PostgreSQL技术内幕22：vacuum full 和 vacuum

0.简介

在之前介绍MVCC文章中介绍过常见的MVCC实现的两种方式，一种是将旧数据放到回滚段，一种是直接生成一条新数据（对于删除是不删除），PG采用的是第二种，虽然实现上较为清晰简单，但面临着数据膨胀的问题。本文将介绍其清理命令vacuum，主要包含概念和使用方式，以及实现原理。

1.概念及使用方式

vacuum是一个SQL命令，可以进行垃圾回收并选择性的分析数据库，其语法如下，主要看full和analyze，full的作用下面会详细介绍，analyze的作用就是同时收集表内容的统计信息，结果放在pg_statistic系统目录中，然后查询计划就能使用这个信息去制定高效的计划。

VACUUM [ ( option [, ...] ) ] [ table_and_columns [, ...] ]
VACUUM [ FULL ] [ FREEZE ] [ VERBOSE ] [ ANALYZE ] [ table_and_columns [, ...] ]where option can be one of:FULL [ boolean ]FREEZE [ boolean ]VERBOSE [ boolean ]ANALYZE [ boolean ]DISABLE_PAGE_SKIPPING [ boolean ]SKIP_LOCKED [ boolean ]INDEX_CLEANUP { AUTO | ON | OFF }PROCESS_MAIN [ boolean ]PROCESS_TOAST [ boolean ]TRUNCATE [ boolean ]PARALLEL integerSKIP_DATABASE_STATS [ boolean ]ONLY_DATABASE_STATS [ boolean ]BUFFER_USAGE_LIMIT sizeand table_and_columns is:table_name [ ( column_name [, ...] ) ]

2.工作原理

2.1 主要功能

1）清理失效元组。
2）生成分析数据
3）更新VM(visibility map)。
4） 防止事务id环绕。

2.2 清理流程

其流程如下：

1. 清理失效元组第一步是要识别出那些是失效元组，在之前的MVCC中介绍过，其有xmin和xmax，xmax表示被那个事务删除，如果已经提交了且没有小于xmax的事务继续执行，那么就说明这个元组失效，知道怎么查找失效元组后我们看清理步骤。
   找到dead tuples后会构建该表的dead tuples的链表，该链表存储在缓存中，然后会去移除dead tuples指向的index。这步也就是先清理index。
2. 移除完index后就需要开始处理其本身，在这不使用vacuum和vacuum full存在区别，vacuum只是去把dead tuples的部分标记为可重用空间然后整理其剩余元组将其重新排列，也就是表的实际空间并没有减少，只是可以重用了；而vacuum full是将目标表有效tuples拷贝到新表中然后删除目标表，然后重建索引。
3. 删除完dead tuples后就需要更新VM和FSM，这两个的作用在前面文章PG逻辑存储层级和物理存储结构中有描述。
4. 最后就是可以更新统计信息及相关系统表。

2.3 防止事务id环绕说明

PG的事务id是32位的，最多就是2的32次方，也就是4294967296，所以其采用的是循环利用的方式，同时MVCC是比较依赖事务ID，如果插入的XID大于当前事务XID的行版本，那么就是将来的事务，对当前事务不可见。有以上两个基础，不难想象如果运行足够长的时间，xid计数器会变为0，可能会导致所有以前的数据都被认为是未来的，也就是所有数据都看不到（这只是事务id回卷的一种场景），PG解决这种场景的方式是通过vacuum，识别存在很长时间的数据将其记录为FREEZE，这些数据不遵循XID比较原则，对所有事务可见。

3.使用建议

可以看见Vacuum比较于Vacuum full有着更快的执行速度，但其不能减小膨胀后的空间，运行时FREEZE很老的记录。而Vacuum full能回收更多空间，但其运行缓慢，运行后所有记录都被FREEZE，其需要全程加独占锁，不推荐生产环境使用。
处理上述两种主动清理，PG还支持字段清理，即Autovacuum，其可以根据需要设置使用在晚上（使用较少时）执行清理，尽可能减少影响。