CMU-15445 LAB2:实现一个支持并发操作的B+树
概述
经过几天鏖战终于完成了lab2，本lab实现一个支持并发操作的b+树。简直b格满满。
b+树
为什么需要b+树
b+树本质上是一个索引数据结构。比如我们要用某个给定的id去检索某个student记录，如果没有索引的话，我们可能从第一条记录开始遍历每一个student记录，直到找到某个id和我们给定的id一致的记录。可想而知，这是非常耗时的。
如果我们已经维护了一个以id为key的索引结构，我们可以向索引查询这个id对应的记录所在的位置，然后直接从这个位置读取这个记录。从索引查询某个id对应的位置，这个操作需要高效，b+树能保证以o(log n)的时间复杂度完成。
b+树的性质
b+树由叶子节点和内部节点组成，和其它树结构差不多，但是对(key, value)的个数和排列顺序有要求。
叶子节点：
格式如下：
* --------------------------------------------------------------------------- * | header | key(1) + rid(1) | key(2) + rid(2) | ... | key(n) + rid(n) * ---------------------------------------------------------------------------
假设叶子结点最多能容纳个n个(key, rid)对，那么该叶子节点任何时候都不能少于n/2向上取整个(key, rid)对。假设(key, rid)对个数为x，那么x必须满足：
ceil(n/2) <= x <= n
ceil表示向上取整，博客园不支持latex o(╯□╰)o。
key是search key，rid是该key对应的记录的位置。(key, rid)对按照key的増序进行排列。
header的结构如下：
* ---------------------------------------------------------------------------------------- * | pagetype (4) | lsn (4) | currentsize (4) | maxsize (4) | parentpageid (4) | pageid(4) | * ---------------------------------------------------------------------------------------
parentpageid指向父节点。
内部节点
* ---------------------------------------------------------------------------------------- * | header | invalid_key+page_id(1) | key(2)+page_id(2) | ... | key(n)+page_id(n) | * ----------------------------------------------------------------------------------------
假设内部节点最多容纳n个(key, page_id)对，和叶子节点一样，x必须满足：
ceil(n/2) <= x <= n
key表示search key，page_id指的是子节点的id。
(key, page_id)对按照key的増序进行排列。
第一个key是无效的。
假设page_id(i)对应的子树中的key用sub_key表示，那么subkey都满足：key(i) <= sub_key < key(i+1)。
查找操作
课本p489给出了find的伪代码。总结来说就是先找到key应该出现的叶子节点，然后在该叶子节点中，查找key对应的rid。
如下图：
假如我们希望查找的key为38，第一步在根节点a查找38应该出现在哪个子节点中，根据之前的性质，38应该出现在以b为根的子树中，继续查找节点b，以此类推，最终38应该出现在h的叶子节点中。最后我们在h中查找38。
所以对于内部节点，我们需要一个lookup(const keytype &key,const keycomparator &comparator)方法，查找key应该出现在哪个子节点对应的子树中。
index_template_arguments
valuetype
b_plus_tree_internal_page_type::lookup(const keytype &key,
const keycomparator &comparator) const {
assert(getsize() >= 2);
// 先找到第一个array[index].first大于等于key的index（从index 1开始）
int left = 1;
int right = getsize() - 1;
int mid;
int compareresult;
int targetindex;
while (left <= right) {
mid = left + (right - left) / 2;
compareresult = comparator(array[mid].first, key);
if (compareresult == 0) {
left = mid;
break;
} else if (compareresult < 0) {
left = mid + 1;
} else {
right = mid - 1;
}
}
targetindex = left;
// key比array中所有key都要大
if (targetindex >= getsize()) {
return array[getsize() - 1].second;
}
