自己動手寫SQL執行引擎
前言
在閱讀了大量關於資料庫的資料後，筆者情不自禁產生了一個造資料庫輪子的想法。來驗證一下自己對於資料庫底層原理的掌握是否牢靠。在筆者的github中給這個database起名為Freedom。
整體結構
既然造輪子，那當然得從前端的網路協議互動到後端的檔案儲存全部給擼一遍。下面是Freedom實現的整體結構，裡面包含了實現的大致模組:
最終儲存結構當然是使用經典的B+樹結構。當然在B+樹和檔案系統block塊之間的轉換則通過Buffer(Page) Manager來進行。當然了，為了完成事務，還必須要用WAL協議，其通過Log Manager來操作。
Freedom採用的是索引組織表，通過DruidSQL Parse來將sql翻譯為對應的索引操作符進而進行對應的語義操作。
MySQL Protocol結構
client/server之間的互動採用的是MySQL協議，這樣很容易就可以和mysql client以及jdbc進行互動了。
query packet
mysql通過3byte的定長包頭去進行分包，進而解決tcp流的讀取問題。再通過一個sequenceId來再應用層判斷packet是否連續。
result set packet
mysql協議部分最複雜的內容是其對於result set的讀取，在NIO的方式下加重了複雜性。
Freedom通過設定一系列的讀取狀態可以比較好的在Netty框架下解決這一問題。
row packet
還有一個較簡單的是對row格式進行讀取，如上圖所示,只需要按部就班的解析即可。
由於協議解析部分較為簡單，在這裡就不再贅述。
SQL Parse
Freedom採用成熟好用的Druid SQL Parse作為解析器。事實上，解析sql就是將用文字表示
的sql語義表示為一系列操作符(這裡限於篇幅原因，僅僅給出select中where過濾的原理)。
對where的處理
例如where後面的謂詞就可以表示為一系列的以樹狀結構組織的SQL表示式，如下圖所示:
當access層通過遊標提供一系列row後，就可以通過這個樹狀表示式來過濾出符合where要求的資料。Druid採用了Parse中常用的visitor很方便的處理上面的表示式計算操作。
對join的處理
對join最簡單處理方案就是對兩張表進行笛卡爾積，然後通過上面的where condition進行過濾，如下圖所示:
Freedom對於縮小笛卡爾積的處理
由於Freedom採用的是B+樹作為底層儲存結構，所以可以通過where謂詞來界定B+樹scan(搜尋)的範圍(也即最大搜尋key和最小搜尋key在B+樹種中的位置)。考慮sql
select a.*,b.* from t_archer as a join t_rider as b where a.id>=3 and a.id<=11 and b.id>=19 and b.id<=31
那麼就可以界定出在id這個索引上,a的scan範圍為[3,11],如下圖所示:
b的scan範圍為[19,31],如下圖所示(假設兩張表資料一樣，便於繪圖):
scan少了從原來的15*15(一共15個元素)次迴圈減少到4*4次迴圈,即迴圈次數減少到7.1%
當然如果存在join condition的話，那麼Freedom在底層cursor遞迴處理的過程中會預先過濾掉一部分資料，進一步減少上層的過濾。
B+Tree的磁碟結構
leaf磁碟結構
Freedom的B+Tree是儲存到磁碟裡的。考慮到儲存的限制以及不定長的key值，所以會變得非常複雜。Freedom以page為單位來和磁碟進行互動。葉子節點和非葉子節點都由page承載並刷入磁碟。結構如下所示:
一個元組(tuple/item)在一個page中分為定長的ItemPointer和不定長的Item兩部分。
其中ItemPointer裡面儲存了對應item的起始偏移和長度。同時ItemPointer和Item如圖所示是向著中心方向進行伸張，這種結構很有效的組織了非定長Item。
leaf和node節點在Page中的不同
雖然leaf和node在page中組織結構一致，但其item包含的項確有區別。由於Freedom採用的是索引組織表，所以對於leaf在聚簇索引(clusterIndex)和二級索引(secondaryIndex)中對item的表示也有區別,如下圖所示:
其中在二級索引搜尋時通過secondaryIndex通過index-key找到對應的clusterId,再通過
clusterId在clusterIndex中找到對應的row記錄。
由於要落盤，所以Freedom在node節點中的item裡面寫入了index-key對應的pageno,
