MySQL 8.0优化器都有哪些新特性？

2019年3月1日 400次阅读来源: 小蜜蜂

MySQL当前已经发布到MySQL 8.0版本，在新的版本中，可以看到MySQL之前被人诟病的优化器部分做了很多的改动。

由于笔者之前的工作环境是5.6，最近切换到最新的8.0版本，本文涵盖了一些本人感兴趣的和优化器相关的部分，主要包括MySQL 5.7的cost model以及MySQL 8.0的直方图功能。

本文基于当前最新的MySQL 8.0.12版本，主要是讲下cost model 和histogram的用法和相关代码。

一、Cost Model

1、Configurable cost constants

为什么需要配置cost model常量 ? 我们知道MySQL已经发展了好几十年的历史，但是在优化器中依然使用了hardcode的权重值来衡量io、cpu等资源情况，而这些权重值实际上是基于多年前甚至十来年前的经验设定的。

想想看，这么多年的时间，硬件的发展多么迅速。几十上百个核心的服务器不在少数甚至在某些大型公司大规模使用，ssd早就成为主流，NVME也在崛起。高速RDMA网络正在走入寻常百姓家。

这一切甚至影响到数据库系统的实现和变革。

显而易见，那些hardcode的权值已经过时了，我们需要提供给用户可定义的方式，甚至更进一步的能够智能根据硬件环境自动设定。

MySQL 5.7引入两个新的系统表，通过这两个系统表暴露给用户来进行更新，如下：

root@(none) 04:05:24>select * from mysql.server_cost; +------------------------------+------------+---------------------+---------+---------------+| cost_name                    | cost_value | last_update         | comment | default_value |+------------------------------+------------+---------------------+---------+---------------+| disk_temptable_create_cost   |       NULL | 2018-04-23 13:55:20 | NULL    |            20 || disk_temptable_row_cost      |       NULL | 2018-04-23 13:55:20 | NULL    |           0.5 || key_compare_cost             |       NULL | 2018-04-23 13:55:20 | NULL    |          0.05 || memory_temptable_create_cost |       NULL | 2018-04-23 13:55:20 | NULL    |             1 || memory_temptable_row_cost    |       NULL | 2018-04-23 13:55:20 | NULL    |           0.1 || row_evaluate_cost            |       NULL | 2018-04-23 13:55:20 | NULL    |           0.1 |+------------------------------+------------+---------------------+---------+---------------+6 rows in set (0.00 sec) 其中default_value是generated column，其表达式已经固定死了默认值：`default_value` float GENERATED ALWAYS AS ( (case `cost_name` when _utf8mb3'disk_temptable_create_cost' then 20.0 when _utf8mb3'disk_temptable_row_cost' then 0.5 when _utf8mb3'key_compare_cost' then 0.05 when _utf8mb3'memory_temptable_create_cost' then 1.0 when _utf8mb3'memory_temptable_row_cost' then 0.1 when _utf8mb3'row_evaluate_cost' then 0.1 else NULL end)) VIRTUAL root@(none) 04:05:35>select * from mysql.engine_cost; +-------------+-------------+------------------------+------------+---------------------+---------+---------------+| engine_name | device_type | cost_name              | cost_value | last_update         | comment | default_value |+-------------+-------------+------------------------+------------+---------------------+---------+---------------+| default     |           0 | io_block_read_cost     |       NULL | 2018-04-23 13:55:20 | NULL    |             1 || default     |           0 | memory_block_read_cost |       NULL | 2018-04-23 13:55:20 | NULL    |          0.25 |+-------------+-------------+------------------------+------------+---------------------+---------+---------------+

你可以通过update语句来进行更新，例如：

root@(none) 04:05:52>update mysql.server_cost set cost_value = 40 where cost_name = 'disk_temptable_create_cost'; Query OK, 1 row affected (0.05 sec) Rows matched: 1  Changed: 1  Warnings: 0 root@(none) 04:07:13>select * from mysql.server_cost where cost_name = 'disk_temptable_create_cost'; +----------------------------+------------+---------------------+---------+---------------+ | cost_name                  | cost_value | last_update         | comment | default_value | +----------------------------+------------+---------------------+---------+---------------+ | disk_temptable_create_cost |         40 | 2018-06-23 16:07:05 | NULL    |            20 | +----------------------------+------------+---------------------+---------+---------------+1 row in set (0.00 sec)//更新后执行一次flush optimizer_costs操作来更新内存//但老的session还是会用老的cost数据root@(none) 10:10:12>flush optimizer_costs; Query OK, 0 rows affected (0.00 sec)

