从一个死锁问题分析优化器特性

2023-09-22 OSC开源社区

作者：李锡超，一个爱笑的江苏苏宁银行数据库工程师，主要负责数据库日常运维、自动化建设、DMP 平台运维。擅长 MySQL、Python/ target=_blank class=infotextkey>Python、Oracle，爱好骑行、研究技术。

爱可生开源社区出品

本文约 2100 字，预计阅读需要 7 分钟。

1问题现象

自发布了 INSERT 并发死锁问题的文章，收到了多次死锁问题的交流。一个具体案例如下：

研发反馈应用发生死锁，收集如下诊断内容：

------------------------

LATEST DETECTED DEADLOCK

------------------------

2023-07-04 06:02:40 0x7fc07dd0e700

*** (1) TRANSACTION:

TRANSACTION 182396268, ACTIVE 0 sec fetching rows

mysql tables inuse 1, locked 1

LOCK WAIT 21 lock struct(s), heap size 3520, 2 row lock(s), undo logentries 1

MySQL thread id 59269692, OS thread handle 140471135803136, query id 3738514953 192.168.0.215 user1 updating

delete from ltb2 wherec = 'CCRSFD07E'and j = 'Y15'and b >= '20230717'and d != '1'and e != '1'

*** (1) WAITING FOR THIS LOCK TO BE GRANTED:

RECORD LOCKS space id 603 page no 86 n bits 248 index PRIMARY of table `testdb`.`ltb2`trx id 182396268 lock_mode X locks rec but not gap waiting

*** (2) TRANSACTION:

TRANSACTION 182396266, ACTIVE 0 sec fetching rows, thread declared inside InnoDB 1729

mysql tables inuse 1, locked 1

28 lock struct(s), heap size 3520, 2 row lock(s), undo logentries 1

MySQL thread id 59261188, OS thread handle 140464721291008, query id 3738514964 192.168.0.214 user1 updating

update ltb2 setf = '0', g = '0', is_value_date = '0', h = '0', i = '0'wherec = '22115001B'and j = 'Y4'and b >= '20230717'

*** (2) HOLDS THE LOCK(S):

RECORD LOCKS space id 603 page no 86 n bits 248 index PRIMARY of table `testdb`.`ltb2`trx id 182396266 lock_mode X locks rec but not gap

*** (2) WAITING FOR THIS LOCK TO BE GRANTED:

RECORD LOCKS space id 603 page no 86 n bits 248 index PRIMARY of table `testdb`.`ltb2`trx id 182396266 lock_mode X locks rec but not gap waiting

*** WE ROLL BACK TRANSACTION (1)

------------

以上 space id 603 page no 86 n bits 248，其中 space id 表示表空间 ID，page no 表示记录锁在表空间内的哪一页，n bits 是锁位图中的位数，而不是页面偏移量。记录的页偏移量一般以 heap no 的形式输出，但此例并未输出该信息。

基本环境信息

确认如下问题相关信息：

数据库版本：Percona MySQL 5.7
事务隔离级别：Read-Commited
表结构和索引：

CREATE TABLE `ltb2` (

`ID` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT 'ID',

`j` varchar(16) DEFAULT NULL COMMENT '',

`c` varchar(32) NOT NULL DEFAULT ''COMMENT '',

`b` date NOT NULL DEFAULT '2019-01-01'COMMENT '',

`f` varchar(1) NOT NULL DEFAULT ''COMMENT '',

`g` varchar(1) NOT NULL DEFAULT ''COMMENT '',

`d` varchar(1) NOT NULL DEFAULT ''COMMENT '',

`e` varchar(1) NOT NULL DEFAULT ''COMMENT '',

`h` varchar(1) NOT NULL DEFAULT ''COMMENT '',

`i` varchar(1) DEFAULT NULL COMMENT '',

`LAST_UPDATE_TIME` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '修改时间',

PRIMARY KEY (`ID`),

UNIQUE KEY `uidx_1` (`b`,`c`)

