在今天的文章裡，我想詳細讨論下記憶體中OLTP裡的事務日志如何寫入事務日志。我們都知道，對于你的記憶體優化表（Memory Optimized Tables），記憶體中OLTP提供你2個持久性（durability）選項：
- SCHEMA_ONLY
- SCHEMA_AND_DATA
今天我不想更多讨論SCHEMA_ONLY，因為使用這個選項，在事務日志裡沒有發生任何日志（SQL Server 重新開機後你的資料會丢失）。今天我們會專門講解下SCHEMA_AND_DATA選項的持久性。
使用SCHEMA_AND_DATA持久性選項，SQL Server必須記錄你的事務到事務日志，因為每個記憶體中OLTP事務必須總是持久的。這個和傳統基于硬碟表是一樣的。但是記憶體中OLTP裡寫入事務日志比傳統表更優化。記憶體中OLTP支援多個并發日志流（在SQL Server 2014裡目前未實作），記憶體中OLTP隻記錄發生的邏輯事務（logical transaction）。
邏輯事務是什麼意思呢？假設你有5個非聚集索引定義的聚集表。如果你往表裡插入1條記錄，SQL Server必須記錄插入到聚集索引，還有5個額外的插入非聚集索引。在你表上定義的非聚集索引越多，SQL Server需要的日志越多。而且SQL Server隻能和事務日志一樣快。
使用記憶體中OLTP事情就變了。記憶體中OLTP，SQL Server隻記錄在你事務裡發生的邏輯修改。SQL Server對在你哈希或範圍索引裡的修改不記錄。是以1條日志記錄隻描述發生的邏輯INSERT/UPDATE/DELETE語句。結果是，記憶體中OLTP寫入更少的資料到你的事務日志，是以你的事務可以更快的送出。
我們來驗證它！
我想用1個簡單的例子向你展示下，當你首先插入10000條記錄到傳統基于硬碟表（Disk Based Table），然後插入記憶體優化表（Memory Optimized Table），SQL Server會有多少的資料寫入你的事務日志。下列代碼建立1個簡單表，在while循環裡插入10000條記錄。然後我用sys.fn_dblog系統函數（未文檔公開）來看事務日志。
1 -- Create a Disk Based table
2 CREATE TABLE TestTable_DiskBased
3 (
4 Col1 INT NOT NULL PRIMARY KEY,
5 Col2 VARCHAR(100) NOT NULL INDEX idx_Col2 NONCLUSTERED,
6 Col3 VARCHAR(100) NOT NULL
7 )
8 GO
9
10 -- Insert 10000 records into the table
11 DECLARE @i INT = 0
12
13 BEGIN TRANSACTION
14 WHILE (@i < 10000)
15 BEGIN
16 INSERT INTO TestTable_DiskBased VALUES (@i, @i, @i)
17
18 SET @i += 1
19 END
20 COMMIT
21 GO
22
23 -- SQL Server logged more than 20000 log records, because we have 2 indexes
24 -- defined on the table (Clustered Index, Non-Clustered Index)
25 SELECT * FROM sys.fn_dblog(NULL, NULL)
26 WHERE PartitionId IN
27 (
28 SELECT partition_id FROM sys.partitions
29 WHERE object_id = OBJECT_ID('TestTable_DiskBased')
30 )
31 GO 
從系統函數的輸出你可以看到，你有比20000多一點的日志記錄。這是正确的，因為我們在表上有2個索引定義（1個聚集索引，1個非聚集索引）。
現在我們來看下用記憶體優化表（Memory Optimized Table）日志記錄有啥改變。下列代碼展示了為記憶體中OLTP資料庫必備工作：我們隻加了1個新的記憶體優化檔案組（Memory Optimized File Group），給它加了個容器：
1 --Add MEMORY_OPTIMIZED_DATA filegroup to the database.