可以看到用法也非常简单，上面包含了两张表：server_cost及engine_cost，分别对server层和引擎层进行配置。

2、相关代码

全局cache Cost_constant_cache

全局cache维护了一个当前的cost model信息，用户线程在lex_start时会去判断其有没有初始化本地指针，如果没有的话就去该cache中将指针拷贝到本地。

初始化全局cache：

Cost_constant_cache::init : 创建Cost_model_constants， 其中包含了两类信息: server层cost model和引擎层cost model, 类结构如下： Cost_constant_cache ----> Cost_model_constants                            ---> Server_cost_constants                                //server_cost                            ---> Cost_model_se_info                                --->SE_cost_constants                                //engine_cost 如果存储引擎提供了接口函数get_cost_constants的话,则从存储引擎那取

从系统表读取配置，适用于初始化和flush optimizer_costs并更新cache：

read_cost_constants() |--> read_server_cost_constants |--> read_engine_cost_constants

由于用户可以动态的更新系统表，执行完flush optimizer_costs后，有可能老的版本还在被某些session使用，因此需要引用计数，老的版本ref counter被降为0后才能被释放。

线程cost model初始化

Cost_model_server

在每个线程的thd上，挂了一个Cost_model_server的对象THD::m_cost_model，在lex_start()时，如果发现线程的m_cost_model没有初始化，就会去获取全局的指针，存储到本地：

Cost_model_server::initconst Cost_model_constants *m_cost_constants = cost_constant_cache->get_cost_constants();// 会增加一个引用计数，以确保不会在引用时被删除const Server_cost_constants *m_server_cost_constants = m_cost_constants->get_server_cost_constants();// 同样获取的是全局指针

可见thd不创建自己的cost model，只引用cache中的指针。

Table Cost Model

struct TABLE::m_cost_model，类型：Cost_model_table，其值取自上述thd中存储的cost model对象。

Cost_estimate

统一的对象类型cost_estimate来存储计算的cost结果，包含四个维度：

  double io_cost;      ///< cost of I/O operations  double cpu_cost;     ///< cost of CPU operations  double import_cost;  ///< cost of remote operations  double mem_cost;     ///< memory used (bytes)

3、未来

目前来看，除非根据工作负载，经过充分的测试才能得出合理的配置值。但如何配置、什么是合理的值，个人认为应该是可以自动调整配置的。关键是找出配置和硬件条件的对应关系。这也是我们未来可以努力的一个方向。

4、reference

Cost Model官方文档
https://dev.mysql.com/doc/refman/5.7/en/cost-model.html?spm=a2c4e.11153940.blogcont645897.14.25126624v96rQQ
官方博客1:The MySQL Optimizer Cost Model Project
The MySQL Optimizer Cost Model Project
官方博客2: A new dimension to MySQL query optimizations
A new dimension to MySQL query optimizations – part 2
Optimizer Cost Model Improvements in MySQL 5.7.5 DMR
Optimizer Cost Model Improvements in MySQL 5.7.5 DMR
Slide: MySQL Cost Model
https://www.slideshare.net/olavsa/mysql-optimizer-cost-model?spm=a2c4e.11153940.blogcont645897.18.25126624Sl2idM

Related Worklog：

WL#7182: Optimizer Cost Model API
https://dev.mysql.com/worklog/task/?spm=a2c4e.11153940.blogcont645897.19.25126624Sl2idM&id=7182
WL#7209: Handler interface changes for new cost model
https://dev.mysql.com/worklog/task/?spm=a2c4e.11153940.blogcont645897.20.25126624Sl2idM&id=7209
WL#7276: Configuration data base for Optimizer Cost Model
https://dev.mysql.com/worklog/task/?spm=a2c4e.11153940.blogcont645897.21.25126624Sl2idM&id=7276
WL#7315 Optimizer cost model: main memory management of cost constants
https://dev.mysql.com/worklog/task/?spm=a2c4e.11153940.blogcont645897.22.25126624Sl2idM&id=7315
WL#7316 Optimizer cost model: Command for online updating of cost model constants
https://dev.mysql.com/worklog/task/?spm=a2c4e.11153940.blogcont645897.23.25126624Sl2idM&id=7316

