[!info] related notes

• 所属 MOC：数据库 MOC
• 后续：B+Tree 数据库索引、数据库索引
• 查询：SQL 查询执行流程、索引选择性、基数与代价
• 持久化：WAL、Redo Log

数据库 Page 与 Buffer Pool

[!abstract] 一句话定义 关系型数据库通常以 Page（页）作为主要磁盘 I/O 与缓存单位，并由 Buffer Pool / Buffer Cache 管理内存中的 Page。查询性能常取决于需要访问多少 Page、访问模式是否连续，以及这些 Page 是否已在内存中。

为什么不是“按行读磁盘”

存储设备和文件系统适合按块传输数据；如果每读取一行都单独做随机 I/O，成本会非常高。

Disk / SSD
→ read fixed-size Page
→ Buffer Pool
→ executor accesses tuple / index entry

不同数据库页大小和布局不同，但“批量搬运、内存复用、减少随机 I/O”的目标相同。

一个 Page 里有什么

Page 通常包含：

• Page Header；
• Slot / Item Directory；
• Row / Tuple 或 Index Entry；
• Free Space；
• Page-level Metadata；
• 校验、日志位置或事务相关信息。

因此 Page 不是简单的“若干行拼在一起”，数据库还要维护空闲空间、可见性和更新位置。

Buffer Pool 做什么

读取 Page 时：

lookup page id in buffer pool
├─ hit  → pin / latch → read memory
└─ miss → choose victim → flush if dirty → read from disk

核心职责包括：

• Page 查找与缓存；
• Pin / Reference，避免使用中被淘汰；
• Replacement Policy；
• Dirty Page 管理；
• Prefetch / Read-ahead；
• 与 WAL / Checkpoint 协作。

Buffer Hit 不等于 Query 一定快

即使全部命中内存，仍可能因为扫描 Page 太多、锁竞争、CPU 计算、排序、Join 或内存复制而慢。

Buffer Miss 不等于每次都访问物理磁盘

操作系统 Page Cache、存储设备缓存和数据库自己的 Buffer Pool 可能共同参与。具体数据库是否绕过 OS Cache、如何 Flush，要按实现分析。

Dirty Page 与 WAL

修改行时，数据库通常先更新内存中的 Page，将其标记 Dirty，稍后再写回数据文件。

transaction changes page
→ WAL / Redo record becomes durable first
→ dirty page may flush later

这就是 Write-Ahead Logging 的核心约束：描述变更的日志必须先于对应 Data Page 持久化，崩溃后才能 Redo 未刷盘修改。

[!warning] COMMIT 不等于所有 Data Page 已写回 提交成功通常要求相关日志达到持久性条件；Dirty Page 可以由后台写回和 Checkpoint 稍后落盘。

随机 I/O 与顺序 I/O

• Random I/O：跳到不同位置读取少量 Page；
• Sequential Scan：连续读取大量 Page，更容易利用预读和存储吞吐。

因此命中表中大部分行时：

index scan + many random heap/table fetches

可能比顺序扫描全表更贵。优化器会根据选择性、相关性、缓存和成本参数做决策。

与 B+Tree 的关系

B+Tree 的 Node 通常映射到一个数据库 Page 或少量 Page：

fixed-size Page
→ internal node stores many keys + child pointers
→ high fan-out
→ low tree height
→ few Page accesses from root to leaf

所以数据库选择 B+Tree 的核心不是抽象复杂度 O(log n) 本身，而是降低外存 Page I/O。

Page Split、Fragmentation 与 Vacuum

Insert / Update 可能让 Page 空间不足：

• B+Tree 发生 Page Split；
• Heap / Table Page 留下 Dead Tuple 或 Fragment；
• 数据库需要 Vacuum、Compaction、Rebuild 或后台清理。

这些行为会影响写放大、缓存命中、树高和磁盘占用。

Buffer Pool 与连接池不是一回事

Buffer Pool     → 缓存数据/索引 Page
Connection Pool → 复用数据库 Session / Connection

连接池满和 Buffer Cache Miss 都可能造成延迟，但排查路径完全不同。

观测与实验

可观察：

• Buffer Hit Ratio；
• Physical / Logical Reads；
• Dirty / Checkpoint Write；
• Page Read Latency；
• Sequential vs Random Scan；
• Table / Index Bloat；
• Cache Eviction 与 Working Set。

[!example] 最小实验 构造一张较大表，分别执行高选择性索引查询和返回大部分行的查询，用 EXPLAIN ANALYZE 与 I/O 统计比较 Page 访问、回表和顺序扫描差异。

掌握标准

• 能解释 Page 为什么是数据库 I/O 单位。
• 能描述 Buffer Hit、Miss、Victim 和 Dirty Page。
• 能说明 WAL 为什么要先于 Data Page 持久化。
• 能解释为什么大范围查询可能放弃索引。
• 能区分 Buffer Pool、OS Page Cache 和 Connection Pool。

Related notes

• B+Tree 数据库索引
• WAL
• 索引选择性、基数与代价