揭秘 PostgreSQL 的内部原理 - 第 1 章

比眉伴天荒 2024-03-16 22:34 48阅读 0赞

介绍  
PostgreSQL 是一种开源对象关系数据库系统，因其稳健性、可扩展性和灵活性而广受欢迎。作为开发人员和数据库爱好者，我们经常与 PostgreSQL 进行高层交互，利用其强大的功能来构建和管理我们的应用程序。但你有没有想过表面之下隐藏着什么？了解其内部机制对于开发人员和数据库管理员都至关重要。

对我们来说幸运的是，著名作家 Hironobu SUZUKI 以《PostgreSQL 的内部原理》一书的形式编写了一本综合指南。我将在单独的博客文章中介绍本书的每一章，作为围绕理解 PostgreSQL 的分步博客系列的一部分。

在第一篇博客中，我将介绍第 1 章“数据库集群、数据库和表”，它是从头开始理解 PostgreSQL 及其所有子系统内部工作原理的门户。

数据库集群  
在阅读本章之前，我在使用 MongoDB 和 PostgreSQL 时多次遇到“数据库集群”这个术语，但从未真正尝试理解它的含义。对我来说幸运的是，第一章首先解释数据库集群在逻辑上和物理上的含义。

逻辑结构  
在 PostgreSQL 中，数据库集群是由运行在单个主机上的一台 PostgreSQL 服务器管理的数据库集合。这似乎是显而易见的，但有一个常见的误解，即数据库集群是一组数据库服务器，本书解释这是完全不正确的。  
数据库是用于存储或引用数据（例如表、索引、视图、函数、序列等）的数据库对象的集合。在 PostgreSQL 中，数据库也是通过 OID（对象标识符）进行内部管理的数据库对象。OID 是无符号 4 字节整数，根据对象类型存储在系统目录中。

物理结构  
PostgreSQL 中数据库集群的物理结构涉及目录。集群是基目录，其路径通常设置为 PGDATA。基本目录下是表的子目录。数据库目录名称与其 OID 相同。至少一个文件（表或索引）\* 与配置文件一起存储在子目录下。这些数据文件由名为relfilenode的变量管理，其值通常与各自的 OID 匹配。  
PostgreSQL 还支持表空间，表空间是在基本目录之外存储数据的目录。它是在您发出 CREATE TABLESPACE 语句时创建的。

\*大小小于1GB。如果大于 1GB，则会创建并使用一个新文件。

堆表文件的内部布局  
上面介绍的数据文件被分为固定长度的页或块\*。这些页/块从0开始按顺序编号。这些顺序编号称为块号。如果文件已达到其容量，PostgreSQL 会在文件末尾添加一个空页以增加大小。  
一个页/块包含3种数据：

堆元组：它本身就是一个记录数据。第 5.2 节和第 9 章对此进行了更详细的介绍。  
行指针：保存指向每个堆元组的指针，长度为 4 字节。  
标头数据：包含有关页面的一般信息，长度为 24 字节。它的主要变量是pd\_lsn、pd\_checksum、pd\_lower、pd\_upper和pd\_special。  
\*默认大小为 8 KB

写入和读取元组的方法  
编写堆元组  
仅包含一个包含一个堆元组的页的表将具有指向第一行指针的 pd\_lower 值。行指针和 pd\_upper 都将指向第一个堆元组。如果添加第二个堆元组，它当然会出现在第一个堆元组之后。第二行指针将被推到第一行指针上并指向第二个元组。然后 pd\_lower 将指向第二行指针，pd\_upper 将指向第二个堆元组。

读取堆元组  
典型的访问方式有两种：

顺序扫描：通过扫描每页中的所有行指针来顺序读取所有页中的所有元组。这意味着 PostgreSQL 会遍历每个页面并检查所有行指针以检索元组。当您想要扫描整个表时，此方法很有用。  
B树索引扫描：索引文件包含由索引键和指向目标堆元组的TID（元组标识符）组成的索引元组。如果找到具有所需键的索引元组，PostgreSQL将使用获得的TID值检索相应的堆元组。通过使用索引，PostgreSQL可以直接定位到所需的元组，而无需不必要地扫描所有页面。

关注我的博客，您将在其中获得提示、技巧和挑战，以保持您的技能敏锐。记得关注我哦！