這樣就可以容易的從磁碟恢復所有的索引結構了。
B+Tree在檔案中的組織
有了Page結構，我們就可以將資料承載在一個個page大小的記憶體裡面，同時還可以將page重新整理到對應的檔案裡。有了node.item中的pageno，我們就可以較容易的進行檔案和記憶體結構之間的互相對映了。
B+樹在磁碟檔案中的組織如下圖所示:
B+樹在記憶體中相對應的對映結構如下圖所示:
檔案page和記憶體page中的內容基本是一致的,除了一些記憶體page中特有的欄位，例如dirty等。
每個索引一個B+樹
在Freedom中，每個索引都是一顆B+樹，對記錄的插入和修改都要對所有的B+樹進行操作。
B+Tree的測試
筆者通過一系列測試case,例如隨機變長記錄對B+樹進行插入並落盤，修復了其中若干個非常詭異的corner case。
B+Tree的todo
筆者這裡只是完成了最簡單的B+樹結構，沒有給其新增併發修改的鎖機制，也沒有在B+樹做操作的時候記錄log來保證B+樹在當機等災難性情況下的一致性,所以就算完成了這麼多的工作量，距離一個高併發高可用的bptree還有非常大的距離。
Meta Data
table的元資訊由create table所建立。建立之後會將元資訊落盤，以便Freedom在重啟的時候載入表資訊。每張表的元資訊只佔用一頁的空間，依舊複用page結構，主要儲存的是聚簇索引和二級索引的資訊。元資訊對應的Item如下圖所示:
如果想讓mybatis可以自動生成關於Freedom的程式碼，還需實現一些特定的sql來展現Freedom的元資訊。這個在筆者另一個專案rider中有這樣的實現。原理如下圖所示:
實現了上述4類SQL之後，mybatis-generator就可以通過jdbc從Freedom獲取元資訊進而自動生成程式碼了。
事務支援
由於當前Freedom並沒有保證併發，所以對於事務的支援只做了最簡單的WAL協議。通過記錄redo/undolog從而實現原子性。
redo/undo log協議格式
Freedom在每做一個修改操作時，都會生成一條日誌，其中記錄了修改前(undo)和修改後(redo)的行資訊，undo用來回滾,redo用來當機recover。結構如下圖所示:
WAL協議
WAL協議很好理解，就是在事務commit前將當前事務中所產生的的所有log記錄刷入磁碟。
Freedom自然也做了這個操作，使得可以在當機後通過log恢復出所有的資料。
回滾的實現
由於日誌中記錄了undo，所以對於一個事務的回滾直接通過日誌進行undo即可。如下圖所示:
當機恢復
Freedom如果在page全部刷盤之後關機，則可以由通過載入page的方式獲取原來的資料。
但如果突然當機,例如kill -9之後，則可以通過WAL協議中記錄的redo/undo log來重新
恢復所有的資料。由於時間和精力所限，筆者並沒有實現基於LSN的檢查點機制。
Freedom執行
git clone https://github.com/alchemystar/Freedom.git
// 並沒有做打包部署的工作，所以最簡單的方法是在java編輯器裡面
run alchemystar.freedom.engine.server.main
以下是筆者實際執行Freedom的例子:
join查詢
delete回滾
Freedom todo
Freedom還有很多工作沒有完成，例如有層次的鎖機制和MVCC等，由於工作忙起來就耽擱了。
於是筆者就看了看MySQL原始碼的實現理解了一下鎖和MVCC實現原理，並寫了兩篇部落格。比起
自己動手擼實在是輕鬆太多了_。
MVCC
https://my.oschina.net/alchemystar/blog/1927425
二階段鎖
https://my.oschina.net/alchemystar/blog/1438839
尾聲
在造輪子的過程中一開始是非常有激情非常快樂的。但隨著系統越來越龐大，複雜性越來越高，進度就會越來越慢，還時不時要推翻自己原來的設想並重新設計，然後再協同修改關聯的所有程式碼，就如同泥沼，越陷越深。至此，筆者才領悟了軟體工程最重要的其實是控制複雜度！始終保持簡潔的介面和優雅的設計是實現一個大型系統的必要條件。
收穫與遺憾
這次造輪子的過程基本滿足了筆者的初衷，通過寫一個資料庫來學習資料庫。不僅僅是加深了理解，最重要的是筆者在寫的過程中終於明白了資料庫為什麼要這麼設計，為什麼不那樣設計，僅僅對書本的閱讀可能並不會有這些思考與領悟。
當然，還是有很多遺憾的，Freedom並沒有實現鎖機制和MVCC。由於只能在工作閒暇時間寫，所以斷斷續續寫了一兩個月，工作一忙就將這個專案閒置了。現在將Freedom的設計寫出來，希望大家能有所收穫。