二、Histogram

直方图也是MySQL一个万众期待的功能了。这个功能实际上在其他数据库产品中是很常见的，可以很好的指导优化器选择执行路径。

利用直方图存储了指定列的数据分布。MariaDB从很早的10.0.2版本支持这个功能，而MySQL在最新的8.0版本中也开始支持。

功能参考链接：

https://mariadb.com/kb/en/library/histogram-based-statistics/?spm=a2c4e.11153940.blogcont645897.24.25126624Sl2idM

1、使用

MySQL里使用直方图是通过ANALYZE TABLE语法来执行的：

ANALYZE [NO_WRITE_TO_BINLOG | LOCAL]    TABLE tbl_name    UPDATE HISTOGRAM ON col_name [, col_name] ...        [WITH N BUCKETS]        ANALYZE [NO_WRITE_TO_BINLOG | LOCAL]    TABLE tbl_name    DROP HISTOGRAM ON col_name [, col_name] ...

ANALYZE TABLE参考链接：

https://dev.mysql.com/doc/refman/8.0/en/analyze-table.html?spm=a2c4e.11153940.blogcont645897.25.25126624Sl2idM

举个简单的例子：

我们以普通的sysbench表为例： root@sb1 05:16:33>show create table sbtest1\G *************************** 1. row ***************************       Table: sbtest1 Create Table: CREATE TABLE `sbtest1` (  `id` int(11) NOT NULL AUTO_INCREMENT,  `k` int(11) NOT NULL DEFAULT '0',  `c` char(120) NOT NULL DEFAULT '',  `pad` char(60) NOT NULL DEFAULT '',  PRIMARY KEY (`id`),  KEY `k_1` (`k`) ) ENGINE=InnoDB AUTO_INCREMENT=200001 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci1 row in set (0.01 sec)# 创建直方图并存储到数据词典中root@sb1 05:16:38>ANALYZE TABLE sbtest1 UPDATE HISTOGRAM ON k with 10 BUCKETS; +-------------+-----------+----------+----------------------------------------------+| Table       | Op        | Msg_type | Msg_text                                     | +-------------+-----------+----------+----------------------------------------------+ | sb1.sbtest1 | histogram | status   | Histogram statistics created for column 'k'. |+-------------+-----------+----------+----------------------------------------------+1 row in set (0.55 sec) root@sb1 05:17:03>ANALYZE TABLE sbtest1 UPDATE HISTOGRAM ON k,pad with 10 BUCKETS; +-------------+-----------+----------+------------------------------------------------+| Table       | Op        | Msg_type | Msg_text                                       | +-------------+-----------+----------+------------------------------------------------+ | sb1.sbtest1 | histogram | status   | Histogram statistics created for column 'k'.   || sb1.sbtest1 | histogram | status   | Histogram statistics created for column 'pad'. | +-------------+-----------+----------+------------------------------------------------+ 2 rows in set (7.98 sec) 删除pad列上的histogram: root@sb1 05:17:51>ANALYZE TABLE sbtest1 DROP HISTOGRAM ON pad; +-------------+-----------+----------+------------------------------------------------+ | Table       | Op        | Msg_type | Msg_text                                       |+-------------+-----------+----------+------------------------------------------------+| sb1.sbtest1 | histogram | status   | Histogram statistics removed for column 'pad'. | +-------------+-----------+----------+------------------------------------------------+ 1 row in set (0.06 sec) root@sb1 05:58:12>ANALYZE TABLE sbtest1 DROP HISTOGRAM ON k; +-------------+-----------+----------+----------------------------------------------+ | Table       | Op        | Msg_type | Msg_text                                     |+-------------+-----------+----------+----------------------------------------------+| sb1.sbtest1 | histogram | status   | Histogram statistics removed for column 'k'. | +-------------+-----------+----------+----------------------------------------------+ 1 row in set (0.08 sec) # 如果不指定bucket的话，默认Bucket的数量是100 root@sb1 05:58:27>ANALYZE TABLE sbtest1 UPDATE HISTOGRAM ON k; +-------------+-----------+----------+----------------------------------------------+ | Table       | Op        | Msg_type | Msg_text                                     |+-------------+-----------+----------+----------------------------------------------+| sb1.sbtest1 | histogram | status   | Histogram statistics created for column 'k'. | +-------------+-----------+----------+----------------------------------------------+ 1 row in set (0.56 sec)

