本文主要介绍 RocksDB 锁结构设计、加锁解锁过程，并与 InnoDB 锁实现做一个简单对比。
本文由作者授权发布，未经许可，请勿转载。
作者：王刚，网易杭研数据库内核开发工程师
MyRocks 引擎目前是支持行锁的，包括共享锁和排它锁，主要是在 RocksDB 层面实现的，与 InnoDB 引擎的锁系统相比，简单很多。
本文主要介绍 RocksDB 锁结构设计、加锁解锁过程，并与 InnoDB 锁实现做一个简单对比。
事务锁的实现类是：TransactionLockMgr ，它的主要数据成员包括：
private: PessimisticTransactionDB* txn_db_impl_; // 默认16个lock map 分片 const size_t default_num_stripes_; // 每个column family 最大行锁数 const int64_t max_num_locks_; // lock map 互斥锁 InstrumentedMutex lock_map_mutex_; // Map of ColumnFamilyId to locked key info using LockMaps = std::unordered_map<uint32_t, std::shared_ptr<LockMap>>; LockMaps lock_maps_; std::unique_ptr<ThreadLocalPtr> lock_maps_cache_; // Must be held when modifying wait_txn_map_ and rev_wait_txn_map_. std::mutex wait_txn_map_mutex_; // Maps from waitee -> number of waiters. HashMap<TransactionID, int> rev_wait_txn_map_; // Maps from waiter -> waitee. HashMap<TransactionID, TrackedTrxInfo> wait_txn_map_; DeadlockInfoBuffer dlock_buffer_; // Used to allocate mutexes/condvars to use when locking keys std::shared_ptr<TransactionDBMutexFactory> mutex_factory_;
加锁的入口函数是：TransactionLockMgr::TryLock
Status TransactionLockMgr::TryLock(PessimisticTransaction* txn, //加锁的事务 uint32_t column_family_id, //所属的CF const std::string& key, //加锁的健 Env* env, bool exclusive //是否排它锁) { // Lookup lock map for this column family id std::shared_ptr<LockMap> lock_map_ptr = GetLockMap(column_family_id); //1. 根据 cf id 查找其 LockMap LockMap* lock_map = lock_map_ptr.get(); if (lock_map == nullptr) { char msg[255]; snprintf(msg, sizeof(msg), "Column family id not found: %" PRIu32, column_family_id); return Status::InvalidArgument(msg); } // Need to lock the mutex for the stripe that this key hashes to size_t stripe_num = lock_map->GetStripe(key);// 2. 根据key 的哈希获取 stripe_num,默认16个stripe assert(lock_map->lock_map_stripes_.size() > stripe_num); LockMapStripe* stripe = lock_map->lock_map_stripes_.at(stripe_num); LockInfo lock_info(txn->GetID(), txn->GetExpirationTime(), exclusive); int64_t timeout = txn->GetLockTimeout(); return AcquireWithTimeout(txn, lock_map, stripe, column_family_id, key, env, timeout, lock_info); // 实际加锁函数 }
GetLockMap(column_family_id) 函数根据 cf id 查找其 LockMap , 其逻辑包括两步：
- 在 thread 本地缓存 lock_maps_cache 中查找；
- 第1步没有查找到，则去全局的 lock_map_ 中查找。
std::shared_ptr<LockMap> TransactionLockMgr::GetLockMap( uint32_t column_family_id) { // First check thread-local cache if (lock_maps_cache_->Get() == nullptr) { lock_maps_cache_->Reset(new LockMaps()); } auto lock_maps_cache = static_cast<LockMaps*>(lock_maps_cache_->Get()); auto lock_map_iter = lock_maps_cache->find(column_family_id); if (lock_map_iter != lock_maps_cache->end()) { // Found lock map for this column family. return lock_map_iter->second; } // Not found in local cache, grab mutex and check shared LockMaps InstrumentedMutexLock l(&lock_map_mutex_); lock_map_iter = lock_maps_.find(column_family_id); if (lock_map_iter == lock_maps_.end()) { return std::shared_ptr<LockMap>(nullptr); } else { // Found lock map. Store in thread-local cache and return. std::shared_ptr<LockMap>& lock_map = lock_map_iter->second; lock_maps_cache->insert({column_family_id, lock_map}); return lock_map; } }
lock_maps_ 是全局锁结构：
// Map of ColumnFamilyId to locked key info using LockMaps = std::unordered_map<uint32_t, std::shared_ptr<LockMap>>; LockMaps lock_maps_;
LockMap 是每个 CF 的锁结构：
struct LockMap { // Number of sepearate LockMapStripes to create, each with their own Mutex const size_t num_stripes_; // Count of keys that are currently locked in this column family. // (Only maintained if TransactionLockMgr::max_num_locks_ is positive.) std::atomic<int64_t> lock_cnt{0}; std::vector<LockMapStripe*> lock_map_stripes_; };
