部创建该索引，其优点是方便用户对分区里的索引进行维护。我们也支持创建唯一分区，但需要包含分区键。除了分区能力的增强，TDSQL PG版还引入partition-wise join，对原有性能进行提升。假设有两个分区表，分别为A表和B表，它们的分区数量完全相同，且分区的字段类型一致。如果没有partition-wise join，在进行join时，需要先将A表中所有子分区的数据全部捞取，再将B表中所有子分区的数据全部捞取，再用A表全量数据与B表全量数据进行join，这种操作方式的数据量非常大。在引入partition-wise join后，因为两个分区键为同一类型，且分区数量相同，我们可以将A表的分区1与B表的分区1进行join，A表的分区2与B表的分区2进行join。我们并不需要将A表的全量数据与B表的全量数据进行join，只需要将对等的分区进行join即可，从而使性能得到大幅提升。下图是该功能实际效果的测试对比。在partition-wise join打开的情况下，与上一版本相比，最新版本的性能有10倍的提升。3.2 异地多活的易用性增强
另一重要升级，是异地多活的易用性增强。原先单活时跨区接入延时大，一旦发生故障服务和数据库都需要切换，流程复杂；而异地多中心接入时延小，业务在一个中心内能完成闭环，秒级即可完成切换。本次升级新增多活插件化功能，方便用户安装配置，提升了产品易用性。异地多活主要区别于传统两地三中心的单活模式。在单活模式中，假设主库在南方，北方的服务要写入主库，因为地域相隔太远，延时会非常大。如果出现南北网络故障，北方用户就无法访问主库，出现不可用情况。如果采用异地多活模式则不存在上述问题。我们可以在北方多设立一个主库，北方的服务写入北方主库，南方的服务写入南方主库，南北主库之间进行双向复制。其优点在于南北主库各自都有全量数据集，且业务可以就近接入，在一个中心内部实现闭环，即使南北出现网络故障也不会影响服务。异地多活采用双向复制功能，下图是异地多活架构示意图。区域1是深圳，区域2是上海，我们将区域1的数据节点作为发布端，将区域2的CN节点作为订阅端（CN可以订阅作为发布端的数据节点上的数据），在完成数据订阅后，CN需要经过一个路由才能将订阅到的数据写入本地的DN节点上，这样我们支持了异构集群之间的同步，一个CN可以订阅多个数据节点。在新版本中，我们对易用性进行增强。通过tbase_subscription工具，用户可以利用SQL直接创建整个同步的异地多活过程。创建时还可以指定订阅的并行度，从而提高订阅效率。此外，因为一个CN可以订阅多个DN，用户可以将订阅任务下发到不同CN上，使CN进行负载均衡。3.3 分布式死锁自动检测
以下图为例。假设有两个CN，分别为CN1和CN2。有两个用户，用户1连到CN1，产生一个session，用户2连到CN2，也产生一个session。用户1使用显示事务查询A表数据，用户2也采用显示事务查询B表数据。用户1查询完A表数据时，想将B表进行删除。因为是分布式系统，CN2上也存在B表，需要同步进行删除。如果要删除B表则需要B表的排他锁。但这时在CN2上，用户2刚启动显示事务查询B表，获得B表的共享锁，这就产生了锁冲突，反之亦然。在这种情况下，CN1有A表的共享锁，需要等B表的排他锁，CN2有B表的共享锁，又要等A表的排他锁，两个事务之间就形成了分布式死锁。针对这种情况，我们引入了pg_unlock工具。该工具可通过extension安装，快速便捷。用户安装后可以查到分布式死锁之间的依赖关系。比如在上面的例子中，CN1是一个依赖于CN2的事务，CN2是一个依赖于CN1的事务。用户还可以查到集群中一个死锁的详细信息。比如CN1上的drop b需要B表的排他锁，CN2上的drop a也需要A的排他锁，它们之间都是求而不得存在死锁。我们可以通过执行pg_unlock execute来解开死锁，解开的方法是回滚掉一个事务。在回滚事务时，我们会在内部进行优化，计算出回滚代价最小的事务并进行回滚。3.4 2PC残留自动清理
以下图为例，假设有两个CN，分别为CN1、CN2，有两个DN，分别为DN1、DN2。用户连进来创建A表，再进行prepare transaction，该事务命名为create a。我们通过另一个CN连接进来，可以查询处于prepare状态的事务有哪些，可以看到CN1上有一个prepare事务叫create a，CN2、DN1、DN2也有。用户继续执行在DN2上将create a事务进行回滚的操作，此后该操作会话直接退出。退出后我们再去查处于prepare状态的事务，发现CN1、CN2、DN1各有一个create a事务，但DN2上没有。因为上述会话在退出前，对DN2上的create a事务进行回滚，相当于该事务不存在prepare状态。由于会话已经退出，该事务永远不会终止，就出现了2PC残留的情况。针对这种情况，我们引入了pg-clean工具。通过pg_clean check transaction，用户可以直接查到目前有哪些2PC残留事务，以及这些事务的名称、参与的节点等。通过pg_clean execute，我们可以对2PC残留事务进行自动清理。这实际上是将残留事务进行abort操作。因为CN1、CN2、DN1上的事务都处于prepare状态，但DN2上执行了abort，它只能将该事务abort，不能将其提交，否则会出现部分提交数据不一致的问题。我们能够根据事务状态自动选择回滚或提交，从而将2PC残留事务进行清理。
在下个版本中，我们计划在以下四个方面对TDSQL PG开源版进行加强：- 存储能力加强。支持透明压缩，减少磁盘存储成本；提供Direct IO能力，提高某些情况下的写效率。
- 优化器能力提升。提高执行效率，提升业务查询及写的性能。
- 分布式状态可视化。优化全局session可视化、query可视化、分布式锁可视化、分布式事务状态可视化，帮助用户更好地掌控系统。
开源的本质是以技术开放促进技术创新。腾讯云对TDSQL PG版不断开发和投入，版本经过大量业务验证，成熟稳定，开源版本和腾讯自用版本共基线，能够帮助用户快速构建核心业务，将持续给客户带来价值，与广大开发者共同打造可持续的国产数据库开源生态。同时欢迎各位感兴趣的小伙伴，与我们一起共同助力国产数据库技术创新与开源生态发展！