Index Concurrency Control
在前两节中讨论的数据结构中，我们都只考虑单线程访问的情况。实践中，绝大多数情况下，我们需要在并发访问情况下保证我们的数据结构还能够正常工作。除了 VoltDB，它用一个线程处理所有请求，彻底排除了并发的需要。
通常我们会从两个层面上来理解并发控制的正确性：
Logical Correctness：（17 节）我是否能看到我应该要看到的数据？
Physical Correctness：（本节）数据的内部表示是否安好？
Latch Modes
Index Crabbing/Coupling
Leaf Scans
Delayed Parent Updates
多个线程可以同时读取相同的数据
针对相同的数据，当别的线程已经获得处于 read mode 的 latch，新的线程也可以继续获取 read mode 的 latch
同一时间只有单个线程可以访问
针对相同的数据，如果获取前已经有别的线程获得任何 mode 的 latch，新的线程就无法获取 write mode 的 latch
我们希望在最大程度上允许多个线程同时读取、更新同一个 B+ Tree index，主要需要考虑两种情况：
多个线程同时修改同一个 node
一个线程正在遍历 B+ Tree 的同时，另一个线程正在 splits/merges nodes
举例如下：
T1 想要删除 44，T2 想要查询 41。删除 44 时，DBMS 需要 rebalance D 节点，将 H 节点拆分成两个节点。若在拆分前，T2 读取到 D 节点，发现 41 在 H 节点，此时时间片轮转到了 T1，T1 把 D 节点拆分成 H、I 两个节点，同时把 41 转移到 I 节点，之后 CPU 交还给 T2，T2 到 H 节点就找不到 41，如下图所示：
如何解决该问题？由于 B+ Tree 是树状结构，有明确的访问顺序，因此很容易想到沿着访问路径加锁的方法，即 Latch Crabbing/Coupling
Latch Crabbing 的基本思想如下：
获取 parent 的 latch
获取 child 的 latch
如果安全，则可以释放 parent 的 latch
这里的“安全”指的是，当发生更新操作时，该节点不会发生 split 或 merge 的操作，即：
在插入元素时，节点未满
在删除元素时，节点超过半满
从 root 往下，不断地：
获取 child 的 read latch
释放 parent 的 read latch
举例如下：Search 38
从 root 往下，按照需要获取 write latch，一旦获取了 child 的 write latch，检查它是否安全，如果安全，则释放之前获取的所有 write latch。
例 1 如下：Delete 38
例 2 如下：Insert 45
例 3：Insert 25
在实际应用中：
更新操作每次都需要在路径上获取 write latch 容易成为系统并发瓶颈
通常 Node 的大小为一个 page，可以存储很多 keys，因此更新操作的出现频率不算高
我们能否在 Latch Crabbing 的基础上做得更好？
可以采用类似乐观锁的思想，假设 leaf node 是安全（更新操作仅会引起 leaf node 的变化）的，在查询路径上一路获取、释放 read latch，到达 leaf node 时，若操作不会引起 split/merge 发生，则只需要在 leaf node 上获取 write latch 然后更新数据，释放 write latch 即可；若操作会引起 split/merge 发生，则重新执行一遍，此时在查询路径上一路获取、释放 write latch，即 Latch Crabbing 原始方案。
举例：Delete 38
Search：与 Latch Crabbing 相同
Insert/Delete:
使用与 Search 相同的方式在查询路径上获取、释放 latch，在 leaf node 上获取 write latch
如果 leaf node 不安全，可能会引起其它节点的变动，则使用 Latch Crabbing 的策略再执行一遍
该方法乐观地假设整个操作只会引起 leaf node 的变化，若假设错误，则使用 Latch Crabbing 的原始方案。
之前的分析中我们仅仅关注了从上到下的访问模式，而没有考虑到左右方向的访问模式，在 range query 中，常常需要横向访问相邻的 nodes。
例1：T1: Find Keys < 4
如果此时刚好有另一个线程作相反方向的访问：T2: Find Keys > 1：
由于 read latch 允许被多次获取，因此并发读的情况不会产生负面影响。
例 2：T1: Delete 4，T2: Find Keys > 1
当遇到横向扫描无法获取下一个节点的 latch 时，该线程将释放 latch 后自杀。这种策略逻辑简单，尽管有理论上的优化空间，但在实践中是常见的避免死锁的方式。
从上文中，我们可以观察到：每当 leaf node 溢出时，我们都需要更新至少 3 个节点：
即将被拆分的 leaf node
新的 leaf node
parent node
修改的成本较高，因此 B-link Tree 提出了一种优化策略：每当 leaf node 溢出时，只是标记一下而暂时不更新 parent node，等下一次有别的线程获取 parnet node 的 write latch 时，一并修改。
举例如下：Insert 25
Delayed Parent Updates 仅用在 insert 操作中。
让一个数据结构具备并发安全的特点知难行易，尽管本节只是介绍 B+ Tree 上的相关技术，但这些技术同样适用于其他数据结构。
slides
