万字长文，帮你梳理存储引擎之Heap表关键知识点

本文链接：https://blog.youkuaiyun.com/gp_community/article/details/110817452

本文深入探讨了Greenplum存储引擎中的Heap表，重点讲解了MVCC机制、文件结构、页面结构和元组结构。通过实例解析了MVCC的事务可见性判断和元组的可见性，强调了数据的多版本管理和并发控制。同时，介绍了Greenplum的文件分片存储、页面组织方式以及Heap表的优化策略，如HOT技术和共享缓冲区管理，为理解Greenplum的存储机制提供了详细的知识框架。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

了解更多Greenplum相关内容，欢迎访问Greenplum中文社区网站

《深入浅出Greenplum内核》系列直播已经进行到第八场，还有二场就要告一段落啦！**前八场的视频内容可以前往Greenplum中文社区B站频道观看相关视频，相关PPT均已上传Greenplum中文社区网站（cn.greenplum.org)的下载页面，欢迎获取！**现在让我们通过这篇万字长文来回顾一下第七场活动《Greenplum分布式事务》精华内容。

存储引擎的知识体系非常庞杂，拥有很多分支内容。而其中，Heap表是最为关键的模块之一，包含了众多重要的知识点，本文将为大家介绍其中的一些关键内容，来帮助大家进一步学习和理解Heap表。

MVCC机制

之前在《Greenplum MVCC并发控制：严格的一致性与极致的性能》中，大家学习了并发控制相关的内容。由于MVCC是存储引擎中非常重要的内容，今天我们再来回顾一下相关要点。

MVCC，全称是Multiversion concurrency control，翻译成中文是多版本管理。多版本控制管理的核心是对数据的更新、修改、和删除处理。在大学计算机课程里，对于数据的增删查改，通常是这么处理的：删除数据会把数据整体抹掉，更新会在数据存储的内存二进制的文件上，或是在文件映像上直接更改数据，从而不会留下历史数据，并且会引起读写互相等待。

MVCC：INSERT, DELETE, UPDATE

多版本管理中，数据的更新和删除并不一定会在原数据上进行修改，而是需要创立一个新的版本，把原数据标记为失效的数据，再在新版本上增加新数据，数据具有多个版本，这也是多版本管理的名称的由来。插入数据需要记住两个信息，一个是数据的创建者，另一个是数据的删除者，每个数据均带有版本信息。

下图中，事务编号为40的事务创建了原始数据，创建记录会被记录下来。在处理删除时，并不会直接将数据抹掉，而是会记录另一个信息：数据的失效时间或是被删除时间。创建事务是40，删除事务是47。而更新会包括两个操作，一个是删除老的事务，一个是增加新的数据。因此更新会增加两个记录，图中的删除记录是78，增加新数据的记录中创建记录也是78。

总结一下MVCC的特点：

**每个数据带有一个版本信息。** 同一个行的数据内容，经过不停修改后，会变成多个数据，历史版本均会存下来。
**数据的更新或删除并不会影响原来数据在磁盘或文件中的位置。** 行更新后，原来的行会被标记为删除，行的位置所在的空间还在，新记录不会替换老记录，老记录的位置将不会改变，这让老数据的指针非常有效，这是一个非常重要的特性。

Greenplum中，在扫描一些数据时，利用第二个特性可以通过不用加锁的方式来访问页面。这是因为该快照时刻可见的数据，被认为是不会被移动的，即使被标记为失效，也不会影响到数据移动并仍然有效。

事务间可见性

事务可见性其实就是基于这种MVCC这种朴实的概念。