) ENGINE=InnoDB AUTO_INCREMENT=270983 DEFAULT CHARSET=utf8mb4 COMMENT='';

关键信息梳理

	事务 T1
语句	delete from ltb2 where c = 'code001' and j = 'Y15' and b >= '20230717' and d != '1' and e != '1'
关联对象及记录	space id 603 page no 86 n bits 248 index PRIMARY of table testdb.ltb2
持有的锁	未知
等待的锁	lock_mode X locks rec but not gap waiting

	事务 T2
语句	update ltb2 set f = '0', g = '0', is_value_date = '0', h = '0', i = '0' where c = '22115001B' and j = 'Y4' and b >= '20230717'
关联对象及记录	space id 603 page no 86 n bits 248 index PRIMARY of table testdb.ltb2
持有的锁	lock_mode X locks rec but not gap
等待的锁	lock_mode X locks rec but not gap waiting

可以看到在主键索引上发生了死锁，但是在查询的条件中，并未使用主键列。

那为什么会在主键列出现死锁？在分析死锁根因问题前，需要先清楚 SQL 的执行情况。

2SQL 执行情况执行计划

以上两个 SQL 发现都有列 b、c 作为条件，且该列构成了索引唯一索引 uidx_1。简化 SQL 改为查询语句，并确认执行计划：

mysql> desc select* fromltb2 whereb >= '20230717'andc = 'code001';

# 部分结果

+----- -+-------------------+------+---------+

+----- -+-------------------+------+---------+

+----- -+-------------------+------+---------+

注意：自 MySQL 5.6 开始可以直接查看 UPDATE/DELETE/INSERT 等语句的执行计划。因个人习惯、避免误操作等原因，还是习惯改为 SELECT 查看执行计划。

执行计划中可能的索引有 uidx_1(b,c)，但实际并未使用该索引，而是采用全表扫描方式执行。

根据经验，由于列 b 为索引的最左列。但查询的条件为 b>= '20230717'，即该条件不是等值查询。因此数据库可能只能“使用”到 b 列。为进一步确认不使用 b 列索引的原因，查询数据分布：

mysql> selectcount(1) fromltb2;

+------------+

| count(1) |

+------------+

| 4509 |

+------------+

mysql> selectcount(1) fromltb2 whereb >= '20230717';

+------------+

| count(1) |

+------------+

| 1275 |

+------------+

计算满足 b 列条件的数据占比为 1275/4509 = 28%，占比差不多达到了 1/3。此时也的确不应使用该使用索引。

难道已经是作为 MySQL 5.7 的数据库，优化器还是这么简单？

ICP 特性

带着问题，将条件设置一个更大的值（但小于该列的最大值），再次执行验证查询语句：

mysql> desc select* fromltb2 whereb >= '20990717';

# 部分结果

+----------+---------+---------+

| key_len | rows | Extra |

+----------+---------+---------+

| 3 | 64 | Using Index condition |

+----------+---------+---------+

优化器预估返回 64 行，数据占比 64/4509 = 1.4%，因此可以使用索引。但通过执行计划，从 Extra 列看到 Using index condition 提示。该提示则说明使用了索引条件下推（Index Condition Pushdown, ICP）。针对该特性，参考官方简要说明如下：

使用 Index Condition Pushdown，扫描将像这样进行：

获取下一行的索引元组（但不是完整的表行）。
测试 WHERE 条件中应用于此表的部分，并且只能使用索引列的进行检查。如果不满足条件，则继续到下一行的索引元组。
如果满足条件，则使用索引元组定位并读取整个表行。
测试适用于此表的 WHERE 条件的其余部分。根据测试结果接受或拒绝该行。

既然可以使用到 ICP 特性，进一步执行如下验证语句：

mysql> desc select* fromltb2 whereb >= '20990717'andc = 'code001';

