你的位置:首页 > 数据库

[数据库]在Hekaton里,正确选择哈希存储桶数


今天我使用2048的桶数的哈希索引,往Hakaton里插入100万的记录,测试下在哈希桶数里,哈希冲突(Hash Collision)是如何影响Hekaton的工作量——结果非常非常有意思。首先我想介绍下什么是哈希冲突。

你可能知道(非常希望),在SQL Server 2014里,Hakaton表是以哈希索引(Hash Indexes)实现的。维基百科对此有详细介绍,这是哈希索引的应用基础。 哈希函数将索引键映射到哈希索引中对应的 Bucket,哈希函数的结果决定你的行最终放入那个哈希桶。如果多个键值哈希到同个值,SQL Server会在那个哈希桶里插入,在那个哈希桶有多个入口链接在一起。来看下面的图示(来自维基百科):

从图中可以看到,键值“John Smith“和“Sandra Dee”哈希到同个桶——这里是152号桶。这意味着那2行都存在同个哈希桶里,这会影响INSERT性能,还有SELECT的查询性能。在INSERT期间,SQL Server需要维护链接列表,在SELECT查询期间,SQL Server需要扫描链接列表。

介绍完哈希冲突后,我们来用一个简单的例子演示下哈希冲突对性能的影响。我们来创建带Hekaton表的数据库:

 1 -- Create new database 2 CREATE DATABASE HashCollisions 3 GO 4  5 --Add MEMORY_OPTIMIZED_DATA filegroup to the database. 6 ALTER DATABASE HashCollisions 7 ADD FILEGROUP HekatonFileGroup CONTAINS MEMORY_OPTIMIZED_DATA 8 GO 9 10 USE HashCollisions11 GO12 13 -- Add a new file to the previous created file group14 ALTER DATABASE HashCollisions ADD FILE15 (16   NAME = N'HekatonContainer', 17   FILENAME = N'C:\Program Files\Microsoft SQL Server\MSSQL12.MSSQLSERVER\MSSQL\DATA\HashCollisionsContainer'18 )19 TO FILEGROUP [HekatonFileGroup]20 GO21 22 -- Create a simple table23 CREATE TABLE TestTable24 (25   Col1 INT NOT NULL PRIMARY KEY NONCLUSTERED HASH WITH (BUCKET_COUNT = 1024),26   Col2 INT NOT NULL,27   Col3 INT NOT NULL28 )29 WITH30 (31   MEMORY_OPTIMIZED = ON, 32   DURABILITY = SCHEMA_ONLY33 )34 GO

从代码里可以看到,这里我用的1024的哈希桶数——桶数并不多,然后我会往表里插入1000000的记录。接下来我会创建本机编译的存储过程,这样的话我可以用Hekaton的贼快速度: 

 1 -- Create a native compiled Stored Procedure 2 CREATE PROCEDURE InsertTestData 3 WITH  4   NATIVE_COMPILATION,  5   SCHEMABINDING,  6   EXECUTE AS OWNER 7 AS  8 BEGIN 9   ATOMIC WITH 10   (11     TRANSACTION 12     ISOLATION LEVEL = SNAPSHOT,13     LANGUAGE = N'us_english'14   )15 16   DECLARE @i INT = 017   18   WHILE @i < 100000019   BEGIN20     INSERT INTO dbo.TestTable (Col1, Col2, Col3) VALUES (@i,@i, @i)21 22     SET @i += 123   END24 END25 GO

可以看到,这里我用简单的循环来插入1000000条记录。在4核CPU,4G内存的虚拟机上,我们打开时间统计,来执行这个存储过程:

1 SET STATISTICS TIME ON2 3 EXEC dbo.InsertTestData

执行时间差不多有42秒,这已经很慢了。我们不断翻倍桶数到1048576,你会看到随着桶数的增加,性能也得到了不断的提升。

 1 DROP PROCEDURE dbo.InsertTestData 2 DROP TABLE dbo.TestTable 3  4 -- Create a simple table 5 CREATE TABLE TestTable 6 ( 7   Col1 INT NOT NULL PRIMARY KEY NONCLUSTERED HASH WITH (BUCKET_COUNT = 1048576), 8   Col2 INT NOT NULL, 9   Col3 INT NOT NULL10 )11 WITH12 (13   MEMORY_OPTIMIZED = ON, 14   DURABILITY = SCHEMA_ONLY15 )16 GO17 18 19 -- Create a native compiled Stored Procedure20 CREATE PROCEDURE InsertTestData21 WITH 22   NATIVE_COMPILATION, 23   SCHEMABINDING, 24   EXECUTE AS OWNER25 AS 26 BEGIN27   ATOMIC WITH 28   (29     TRANSACTION 30     ISOLATION LEVEL = SNAPSHOT,31     LANGUAGE = N'us_english'32   )33 34   DECLARE @i INT = 035   36   WHILE @i < 100000037   BEGIN38     INSERT INTO dbo.TestTable (Col1, Col2, Col3) VALUES (@i,@i, @i)39 40     SET @i += 141   END42 END43 GO

我们继续执行这个存储过程:

1 SET STATISTICS TIME ON2 3 EXEC dbo.InsertTestData

执行同个存储过程只需要780毫秒,与第一次用1024个桶数的测试运行,这已经是天大的区别。你也可以用DMV sys.dm_db_xtp_hash_index_stats来看下在你的哈希索引里有几桶被使用:

1 SELECT * FROM sys.dm_db_xtp_hash_index_stats

这个测试告诉我们什么呢?要为Hekaton的哈希索引的存储桶数,要做出正确的选择,因为它们会大大影响SQL Server的性能!最佳桶数应该是在哈希索引里不同值的个数——另外要保留一些可用空间(在不同值个数上稍加),安全起见。你也不能把选择太高的存储桶数,因为相反你就在浪费内存。在SQL Server里的几乎每个设置——都是基于你的工作量的而定,数据库收缩除外哦!

感谢关注!