2 ALTER DATABASE InMemoryOLTP
3 ADD FILEGROUP InMemoryOLTPFileGroup CONTAINS MEMORY_OPTIMIZED_DATA
4 GO
5
6 USE InMemoryOLTP
7 GO
8
9 -- Add a new file to the previously created file group
10 ALTER DATABASE InMemoryOLTP ADD FILE
11 (
12 NAME = N'InMemoryOLTPContainer',
13 FILENAME = N'C:\Program Files\Microsoft SQL Server\MSSQL12.MSSQLSERVER\MSSQL\DATA\InMemoryOLTPContainer'
14 )
15 TO FILEGROUP [InMemoryOLTPFileGroup]
16 GO 下一步我建立了1個新的記憶體優化表（Memory Optimized Table）。這裡我在哈希索引上選擇了16384的桶數來避免哈希碰撞（hash collisions）的可能。另外我在Col2和Col3列上建立了2個範圍索引（Range Indexes）。
1 -- Creates a Memory Optimized table
2 CREATE TABLE TestTable_MemoryOptimized
3 (
4 Col1 INT NOT NULL PRIMARY KEY NONCLUSTERED HASH WITH (BUCKET_COUNT = 16384),
5 Col2 VARCHAR(100) COLLATE Latin1_General_100_Bin2 NOT NULL INDEX idx_Col2,
6 Col3 VARCHAR(100) COLLATE Latin1_General_100_Bin2 NOT NULL INDEX idx_Col3
7 ) WITH
8 (
9 MEMORY_OPTIMIZED = ON,
10 DURABILITY = SCHEMA_AND_DATA
11 )
12 GO 在那個表上合計有3個索引（1個哈希索引（Hash Index）和2個範圍索引（Range Indexes））。當你往表裡插入10000條記錄，傳統表會生成近30000的日志記錄——每個索引裡每個插入1條日志。
1 -- Copy out the highest 'Current LSN'
2 SELECT * FROM sys.fn_dblog(NULL, NULL)
3 GO
4
5 -- Insert 10000 records into the table
6 DECLARE @i INT = 0
7
8 BEGIN TRANSACTION
9 WHILE (@i < 10000)
10 BEGIN
11 INSERT INTO TestTable_MemoryOptimized VALUES (@i, @i, @i)
12
13 SET @i += 1
14 END
15 COMMIT
16 GO
17
18 -- Just a few log records!
19 SELECT * FROM sys.fn_dblog(NULL, NULL)
20 WHERE [Current LSN] > '0000002f:000001c9:0032' -- Highest LSN from above
21 GO 但現在當你看事務日志時，你會看到10000條插入隻生成了很少日志記錄——這裡是17條！
魔法發生在LOP_HK日志記錄裡。在這個特定日志記錄裡，記憶體中OLTP捆綁了多個修改到你的記憶體優化表（Memory Optimized Table）。你也可以通過使用sys.fn_dblog_xtp系統函數分解LOP_HK日志記錄：
1 -- Let's look into a LOP_HK log record
2 SELECT * FROM sys.fn_dblog_xtp(NULL, NULL)
3 WHERE [Current LSN] > '0000002f:000001c9:0032' AND Operation = 'LOP_HK'
4 GO 從圖中你可以看到，記憶體中OLTP隻生成了近10000條LOP_HK日志記錄——在這個表上發生的每個邏輯插入對應1條記錄。
小結
記憶體中OLTP提供你驚豔的性能提升，因為它是基于全新原理，例如MVCC和Lock-Free Data Structrues。另外它隻生成少量事務日志記錄，因為隻有邏輯改變被記錄寫入事務日志。我希望這個文章已給你更好的了解：記憶體中OLTP如何提升你的事務日志吞吐量。
感謝關注！
參考文章：
https://www.sqlpassion.at/archive/2015/03/09/transaction-logging-memory-oltp-hekaton/
注：此文章為
WoodyTu學習MS SQL技術，收集整理相關文檔撰寫，歡迎轉載，請在文章頁面明顯位置給出此文連結！
若您覺得這篇文章還不錯請點選下右下角的推薦，有了您的支援才能激發作者更大的寫作熱情，非常感謝！