为了减少加锁时mutex 的争用，LockMap 内部又进行了分片，num_stripes_ = 16(默认值)，
LockMapStripe 是每个分片的锁结构：
struct LockMapStripe { // Mutex must be held before modifying keys map std::shared_ptr<TransactionDBMutex> stripe_mutex; // Condition Variable per stripe for waiting on a lock std::shared_ptr<TransactionDBCondVar> stripe_cv; // Locked keys mapped to the info about the transactions that locked them. // TODO(agiardullo): Explore performance of other data structures. std::unordered_map<std::string, LockInfo> keys; };
LockMapStripe 内部还是一个 unordered_map, 还包括 stripe_mutex、stripe_cv 。这样设计避免了一把大锁的尴尬，减小锁的粒度常用的方法，LockInfo 包含事务id:
struct LockInfo { bool exclusive; autovector<TransactionID> txn_ids; // Transaction locks are not valid after this time in us uint64_t expiration_time; };
LockMaps 、LockMap、LockMapStripe 、LockInfo就是RocksDB 事务锁用到的数据结构了，可以看到并不复杂，代码实现起来简单，代价当然也有，后文在介绍再介绍。
AcquireWithTimeout 函数内部先获取 stripe mutex ，获取到了在进入AcquireLocked 函数：
if (timeout < 0) { // If timeout is negative, we wait indefinitely to acquire the lock result = stripe->stripe_mutex->Lock(); } else { result = stripe->stripe_mutex->TryLockFor(timeout); }
获取了 stripe_mutex之后，准备获取锁：
// Acquire lock if we are able to uint64_t expire_time_hint = 0; autovector<TransactionID> wait_ids; result = AcquireLocked(lock_map, stripe, key, env, lock_info, &expire_time_hint, &wait_ids);
AcquireLocked 函数实现获取锁逻辑，它的实现逻辑是：
- 在 stripe 的 map 中查找该key 是否已经被锁住。
- 如果key没有被锁住，判断是否超过了max_num_locks_，没超过则在 stripe的map 中插入{key, txn_lock_info}，超过了max_num_locks_，加锁失败，返回状态信息。
- 如果key已经被锁住了，要判断加在key上的锁是排它锁还是共享锁，如果是共享锁，那事务的加锁请求可以满足；
- 如果是排它锁，如果是同一事务，加锁请求可以满足，如果不是同一事务，如果锁没有超时，则加锁请求失败，否则抢占过来。
- 以上是加锁过程，解锁过程类似，也是需要根据cf_id 和 key 计算出落到哪个stripe上，然后就是从map中把数据清理掉，同时还要唤醒该stripe上的等待线程，这个唤醒的粒度有点大。
void TransactionLockMgr::UnLock(PessimisticTransaction* txn, uint32_t column_family_id, const std::string& key, Env* env) { std::shared_ptr<LockMap> lock_map_ptr = GetLockMap(column_family_id);//通过cf_id 获取Lock_Map LockMap* lock_map = lock_map_ptr.get(); if (lock_map == nullptr) { // Column Family must have been dropped. return; } // Lock the mutex for the stripe that this key hashes to size_t stripe_num = lock_map->GetStripe(key);//根据key 计算落到哪个stripe上 assert(lock_map->lock_map_stripes_.size() > stripe_num); LockMapStripe* stripe = lock_map->lock_map_stripes_.at(stripe_num); stripe->stripe_mutex->Lock(); UnLockKey(txn, key, stripe, lock_map, env); //从锁的map中清理掉该key stripe->stripe_mutex->UnLock(); // Signal waiting threads to retry locking stripe->stripe_cv->NotifyAll(); }
ocksdb lock整体结构如下：
如果一个事务需要锁住大量记录，rocksdb 锁的实现方式可能要比innodb 消耗更多的内存，innodb 的锁结构如下图所示：
由于锁信息是常驻内存，我们简单分析下RocksDB锁占用的内存。每个锁实际上是unordered_map中的一个元素，则锁占用的内存为key_length+8+8+1，假设key为bigint，占8个字节，则100w行记录，需要消耗大约22M内存。但是由于内存与key_length正相关，导致RocksDB的内存消耗不可控。我们可以简单算算RocksDB作为MySQL存储引擎时，key_length的范围。对于单列索引，最大值为2048个字节，具体可以参考max_supported_key_part_length实现；对于复合索引，索引最大长度为3072个字节，具体可以参考max_supported_key_length实现。
假设最坏的情况，key_length=3072，则100w行记录，需要消耗3G内存，如果是锁1亿行记录，则需要消耗300G内存，这种情况下内存会有撑爆的风险。因此RocksDB提供参数配置rocksdb_max_row_locks，确保内存可控，默认rocksdb_max_row_locks设置为1048576，对于大部分key为bigint场景，极端情况下，也需要消耗22G内存。而在这方面，InnoDB则比较友好，hash表的key是(space_id, page_no)，所以无论key有多大，key部分的内存消耗都是恒定的。InnoDB在一个事务需要锁大量记录场景下是有优化的，多个记录可以公用一把锁，这样也间接可以减少内存。
总结
RocksDB 事务锁的实现整体来说不复杂，只支持行锁，还不支持gap lock ，锁占的资源也比较大，可通过rocksdb_max_row_locks 限制事务施加行锁的数量。
利益相关：
网易轻舟微服务，提供分布式事务框架GTXS，支持跨服务事务、跨数据源事务、混合事务、事务状态监控、异常事务处理等能力，应用案例 工商银行。