直方图统计信息存储于InnoDB数据词典中，可以通过information_schema表来获取。

root@information_schema 05:34:49>SHOW CREATE TABLE INFORMATION_SCHEMA.COLUMN_STATISTICS\G *************************** 1. row ***************************                View: COLUMN_STATISTICS         Create View: CREATE ALGORITHM=UNDEFINED DEFINER=`mysql.infoschema`@`localhost` SQL SECURITY DEFINER VIEW `COLUMN_STATISTICS` AS select `mysql`.`column_statistics`.`schema_name` AS `SCHEMA_NAME`,`mysql`.`column_statistics`.`table_name` AS `TABLE_NAME`,`mysql`.`column_statistics`.`column_name` AS `COLUMN_NAME`,`mysql`.`column_statistics`.`histogram` AS `HISTOGRAM` from `mysql`.`column_statistics` where can_access_table(`mysql`.`column_statistics`.`schema_name`,`mysql`.`column_statistics`.`table_name`) character_set_client: utf8 collation_connection: utf8_general_ci1 row in set (0.00 sec)

从column_statistics表的定义可以看到，有一个名为mysql.column_statistics系统表，但被隐藏了，没有对外暴露。

以下举个简单的例子：

root@sb1 05:58:55>ANALYZE TABLE sbtest1 UPDATE HISTOGRAM ON k WITH 4 BUCKETS; +-------------+-----------+----------+----------------------------------------------+| Table       | Op        | Msg_type | Msg_text                                     | +-------------+-----------+----------+----------------------------------------------+ | sb1.sbtest1 | histogram | status   | Histogram statistics created for column 'k'. |+-------------+-----------+----------+----------------------------------------------+1 row in set (0.63 sec)# 查询表上的直方图信息root@sb1 06:00:43>SELECT JSON_PRETTY(HISTOGRAM) FROM INFORMATION_SCHEMA.COLUMN_STATISTICS WHERE SCHEMA_NAME='sb1' AND TABLE_NAME = 'sbtest1'\G *************************** 1. row *************************** JSON_PRETTY(HISTOGRAM): {  "buckets": [    [      38671,      99756,      0.249795,      17002    ],    [      99757,      100248,      0.500035,      492    ],    [      100249,      100743,      0.749945,      495    ],    [      100744,      172775,      1.0,      16630    ]  ],  "data-type": "int",  "null-values": 0.0,  "collation-id": 8,  "last-updated": "2018-09-22 09:59:30.857797",  "sampling-rate": 1.0,  "histogram-type": "equi-height",  "number-of-buckets-specified": 4}1 row in set (0.00 sec)

从输出的json可以看到，在执行了上述语句后产生的直方图有4个bucket，数据类型为Int，类型为equi-height，即等高直方图(另外一种是等宽直方图，即SINGLETON)。

每个Bucket中，描述的信息包括：数值的上界和下界，频率以及不同值的个数。通过这些信息可以获得比较精确的数据分布情况，从而优化器来根据这些统计信息决定更优的执行计划。

如果列上存在大量的重复值，那么MySQL也可能选择等宽直方图，例如上例，我们将列k上的值更新为一半10一半20，那么出来的直方图数据如下：

root@sb1 10:41:17>SELECT JSON_PRETTY(HISTOGRAM) FROM INFORMATION_SCHEMA.COLUMN_STATISTICS WHERE SCHEMA_NAME='sb1' AND TABLE_NAME = 'sbtest1'\G *************************** 1. row *************************** JSON_PRETTY(HISTOGRAM): {  "buckets": [    [      10,      0.499995    ],    [      20,      1.0    ]  ],  "data-type": "int",  "null-values": 0.0,  "collation-id": 8,  "last-updated": "2018-09-22 14:41:17.312601",  "sampling-rate": 1.0,  "histogram-type": "singleton",  "number-of-buckets-specified": 100 } 1 row in set (0.00 sec)

如上，对于SINGLETON类型，每个bucket只包含两个值：列值，及对应的累计频率（即百分之多少的数据比当前Bucket里的值要小或相等）。

注意这里的sampling-rate，这里的值为1，表示读取了表上所有的数据来进行统计，但通常对于大表而言，我们可能不希望读太多的数据，因为可能产生过度的内存消耗，因此MySQL还提供了一个参数histogram_generation_max_mem_size来限制内存的使用上限。

参数参考链接：

https://dev.mysql.com/doc/refman/8.0/en/server-system-variables.html?spm=a2c4e.11153940.blogcont645897.26.25126624Sl2idM#sysvar_histogram_generation_max_mem_size

