在sqlserver中，几年之前就注意到一个现象：sqlserver中对一个大表创建索引或者rebuild索引的过程中，会引起内存剧烈的动荡，究其原因为何，这种现象到底正不正常，是不是sqlserver内存管理存在缺陷？
另外，最近刚好想到跟MySQL对比一下类似操作引起的内存变化，测试MySQL会不会有类似问题，这里就简单写个代码验证一下这个问题。
数据库是一个非常依赖内存资源的软件系统，通过缓存数据（索引）到内存中，来改善数据物理访问的性能问题，
但是内存往往又不是无限大，或者足以容纳所有相关数据的容量，因此就存在内存页面的淘汰问题。
内存页的淘汰算法，多数是遵循LRU算法，LRU是Least Recently Used的缩写，也即遵循“最近做少使用”的原则，选择最近最久未使用的页面予以淘汰。
这个算法表面上看起来没什么问题，如果有注意观察过在一台相对稳定的服务器上，给大表创建索引的过程，就会发现，整个过程中，buffer pool会发生剧烈的动荡，创建索引的表会迅速侵入内存，挤走内存中原本的缓存。
由于SQLServer作为商业数据库，有关于它的页面淘汰算法的研究较少，仅仅是指导一个大概是遵循LRU的原则的，但是有没有在LRU的基础上进行改进或者优化，就不得而知，
但是SQLServer究竟有没有对该问题做改进或者优化？这里从一个索引的创建来管中窥豹，从侧面验证一下这个算法。
这里需要借助SQLServer中的一个变量值：Page life expectancy，
相信稍微熟悉SQLServer一点的人应该都知道这个参数代表的意义：内存页面的平均滞留时间，如果内存页面不断地被置换出去，这个值将会维持不变或者变得更小，因为新载入内存的页面在内存中停留的时间是较短的。
不知道有没有人注意过，在一台内存相对稳定的服务器上，对大表（1000W+）创建索引的时候，Page life expectancy这个变量值会急转直下，这说明了什么？
大表创建索引粗略讲是读数据，然后写数据（索引树）的过程，这个过程中必然将相关的表读入内存，那么读入内存之后，他有没有淘汰内存中已有的数据？|
如果有，这明显是不合理的，创建索引只是创建索引，目的不是把内存中已有的热数据挤走，但是它还真的给内存中已有的热数据给挤走了。
反观MySQL（Innodb引擎），Redis等数据库，都是基于优化的LRU或者LFU的原则淘汰页面。
MySQL甚至可以人为地去调整这个LFU算法的一些参数值（innodb_old_blocks_pct，innodb_old_blocks_time），来达到优化内存淘汰的目的。
MySQL中虽然没有类似于PLE的参数，但是可以从其他参数来间接推断，如果发生同样的操作，相关的表会不会挤走内存中的热数据.
这里基于MySQL information_schema.innodb_buffer_pool_stats这张表来作分析，其中这个表有两个字段，pages_made_young, pages_not_made_young ，这两个的变化代表这个新进入内存中的页面冷热变化情况。
同样的道理，如果内存中充斥着大量的热点数据，在对一个大表创建索引的过程中，并不希望因为创建索引而把热点数据挤出内存，究竟是不是这样的，同样在创建索引的过程中，观察一下这两个值的变化情况就可以了。
测试方法
这里通过循环，以5秒为间隔，连续输出sqlserver中的Page life expectancy这个变量的值，以及MySQL中的pages_made_young和pages_not_made_young。
#coding=utf-8
import threading
import pymssql
import pymysql
from time import ctime,sleep
import datetime
import time
mssql_conn_conf = {"host": "***.***.***.***", "port": 1433, "db": "master"}
mysql_conn_conf = {"host": "***.***.***.***", "port": 3306, "user": "root", "password": "***", "db": "information_schema"}
def mssql_ple():
conn = pymssql.connect(host=mssql_conn_conf["host"], port=mssql_conn_conf["port"], database=mssql_conn_conf["db"])
cursor = conn.cursor()
try:
cursor.execute(" select cntr_value from sys.dm_os_performance_counters where object_name = "MSSQL$SQL2014:Buffer Manager" and counter_name = "Page life expectancy" ")
row = cursor.fetchone()
print(datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")+ "------>"+str(row[0]))
except pymssql.Error as e:
print("mysql execute error:", e)
cursor.close()
conn.close()
def mysql_memory():
conn = pymysql.connect(host=mysql_conn_conf["host"], port=mysql_conn_conf["port"], database=mysql_conn_conf["db"],user=mysql_conn_conf["user"],password = mysql_conn_conf["password"])
cursor = conn.cursor()
try:
cursor.execute("""
SELECT
SUM(pages_made_young) AS total_pages_made_young,
SUM(pages_not_made_young) AS total_pages_not_made_young
FROM
(
SELECT pages_made_young, pages_not_made_young
FROM information_schema.innodb_buffer_pool_stats
)t;
""")
row = cursor.fetchone()
print(datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")+ "------>"+"made_young:"+str(row[0])+" not_made_young:"+str(row[1]))
except pymssql.Error as e:
print("mysql execute error:", e)
cursor.close()
conn.close()
if __name__ == "__main__":
while 1>0:
mysql_memory()
time.sleep(5)SQLServer中的PLE变化测试
其实很容易观察，对于一台没有负载的服务器，因为没有新的内存页面载入内存，它的Page life expectancy值是递增的的，这个变量的单位是秒，间隔一秒，这个值会自动加1。
一旦有新的页面载入内存，如果内存已经被用完，随着内存中已有的页面淘汰出去，这个值是会自动递减的，或者出现断崖式的下降。
这里运行上述脚本，打印出来当前服务器的Page life expectancy值，稍等一段时间后，在某个大表上创建出一个索引，再观察这个值的变化情况，
step1，对DB01库上的表进行反复的查询，使其载入内存（最近较多使用），左图是DB01库占用的内存情况，
step2，在DB02库上对一张大表创建索引，此过程中中会发现创建索引的表会迅速将已换成的数据挤出内存
MySQL中的pages_made_young和page_not_made_young测试
因笔者事前重启过实例，因此made_young的值很小，关键要看，在某个大表上创建索引的过程中是不是会大量的made_young就行了。
这里可以看到，在创建索引开始之后，会出现大量的not_made_young,实际上这种效果是预期的，仅仅是创建索引，而不是顺带让当前这个大表的数据挤走热点数据（并没有大批量的made_young）
这里也给出在db02上创建索引前后两个库占用的内存情况，虽然db02在其某个大表上创建索引之后占用了一定量的内存，但是这部分内存并非热数据，是随时可以被挤出buffer pool的，因为他们没有page_made_young
step1，对db01库上的表进行的多次查询，使其载入内存，左图是db01库占用的内存情况，
step2，在db02库上对一张大表创建索引，此过程中中会发现不断地有大量的page_not_made_young,另外原本的db01库的内存并没有被大量的挤出。
总结
以个人浅薄的经历以及测试过程，发现sqlserver的内存管理，与MySQL相比，一直停留在小学二年级的水平，其buffer pool管理本身的算法就存在问题，又是一个黑盒，也没有人为可以调整的可能性。
sqlserver再不加油，真的就没人用了……