if (comparator(array[targetindex].first, key) == 0) {
return array[targetindex].second;
} else {
return array[targetindex - 1].second;
}
}
因为key是已排序的，所以可以先二分查找第一个大于或等于key的下标targetindex，如果targetindex对应的key就是我们要找的key，那么targetindex对应的value就是下一步要搜索的节点，否则targetindex-1对应的value是下一步应该搜索的节点。
插入操作
课本p494给出了完整的insert(key, value)操作的伪代码。
思路就是：
- 先找到key应该出现的叶子节点，将(key, value)插入到该叶子节点中。
- 如果插入后该叶子节点中键值对超出了最大值，则进行分裂。如果插入后没有超出最大限制，那么就完成任务了。
如上图准备插入(7, 'g')，但是插入前p1叶子结点已经满了，那么先插入，然后将插入后的节点，分裂出新的节点p3，将p1原来一半的元素挪到p3，然后将(6, p3)插入到父节点p2中，其中6是新创建的节点p3第一个key。
同样的，如果我们在父节点p2中插入了(6, p3)导致了p2超过最大限制，p2也需要分裂，以此类推，这个过程可能产生新的根节点。
删除操作
课本p498给出了完整的delete(key)操作的伪代码。
思路：
- 先找到key应该出现的叶子节点，删除该叶子节点中key对应的键值对。
- 删除后如果个数少于规定最少个数，那么有两个措施，如果当前节点个数和兄弟节点个数总和不超过允许的最大个数，那么进行并合。否则，从兄弟节点中借一个元素。
上图第一种情况：
删除(7, 'g')后，p3只有一个元素，少于最少允许的个数（2），于是将(6, 'f')已到兄弟节点p1, 删除p3节点，并且删除父节点p2中的(6, p3)，如果p2也少于最少允许个数，递归进行。
第二种请求：
删除p3的(8, 'h')后，p3只有一个元素，于是从兄弟节点p1借一个元素(6, f)，然后将父节点(7, 'g')修改为(6, 'f')，这种情况不需要递归。
支持并发操作
最粗暴的方式就是在find, insert, delete开始就加锁，执行完毕后解锁，这样逻辑上没有问题，但是并发效率很低，相当于串行执行。
crabbing协议
该协议允许多个线程同时访问修改b+树。
基本算法
- 对于查询操作，从根节点开始，首先获取根节点的读锁，然后在根节点中查找key应该出现的孩子节点，获取孩子节点的读锁，然后释放根节点的读锁，以此类推，直到找到目标叶子节点，此时该叶子节点获取了读锁。
- 对于删除和插入操作，也是从根节点开始，先获取根节点的写锁，一旦孩子节点也获取了写锁，检查根节点是否安全，如果安全释放孩子节点所有祖先节点的写锁，以此类推，直到找到目标叶子节点。节点安全定义如下：如果对于插入操作，如果再插入一个元素，不会产生分裂，或者对于删除操作，如果再删除一个元素，不会产生并合。
举个查找过程的例子，查找key=38：
举个插入过程的例子，插入25：
crab有螃蟹的意思，了解完crabbing协议加锁的过程，应该不难理解为什么叫crabbing协议了吧。
需要注意的地方
我们需要保护根节点id。
考虑下面这种情况：
两个线程同时执行插入操作，插入前b+树只有一个节点，线程一插入当前key后将分裂，生成一个新的根节点。另一个线程在线程一分裂前读取了旧的根节点，从而将key插入到了错误的叶子节点中。
解决办法：
在访问，修改root_page_id_的地方加锁，访问或者修改完毕root_page_id_后释放锁。root_page_id_指向的是该b+树的根节点，会保存在内存中，以便快速查找。
实验遇到的坑和解决方案
- 前文提到我们需要保护root_page_id_这个变量，可以用一个mutex，访问或修改前加锁，访问或者修改后释放锁。一次加锁只能对应一次解锁，如果多调用了一次unlock()，同样起不到保护的作用。unlock()调用分别在各个函数中，很可能不小心就多调用了次，所以千万要小心。
- 必须先释放page上的锁，然后才能unpin该page。为什么？我们知道unpin后，如果pin_count为0，那么这个page将被送到lrureplacer，当没有足够的page时，将从lrureplacer中取page，将该page的内容保存到磁盘后用于保存其它其它页的内容。考虑下面这个场景：在插入25的过程中，查找到目标叶子节点，这时该叶子节点肯定被加上了写锁，如果我们执行完插入后，先unpin了该page，然后才释放该page的锁。可能出现这种情况，在unpin完后，释放锁前，这个page被送到了lrureplacer，另一个线程请求访问页面1，但是所有的page都被占用了，lrureplacer选择这个淘汰带锁的这个page来保存页面1，因为该page的锁还没释放，所以另一个线程可以直接访问或者修改，这是回到原来的线程，再释放已经晚了。
- lab本身提供的测试case是完全不够的，就算全部通过了，也不能保证代码是正确的。我自己加入了很多测试，涵盖多个线程的，根节点分裂等case。原代码只有对bplustree的测试，所以我添加了对bplustreeinternalpage和bplustreeleafpage单独的测试，这样在用bplustreeinternalpage和bplustreeleafpage构建bplustree前能保证自己是正确的。
- 在使用完一个page后应该立刻unpin掉，不能忘记unpin，如果忘记unpin的话，那么这个page将永远不能用于保存其它页，当所有page都被占用后，系统将无法继续运行。这个问题一度困扰我很久，一定要非常仔细。
- 本lab的一个难点是调试，多使用assert和log。
最后，贴个实现：