如果表上的DML不多，那直方图基本是稳定的，但频繁写入的话，那我们就可能需要去定期更新直方图，MySQL本身不会去主动更新。

优化器通过histogram来计算列的过滤性，大多数的谓词都可以使用到。

关于直方图影响查询计划，可参阅：

Histogram statistics in MySQL

2、相关代码

代码结构

以MySQL 8.0.12为例，主要代码在sql/histogram目录下：

ls sql/histograms/ equi_height_bucket.cc   equi_height_bucket.h   equi_height.cc   equi_height.h  histogram.cc   histogram.h  singleton.cc   singleton.h   value_map.cc   value_map.h   value_map_type.h 类结构：namespace histograms |---> Histogram  //基类        |--> Equi_height //等高直方图，模板类，实例化参数为数据类型，需要针对类型显示定义        // 见文件 "equi_height.cc"        |--> Singleton        //等宽直方图，只有值和其出现的频度被存储下来

创建及存储histogram

处理histogram的相关函数和堆栈如下：

Sql_cmd_analyze_table::handle_histogram_command |--> update_histogram  //更新histogram   |-->histograms::update_histogram  //调用namespace内的接口函数        a. 判断各个列：        //histograms::field_type_to_value_map_type:  检查列类型是否支持        //covered_by_single_part_index: 如果列是Pk或者uk，不会为其创建histogram        //如果是generated column, 则找到其依赖的列加入到set中        b. 判断取样的半分比，这主要受参数histogram_generation_max_mem_size限制，如果设的足够大，则会去读取全表数据进行分析        |-> fill_value_maps   //开始从表上读取需要分析的列数据            |->ha_sample_init            |->ha_sample_next                |-->  handler::sample_next //读取下一条记录，通过随机数的方式来进行取样            Value_map<T>::add_values // 将读到的数据加入到map中            |->...            |->ha_sample_end                |-> build_histogram //创建histogram对象        a. 确定histogram类型：如果值的个数小于桶的个数，则使用Singleton，否则使用Equi_height类型            |->Singleton<T>::build_histogram            |->Equi_height<T>::build_histogram                |-> Histogram::store_histogram //将histogram信息存储到column_statistic表中            |-> dd::cache::Dictionary_client::update<dd::Column_statistics> |--> drop_histogram //删除直方图

使用histogram

使用的方式就比较简单了：

首先在表对象TABLE_SHARE中，增加成员m_histograms，其结构为一个unordered map，key值为field index，value为相应的histogram对象。

获取列值过滤性的相关堆栈如下：

get_histogram_selectivity    |-->Histogram::get_selectivity        |->get_equal_to_selectivity_dispatcher        |->get_greater_than_selectivity_dispatcher        |->get_less_than_selectivity_dispatcher    |-->write_histogram_to_trace // 写到optimizer_trace中

MySQL支持多种操作类型对直方图的使用，包括：

col_name = constant col_name <> constant col_name != constant col_name > constant col_name < constant col_name >= constant col_name <= constant col_name IS NULL col_name IS NOT NULL col_name BETWEEN constant AND constant col_name NOT BETWEEN constant AND constant col_name IN (constant[, constant] ...) col_name NOT IN (constant[, constant] ...)

通过直方图，我们可以根据列上的条件判断出列值的过滤性，来辅助选择更优的执行计划。在没有直方图之前，我们需要通过在列上建立索引来获得相对精确的列值分布。但我们知道索引是有很大的维护开销的，而直方图则可以灵活的按需创建。

3、reference

WL#5384 PERFORMANCE_SCHEMA, HISTOGRAMS
https://dev.mysql.com/worklog/task/?spm=a2c4e.11153940.blogcont645897.30.25126624Sl2idM&id=5384
WL#8706 Persistent storage of Histogram data
https://dev.mysql.com/worklog/task/?spm=a2c4e.11153940.blogcont645897.31.25126624Sl2idM&id=8706
WL#8707 Classes/structures for Histograms
https://dev.mysql.com/worklog/task/?spm=a2c4e.11153940.blogcont645897.32.25126624Sl2idM&id=8707
WL#8943 Extend ANALYZE TABLE with histogram support
https://dev.mysql.com/worklog/task/?spm=a2c4e.11153940.blogcont645897.33.25126624Sl2idM&id=8943
WL#9223 Using histogram statistics in the optimizer
https://dev.mysql.com/worklog/task/?spm=a2c4e.11153940.blogcont645897.34.25126624Sl2idM&id=9223

三、其他

1、优化rec_per_key