Basic Data Structure
struct lock_sys_t {
char pad1[INNOBASE_CACHE_LINE_SIZE];
/*!< padding to prevent other
memory update hotspots from
residing on the same memory
cache line */
LockMutex mutex; /*!< Mutex protecting the
背景
启动数据加载时间对于很多数据库来说是一个不容忽视的因素，启动加载慢直接导致数据库恢复正常服务的RTO时间变长，影响服务可用性。比如Redis，启动时要加载RDB和AOF文件，把所有数据加载到内存中，根据节点内存数据量的不同，加载时间可能达到几十分钟甚至更长。MongoDB在启动时同样需要加载一些元数据，结合阿里云MongoDB云上运维的经验，在集合数量不多时，这个加载时间不会很长，但是对于大量集合场景、特别是MongoDB进程资源受限的情况下(比如虚机、容器、cgrou
在数据库领域，当数据量大到一定程度后，我们总是绕不开分布式这个话题。这个问题牵扯很多方面，
分片策略（Sharding）：分库分表？水平切片？垂直切片？
数据备份：数据备份什么时候做？粒度是什么？怎样备份？
数据迁移：当数据分布发生拓扑变化的时候，怎么把数据从原来的节点迁移到新的节点上？
集群管理：如何管理整个集群，如何把用户请求定向到某个特定的节点上？
这些问题很很多不同的解法，在不同的使用场景，不同的数据库设计结构下有不同的选择。大体上讲，因为相对简
说明
本文用查找一条数据库表记录的例子来分析InnoDB B+Tree的结构
先用sysbench插入一千万条记录：
sysbench --db-driver=mysql --mysql-user=username --mysql-password=password --mysql-db=sbtest \
--table_size=10000000 --tables=1 oltp_read_write --mysql-host=127.0.0.1 prepare
概述
Performance Schema(pfs)是对MySQL的细力度的性能监控诊断工具，覆盖statement/io/memory/lock 等各个性能相关的模块。Pfs采集到的性能数据使用 performance_Schema 引擎存储，全部保存在内存。
本文关注 pfs 的内存管理。首先从代码中分析 pfs 内存管理机制，然后以一个监控项为例介绍 pfs 的流程，最后介绍下 pfs 内存相关的参数。本文代码基于 MySQL 8.0.18版本。
Pfs内存管理
核心
什么是window function
window function 是在满足某种条件的记录集合上执行一个特殊的函数。这一句话，记录集合就是窗口，特殊的函数就是在这个窗口上执行的函数。
SELECT
function_name OVER ( window_definition )
1. FROM (...)
window_definition : 定义要计算的记录的集合。
function_name : 指定对于集合要使用的函数。
接下来我们通过一个简单的例子看一个窗口函
概述
目前RDS(X-Engine)主打的优势是低成本，高性价比，在MySQL生态下帮助解决用户的成本问题。使用X-Engine的用户一般数据量都较大，比如已经在集团大规模部署的交易历史库，钉钉历史库以及图片空间库等。数据既然存储到了X-Engine，当然也少不了计算需求，因此如何高效执行查询是未来X-Engine一定要解决的问题。目前，在MySQL体系下，每个SQL都至多只能使用一个CPU，由一个线程完成串行扫描行并进行计算。X-Engine引擎需要提供并行扫描能力，这样让
1 背景
在InnoDB中，当多线程需要访问共享数据结构时，InnoDB使用互斥锁(mutex)和读写锁(rwlock)来同步这些并发操作。InnoDB的读写锁实现并不是对pthread rwlock的直接封装，而是基于原子操作，自旋锁和条件变量进行实现，大大减少了进入内核态进行同步操作的概率，提高了性能，和在现代多核处理器架构下的可扩展性。
本文分析了InnoDB读写锁的具体实现，所有分析基于MySQL 8.0.18代码。
2 锁模式
InnoDB的读写锁有三种基本
基本原理
在数据库的运行过程中，难免会遇到各种非预期的问题，例如：
硬件错误，例如突然断电、磁盘错误、有人拔了你的内存条 :P
软件问题，例如操作系统崩溃、数据库内部存在bug等等
操作错误，例如误删数据、插入了不符合预期的数据、应用程序异常等等
… …
在这些情况下，我们不希望我们的数据异常甚至丢失，有的情况下我们不能进行修复，例如火灾（这类问题依赖于备份存储介质的方式解决，需要异地容灾），但有的情况下我们可以进行解决，例如断电、崩溃。我们希望当数据
插件介绍
在进行postgres的服务端编程的时候，常常会发现pg的函数和存储过程是一个黑盒，内部的任何问题都有可能造成性能瓶颈。通常会遇到以下情况：
出现问题的语句，其实执行地非常快，但是调用过次数多导致变慢
随机出现的性能瓶颈问题
生产系统上出现了性能问题（尽管我们不愿意直接上生产系统排查）
以上的出现的性能问题只能采取人肉分析（分析schema、统计信息、SQL语句）、断点（pldebugger）的形式进行排查，排查时间长且不直观、问题时隐时现（甚至
