前言
DDL 相对于数据库的 DML 之类的其他操作，相对来说是比较耗时、相对重型的操作; 因此对业务的影比较严重。MySQL 从5.6版本开始一直在持续改进其DDL性能：引入了 online DDL，inplace DDL，instant DDL 等实用性极强的功能， DDL 目前对业务的影响持续降低。
MySQL 8.0.29 引入了 instant add/drop column 功能，支持在任意位置添加 column, drop column 也不需要表数据的任何形式的移动， 只需要修改表的元数据就可以完成 add/drop column，所以 instant add/drop column 的操作是轻型操作，速度快，资源需求量少。
ALTER table drop column a, ALGORITHM=INSTANT;
8.0.29 引入了新的alter 算法 INSTANT。
但是这个新功能目前很不稳定，导致的问题比较多; 而且通常都比较严重: 数据损坏，或者数据库无法启动等。
本文是分析其中的一个问题: 对表进行 instant drop 后，进行 update ，之后数据库停机，而后数据库无法启动。
为分析这个问题， 我们会从 instant add/drop column 在 Innodb 的实现原理与细节方面来阐述这个数据腐化bug的具体原因。
Instant add or drop column的主线逻辑
因为这个功能的WorkLog无法从官方获取，所以无法得到准确的设计出发点，通过阅读相关代码，得出要实现这个功能，必须要处理以下关键点：
- 因为要支持在任意位置添加/删除列，同时不会更改表数据文件，所以表的逻辑定义与row的实际存储形式需要映射关系，不再是所见即所得的一一对应的关系。即为了实现这样功能：
表中列的定义顺序与表中行数据(row)的存储顺序是不同的。
同时对同一个table可以做多次instant DDL, 所以需要引入版本机制，在表的数据文件中,不同row对应的表定义可能是不同的，需要在row中记住表定义的version。
以上可以认为是该功能的设计原则与实现的主线逻辑。
表定义的列顺序与row 存储列顺序阐述
在引入这个功能之前， create table 时列定义的顺序与列在 InnoDB 中存储的顺序是一致的。（这里我们不用考虑 InnoDB 添加系统隐藏列）
Instant add/drop column 要实现的亮点功能是在表定义的任意位置添加或者减少 column，同时做这样的操作的时候，能够做到不需要重构表数据。
我们称 column 在表定义中出现的顺序为逻辑顺序;
而 column 在行数据的存储顺序为物理顺序。
要做到修改表定义，而不重构表数据，就必须将逻辑顺序与物理顺序解耦: 不能再像MySQL 8.0.29之前的版本那样，逻辑顺序与物理顺序是完全一致的；而从8.0.29开始通过表的元数据保存了逻辑顺序与物理顺序的映射关系。这种映射关系的构建与维护构成了 instant add/drop column 的基础.
如下图简单阐述了逻辑/物理顺序的关系。
引入row版本的必要性
对于同一张表，Instant add/drop DDL可以执行多次；每一次执行后，逻辑/物理顺序的映射关系就发生变化；同时 instant add/drop DDL 并不需要做表数据的重构操作；因此可以得出经过多次 instant add/drop DDL，InnoDB存储的行数据与表定义存在多种逻辑/物理顺序映射关系：比如说，在 ibd 文件中，前十行数据对应原始的表定义，接下来的十行可能对应着 instant add column 后的数据，再接下来的十行，可能对应着 instant drop column 后的数据。
为了管理这种形式的逻辑/物理，在 InnoDB 中，为每一行实际存储的数据引入了版本号的概念：每个版本号对应着一个逻辑/物理映射关系。
为存储这个版本信息，InnoDB 中，row 的信息头记录的格式有稍微的变化:
如上图所示，在row的extra中存储了其对应的版本号， 同时在 row header 中有标志位指示出了是否存在版本号信息。
根据版本号获取相应的映射关系，就可以正确的解析行数据。
目前版本号最大支持到64， instant add/drop column 到达这个限制后报错；其后如果还需要 instant add/drop column DDL 操作，可能需要做一次能够触发 table rebuild 操作才可以。
数据腐化问题
由 instant add/drop column 引入了多个数据腐化问题，其中一个问题可以从：
[PS-8292] MySQL 8.0.29 fails to perform crash recovery - Percona JIRA(https://jira.percona.com/browse/PS-8292) 查看。
这个问题简单来说：在对表进行 instant drop 后，进行update操作，之后MySQL server 重启，在启动阶段恢复之前的 update 操作会引发 assert 崩溃(debug版本的情况下)。
从代码上看，这个bug可能会造成数据的静默错误(数据完全错乱而且不报任何错误)，而不仅仅是崩溃这一种现象。
通过对core文件的简单分析，造成该问题的大概原因如下：
在通过redo做恢复的时候，字段的逻辑顺序与物理存储顺序之间的映射关系不对(错位)导致的。在恢复期间可能会找不到对应的字段，或者更新了错误的字段。
原因分析
从原始的问题看，这个是发生在 InnoDB 启动恢复阶段。这一阶段离不开 redo log的参与。前面介绍 instant add/drop 设计要点的时候，那些列出的要点，可以认为是在在 DDL 期间的工作以及编码的基本逻辑；那么在完成 instant DDL 时候， 在 DML 的时候也需要将必要的信息写入 redo log 才能做到 recovery。
- 为支持 instant add/drop column，redo log 记录的格式发生了变化，因为代码bug，导致在解析 redo log 做恢复的时候，得到的字段信息错误，导致数据腐化。
- 问题表现出来可能是: 恢复始终无法执行，数据库无法启动；还可能是恢复到错误的数据，数据库能够启动。
因为 redo log 的种类较多，信息也比较繁杂，这里我们只关注问题本身中出现的 update 相关的 redo log ，进而较多的关注 update redo log 与该问题相关的字段信息。
下图简要的阐述了 update redo log 相关内容:
到这里，可以看到 在MySQL 8.0.29中，update redo log 引入了 instant column 的物理逻辑顺序。
下面从 InnoDB 的恢复流程跟踪问题发生的原因，其中主要需要关注的是恢复过程中的表(索引)定义。
- 应用 redo log 是在数据库启动阶段最开始就执行，此时数据字典无法打开，获取不到待恢复表的定义信息
- 但是此时需要表的定义信息去解析 redo log 中的相关数据
- 此时就会根据redo log中记录的长度信息，以及记录长度的顺序构建临时的表定义，此时仅仅是为了恢复，并不需要精确的表定义，此时只需要知道field的长度和位置即可。
- 同时如果 redo log 中如果有instant DDL 的信息，那么也会用这些信息去修改临时构建的表定义:这是问题发生的初始错误的地方。
- 恢复过程中，构建出的临时表实际上表中列的逻辑顺序，这是符合正常运行的需求的。
- 但是实际上8.0.29中字段长度的记录顺序是按字段(列)的物理存储顺序写入的。
- 如果带有 instant DDL 的信息，那么修改表定义时就会按物理顺序去修改逻辑顺序的表定义，这样会修改到非预期的字段，导致错误发生!