# 部分结果

+----------+---------+---------+

| key_len | rows | Extra |

+----------+---------+---------+

| 133 | 64 | Using Index condition |

+----------+---------+---------+

发现当新增 c 列作为条件后，并且根据 key_len（索引里使用的字节数）可以判断，的确使用到了 uidx_1 索引中的 c 列。但 rows 的结果与实际返回结果差异较大（实际执行仅返回 0 行）。

更重要的是，既然具有 ICP 特性，针对原始的 SQL 为什么不能助于 ICP 特性使用到索引呢？

mysql> select * from ltb2 whereb >= '20230717'and c = 'code001'

执行计划跟踪

继续带着问题，通过 MySQL 提供的 OPTIMIZER TRACE，跟踪执行计划生成过程。命令如下：

SETOPTIMIZER_TRACE="enabled=on",END_MARKERS_IN_JSON=on;

SETOPTIMIZER_TRACE_MAX_MEM_SIZE=1000000;

-- sql-1:

select* fromltb2 whereb >= '20990717'andc = 'code001';

-- sql-2:

select* fromltb2 whereb >= '20990717';

-- sql-3

select* fromltb2 whereb >= '20230717'andc = 'code001';

SELECT* FROMINFORMATION_SCHEMA.OPTIMIZER_TRACEG

SEToptimizer_trace="enabled=off";

由于分析结果较长，截取 SQL-1 和 SQL-2 的部分结果 (rows_estimation 和 considered_execution_plans)。具体内容如下：

SQL-1select * from ltb2 whereb >= '20990717'and c = 'code001'

# 分析结果

"analyzing_range_alternatives":{

"range_scan_alternatives":[

{

"index":"uidx_1",

"ranges":[

"0xe76610 <= b"

] /* ranges */,

"index_dives_for_eq_ranges": true,

"rowid_ordered": false,

"using_mrr": false,

"index_only": false,

"rows":64,

"cost": 77.81,

"chosen": true

}

] /* range_scan alternatives */

}

"best_access_path":{

"considered access_paths":[

"rows_to_scan": 64,

"access_type":"range",

"range_details":{

"used index";"uidx 1"

} /* range_details */,

"resulting_rows": 64,

"cost": 90.61,

"chosen": true

}

] /* considered access_paths */

} /* best access_path */,

SQL-2select * from ltb2 whereb >= '20990717'

# 分析结果

"analyzing_range_alternatives":{

"range_scan_alternatives":[

{

"index":"uidx_1",

"ranges":[

"0xe76610 <= b"

] /* ranges */,

"index_dives_for_eq_ranges": true,

"rowid_ordered": false,

"using_mrr": false,

"index_only": false,

"rows":64,

"cost": 77.81,

"chosen": true

}

] /* range_scan alternatives */

}

"considered access_paths":[

{

"rows_to_scan": 64,

"access_type":"range",

"range_details":{

"used index":"uidx_1"

} /* range_details */,

"resulting_rows": 64,

"cost": 90.61,

"chosen": true

}

] /* considered access_paths */,

根据以上信息：两个 SQL 的 cost 部分是完全相同的，且在优化器分析阶段只能识别到 b 的条件。分析阶段，只能根据优化器认为可用的列来计算 cost。ICP 特性，应该是在执行阶段采用用到的特性。

同时，根据 SQL-3 的执行跟踪结果，对比全表扫描和索引扫描的 cost，截取部分结果如下：

SQL-3select * from ltb2 whereb >= '20230717'and c = 'code001';

# 全表扫描结果

"range_analysis": {

"table _scan": {

"rows": 4669，

"cost": 1018.9

} /* table_scan */，

# 索引扫描评估结果

"analyzing_range_alternatives": {

"range_scan_alternatives": [

{

"index":"uidx_1",

"ranges":[

"@xe7ce0f] <= b"

] /* ranges */,

"index dives_for_eq_ranges": true,

"rowid_ordered": false,

"using_mrr": false,

"index_only": false,

" rows": 1273,

"cost": 1528.6,

"chosen": false,

"cause":"cost"

