此賬號為華為雲開發者社群官方運營賬號，提供全面深入的雲計算前景分析、豐富的技術乾貨、程式樣例，分享華為雲前沿資訊動態
本文分享自華為雲社群《為什麼vacuum後表還是繼續膨脹？》，原文作者：大威天龍：-。
vacuum 簡介 ：
對於 GaussDB 中的行存表，在更新元組或者刪除元組後，舊版本的資料仍然存在，僅在元組頭資訊中標記了刪除或更新的事務號（xmax）。對於更新和刪除操作頻繁的表，會存在大量垃圾資料，導致磁碟空間的浪費和查詢掃描時額外的 IO 開銷，需要定期執行清理操作（vacuum）來控制行存表以及表上索引的膨脹。
vacuum 操作的內部原理：
Vacuum 的主要步驟：
1。 移除死亡元組並對滿足條件的老元組執行 frozen 操作。
2。 移除指向死亡元組的索引元組，更新對應表的 fsm 和 vm 檔案
FSM： free space map 空閒空間對映檔案，插入資料時會根據該檔案來選擇合適的 page。
VM： visibility map 可見性對映檔案，後續 vacuum 時會根據該檔案來選擇是否掃描某個 page，提高 vacuum 效率；同時在進行 index-only-scan 時也會使用該檔案來提高可見性判斷的效率）。
3。 更新統計資料 pg_stat_all_tables。 Linepointer 不會被移除，用於在之後複用。
示意圖如下：
vacuum 之前
vacuum 之後
為什麼 vacuum 後表還是繼續膨脹
影響 vacuum 效果的因素
1。 Oldestxmin 的推進
vacuum 只能清理掉當前全域性
存活的最老事務
（OldestXmin）之前的事務所產生的垃圾資料，所以如果仍然存在老事務的話（比如長事務或者長 sql 的存在），新事務所產生的垃圾資料並不會被 vacuum 立即清理。例如：
會話 1
：新建表 row_tbl 並插入一條資料，起一個事務先不提交
gaussdb=# create table row_tbl（a int， b int）；CREATE TABLEgaussdb=# insert into row_tbl values（1，1）；INSERT 0 1gaussdb=# begin；BEGINgaussdb=# SELECT txid_current_snapshot（）； txid_current_snapshot————————————- 210115：210115：（1 row）gaussdb=# SELECT txid_current（）； txid_current———————— 210115（1 row）
會話 2
：刪除資料後做 vacuum 清理操作，再次插入資料，資料也沒有複用之前空間；查詢檢視可以發現垃圾資料並沒有被清理掉。
gaussdb=# select ctid，* from row_tbl； ctid | a | b————-+——-+——- （0，1） | 1 | 1（1 row）gaussdb=# delete row_tbl；DELETE 1gaussdb=# SELECT txid_current_snapshot（）； txid_current_snapshot————————————- 210115：210122：（1 row）gaussdb=# vacuum row_tbl；VACUUMgaussdb=# insert into row_tbl values（2，2）；INSERT 0 1gaussdb=# select ctid，* from row_tbl； ctid | a | b————-+——-+——- （0，2） | 2 | 2（1 row）gaussdb=# select n_dead_tup， last_vacuum from pg_stat_all_tables where relname=‘row_tbl’； n_dead_tup | last_vacuum——————+————————————————- 1 | 2021-06-10 20：04：58。987631+08（1 row）
會話 1
：將會話 1 的事務結束再執行 vacuum，查詢檢視可以發現沒有死亡元組，插入資料可以發現複用了舊的空間（即 ctid 是（0，1）的空間）。
gaussdb=# SELECT txid_current_snapshot（）； txid_current_snapshot————————————- 210136：210136：（1 row）gaussdb=# vacuum row_tbl；VACUUMgaussdb=# select n_dead_tup， last_vacuum from pg_stat_all_tables where relname=‘row_tbl’； n_dead_tup | last_vacuum——————+————————————————- 0 | 2021-06-10 20：09：10。516564+08（1 row）gaussdb=# insert into row_tbl values（3，3）；INSERT 0 1gaussdb=# select ctid，* from row_tbl； ctid | a | b————-+——-+——- （0，1） | 3 | 3 （0，2） | 2 | 2（2 rows）
2。 LinePointer 狀態還未處於 unused
元組被刪除後，只有當 vacuum 將元組的 LinePointer（或者叫 item pointer， 指向具體的元組）置為 LP_UNUSED 狀態後，該 LinePointer 才有可能在新插入資料時複用。
3。 Fsm 還未生成插入資料時，依賴 fsm 檔案來選擇可用的 page，如果 fsm 沒有生成則會導致使用新的 page 而不是複用舊的。
4。 批次匯入在舊版本 Gaussdb 中，對錶進行批次插入資料的操作時，會直接申請新的 page 來插入資料。所以在某些場景下雖然 vacuum 後清理了髒資料，但由於業務場景以批次插入為主，導致 vacuum 對膨脹的控制效果並不理想。目前已經支援批次插入資料時對空間的複用。
一些建議與總結
1。 儘量避免長事務，可以透過檢視 pg_running_xacts 檢視是否有老事務沒有結束或者兩階段事務殘留
2。 定期做 vacuum 來及時回收垃圾空間
3。 對於已經膨脹的索引可以透過 reindex 來縮小大小。
4。 vacuum 能清理垃圾資料，但無法將這些空間還給作業系統，對於已經膨脹的表只能透過 vacuum full 來縮小大小。
想了解 GuassDB（DWS）更多資訊，歡迎微信搜尋“GaussDB DWS”關注微信公眾號，和您分享最新最全的 PB 級數倉黑科技~
點選關注，第一時間瞭解華為雲新鮮技術~