Bug重现与解析
CREATE TABLE `tb1` (
`col1` VARCHAR(10) NOT NULL,
`col2` char(13),
`col3` varchar(11),
PRIMARY KEY (`col1`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
INSERT INTO tb1 VALUES ('4000','50','100');
--echo # the FIRST INSTANT ALTER
ALTER TABLE tb1 DROP COLUMN col2, LOCK=DEFAULT;
INSERT INTO tb1 VALUES( '4545', '52' );
UPDATE tb1 SET col3 = '46' WHERE col1 = '4545';
--echo # crash and restart 1
--source include/kill_and_restart_mysqld.inc
CHECK TABLE tb1;
DROP TABLE tb1;以上MySQL MTR 测例可以重现 InnoDB 启动恢复期间始终 core 的问题。我们从这个例子出发，结合上面解释的 instant drop DDL 代码行为看看问题是如何一步步发生的。
- 首先说明一下，在测例运行期间逻辑顺序与物理顺序的变化。 如下图所示稍微展示了 table 的逻辑定于与 InnoDB row 存储的以下细节。这里注意的是 被 dropped column 仍然会以隐藏列的形式存在于表定于中：因为 drop 之前存在的 row 还是需要这样信息解析字段。
- 结合 redo log 的恢复过程看看问题发生的第一现场。这里针对这个测例摘取相关 redo log 的部分信息：
- 2.1 按照字段长度列表（8.0.29中是物理顺序写入的列表）创建的专门用于恢复的表，类似于: create table dummy_table (d1:10, d2:13, d3:11)
2.2 按照 instant 字段信息修改 dummy 表：按照 physical pos=1 去修改后，结果类似于：create table dummy_table (d1:10, d2:13[dropped], d3:11)
2.3 期望的正确的表应该类似于：create table dummy_table(d1:10, d3:11, d2:13[dropped]);
2.4 Redo log中的Field_no=1, 去恢复时期望用到的是 #2.3 的表，但是过程中创建的是#2.2中错误的表，这样当Field_no=1去恢复数据时，会错误的发现对应的field(column)已经dropped, 导致core！
MySQL8.0.30修复方案
知道了问题发生的原因,修复起来就比较简单了：
- MySQL 8.0.30的代码修复方案
Redo log中字段的长度列表，按照字段的逻辑顺序写入，不再按存储顺序写入。
在 redo log 的 instant column 信息中也包含了字段的逻辑位置。
Redo log 的记录本身的版本设置为 1 ，与8.0.29的版本为 0 ，做出差别。
8.0.30的修复代码本身也是不能正确解析8.0.29产生的 redo log ，只是根据版本号检测出8.0.29 redo log，进而报错防止数据进一步恶化。实际上8.0.29的 redo log ，在 instant DDL 后，是不可能正确解析的，因为没有逻辑/物理的映射关系。
- 修复的逻辑比较简单:
Redo log中字段的长度列表，按照字段的逻辑顺序写入：
保证在恢复阶段构建的临时表是按正确的逻辑定义顺序构建的。
- 在redo log 的 instant column 信息中也包含字段的逻辑位置：
保证在更新临时表的字段时，按照逻辑顺序，不会出现错误更新的情况。
下面是MySQL 8.0.30 update redo log 相关字段信息:
从上图可以看出，MySQL 8.0.30 redo log 中已经不存储物理位置相关的信息了，全部是逻辑位置相关的信息；这样就和MySQL 8.0.29 redo log 这种有问题的记录方式是昙花一现了。
附带的这个测例可以重现数据的静默错误(恢复过程没问题， 但是数据实际上错了)
CREATE TABLE `tb2` ( `c1` char(4) NOT NULL, `c2` char(4), `c3` char(4), PRIMARY KEY (`c1`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
begin;
INSERT INTO tb2 VALUES ('1000','2000','3000');
commit;
--echo # the FIRST INSTANT ALTER
ALTER TABLE tb2 add COLUMN c4 char(4) after c1, LOCK=DEFAULT;
INSERT INTO tb2 VALUES ('1001','4001', '2001', '3001');
SELECT * FROM tb2;
UPDATE tb2 set c4='4002' WHERE c1='1001';
--echo # crash and restart 1
--source include/kill_and_restart_mysqld.inc
select * from tb2;
CHECK TABLE tb2;需要把这个测例放到innodb test case suite中。