}

] /* range scan_alternatives */,

# 最优执行计划

"best_access_path": {

"considered access_paths":[

{

"rows_to_scan": 4669,

"access_type":"scan",

"resulting_rows": 4669,

"cost": 1016.8,

"chosen": true

}

] /* considered access_paths *//* best access_path */

}

由于优化器阶段使用使用列 b，使用索引的成本高于全表扫描。那最终数据库就会选择使用全表扫描。除非应用使用 hint 强制索引：

mysql> desc select * from ltb2 FORCE INDEX (uidx_1) whereb >= '20230717'and c = 'code001';

# 部分结果

+----------+---------+---------+

| key_len | rows | Extra |

+----------+---------+---------+

| 133 | 1273 | Using Index condition |

+----------+---------+---------+

同时，根据执行计划的输出结果，rows 列应该是优化器阶段的输出，key_len/Extra 则包括了执行阶段的输出。

小结

综上所述，对于问题 SQL 和索引结构，由于列 b 为索引的最左列，且查询时的条件为 b>= '20230717'（非等值条件），数据库优化器只能“使用”到 b 列。并给予“使用”的列，评估扫码的行数和 cost。

如果优化器评估后，使用索引的成本更低，则可以使用该索引，并利用 ICP 特性进一步提高查询性能；

如果优化器评估后，使用全表扫描或的成本更低，那数据库就会选择使用全表扫描。

3SQL 优化方案

根据第 2 部分明确了问题的原因后，通过调整索引，解决最左列尾范围查询的问题即可解决该问题。具体如下：

altertableltb2 dropindexuidx_1;

altertableltb2 addindexuidx_1(c,b);

altertableltb2 addindexidx_(b);

死锁为何发生

自此，完成了 SQL 执行计划问题的分析和解决。但直接的问题是死锁，因查询语句无法使用索引，正常就应该使用全表扫描。但是全表扫描为什么会出现死锁呢？

在此，参考《故障分析 | 从 Insert 并发死锁分析 Insert 加锁源码逻辑》的经验，对死锁过程进行大胆猜想：

T1 时刻

trx-2 执行了 UPDATE，在处理行时，在 row_search_mvcc 函数中，查询到数据。获取了对应行的 LOCK_X,LOCK_REC_NOT_GAP 锁；

T2 时刻

trx-1 执行了 DELETE，在处理行时，在 row_search_mvcc 函数中，查询到数据，尝试获取行的 LOCK_X,LOCK_REC_NOT_GAP。但由于 trx-1 已经持有了该锁，因此被堵塞。并会创建一个锁（以指示锁等待）；

T3 时刻

trx-2 继续执行 UPDATE 操作。由于是该操作除了在 T1 时刻的操作外，在其它位置，还需要获取锁（lock_mode X locks rec but not gap）。但由于 T2 时刻，trx-1 尝试获取该锁而被堵塞，并且也增加了一个锁。

假如此时，此处的实现机制和 INSERT 死锁案例一样，也没有先进行冲突检查。而只是看记录上是否存在锁的话，那么此时也会看到该记录上有 trx-1 事务的锁。从而导致 trx-2 第二次获取锁时，被堵塞。

死锁发生！

以上仅根据经验进行的猜想，真正的原因还需要进一步分析和验证。有兴趣的读者结合如下几个问题，进一步研究。

以上各步骤获取锁的位置，是否正确？
T3 时刻，update操作在其它的什么位置再次获取了锁？
T3 时刻，发起的假设是否成立？如成立，具体逻辑是什么？不成立，那正确的逻辑是什么？
T3 时刻，如果假设不成立，那死锁的原因又是什么？
以上都是针对于唯一索引/主键索引的执行逻辑分析的。那结合该案例，全表扫描和索引查询的执行逻辑是否存在差异？差异的地方在哪里？
除了调整索引，还能通过什么方式避免该问题发生？