ManticoreSearch优化与更新操作的并发性能改进
背景介绍
ManticoreSearch作为一款高性能的全文搜索引擎,在处理大规模数据时经常需要进行数据更新(UPDATE)和索引优化(OPTIMIZE)操作。然而,在实际使用中发现,当这两个操作同时执行时会出现严重的性能问题——更新操作会被优化操作完全阻塞,导致系统响应时间显著增加。
问题现象
通过一个简单的测试用例可以重现这个问题:首先创建一个包含200万条记录的测试表,然后同时执行OPTIMIZE和UPDATE操作。测试结果显示,即使只是更新单条记录,UPDATE操作也需要等待长达12秒才能完成,完全被OPTIMIZE操作阻塞。
更严重的是,这种阻塞还会影响其他查询操作。例如,在OPTIMIZE和UPDATE同时执行期间,简单的SELECT COUNT(*)查询也需要等待11秒才能返回结果,这显然无法满足生产环境对实时性的要求。
技术分析
经过深入分析,发现这个问题源于ManticoreSearch内部的锁机制设计:
-
全局锁争用问题:OPTIMIZE操作会获取表的共享锁,而UPDATE操作需要获取排他锁。当OPTIMIZE操作正在进行时,UPDATE操作必须等待OPTIMIZE释放锁后才能继续执行。
-
属性复制阶段的锁粒度:在合并磁盘块(disk chunks)的过程中,最耗时的属性复制阶段会持有锁。对于非BLOB属性的更新,只需要等待相关块合并完成;但对于BLOB属性的更新,则需要等待所有块合并完成。
-
锁优先级设计:系统当前采用"写优先"的锁策略,当有写操作等待时,后续的读操作也会被阻塞,这是为了防止写操作被大量读操作"饿死"。
解决方案
开发团队针对这个问题提出了分阶段的优化方案:
第一阶段优化:减少BLOB更新的阻塞范围
通过重构OPTIMIZE任务的执行流程,使其不再需要获取全局索引锁。这样BLOB属性的更新只需要等待相关块的合并完成,而不必等待整个OPTIMIZE操作结束。这一优化显著减少了BLOB更新的等待时间。
第二阶段优化:细化合并过程中的锁粒度
在磁盘块合并过程中,进一步优化了属性复制的锁机制:
- 将长时的属性复制操作分解为多个阶段
- 在保证数据一致性的前提下,增加安全检查点
- 允许UPDATE操作在这些安全检查点处执行
这使得即使是大型表的合并操作,也能保持较高的更新响应速度。
性能对比
优化前后的性能对比非常明显:
优化前:
- BLOB更新:等待所有块合并完成(约12秒)
- 非BLOB更新:等待相关块合并完成(约6秒)
第一阶段优化后:
- BLOB更新:仅等待相关块合并完成
- 非BLOB更新:行为不变
第二阶段优化后:
- 所有更新操作:等待时间大幅减少,基本不影响用户体验
实际应用建议
对于ManticoreSearch用户,建议:
- 及时升级到包含此优化的版本(7.0.0及以上)
- 对于高频更新的场景,可以适当调整OPTIMIZE的执行频率
- 监控系统负载,在低峰期执行大规模的OPTIMIZE操作
- 对于实时性要求高的应用,考虑使用分布式架构分散负载
总结
ManticoreSearch通过精细化的锁机制优化,有效解决了UPDATE操作被OPTIMIZE阻塞的问题。这一改进显著提升了系统在高并发场景下的响应能力,使ManticoreSearch更适合需要实时数据更新的应用场景。开发团队将继续关注系统性能优化,为用户提供更出色的搜索体验。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









