MySQL 在不修改代码的情况下，通过编译器优化，可以提高特定场景下的运行性能，通常性能可以有 20% ~ 40% 的性能提升。
这种特性在某些特定场景的 POC 测试中可以使用，以便更容易的通过测试， 部分云厂商已经提供针对sysbench的 PGO 版本。
在 PGO 编译器优化前
我们做的比较多的编译器优化是分支预测优化。这种奇技淫巧通过告诉编译器代码更倾向于走哪个分支，从而提升程序的运行效率。一旦预测是正确的，那么程序的性能就能得到有效的提升。但分支预测优化存在以下几个问题：
- 需要修改源码，而且需要非常有经验的程序员方能编写可靠的代码
- 编写的分支预测可能与实际业务运行的不一样，从而失去性能提升的可能性，反而导致灾难的发生
PGO 编译器优化
为了解决上面这两个问题，可以使用 PGO，更为通用的编译器优化，从而提升程序的运行效率。简单来说，PGO 会根据程序真实的运行情况，生成一份 profile 文件。下次编译时，通过上次运行产生的 profile 文件，以产生更加贴近真实运行情况、性能更好的代码。可以看到，PGO 优化需要两次编译，三个阶段：
-
采样编译（Instrument）：在 instrument 阶段，先对应用做一次编译，在此编译中，编译器会向代码中插入指令，以便下一阶段可以收集数据。这些指令分为三种类型，分别用于统计每个函数被执行了多少次，每个分支被执行了多少次（例如 if-else 的场景）以及某些变量的值。
-
训练程序（Train）：在 train 阶段，用户需要使用最常用的输入来运行上一阶段编译生成后的应用。由于上一阶段已经做好了收集数据的准备，所以在经过 train 阶段之后，该应用最常见的使用场景对应的数据就会被收集下来。
-
优化编译（Optimization）：在 optimization 阶段中，编译器会利用上一阶段收集到的数据，对应用进行重新编译。由于上一阶段的数据来自于用户输入的最常见的用户场景，所以最后优化得到的结果就能在该场景下有更好的优化。
可以发现 PGO 优化不仅仅对数据库程序优化有效率，其实他是一种通用的优化手段，可以用于任何程序的优化。常见的 C/C++、Rust语言都已支持 PGO 优化。在 C++ 代码中使用 PGO 优化其实也比较简单，并不复杂。加上编译参数 -fprofile-generate 用户采样编译，参数 -fprofile-use 表示用 profile 进行优化编译。如：
#### 采样编译
g++ -o test test.cpp -fprofile-generate=/tmp/pgo
#### 运行程序
./test
### 优化编译
>g++ -o test test.cpp -fprofile-use=/tmp/pgo
使用 PGO 编译 MySQL
由于 MySQL 数据库使用 C++ 进行编写，显然可以使用 PGO 优化。从 MySQL 8.0.19 版本开始，MySQL 的 cmake 文件支持 PGO 优化，对 MySQL 进行采样编译可以加上参数 FPROFILE_GENERATE：
第一次编译
$ cd mysql-server-8.0.33
$ mkdir build
$ cmake -DCMAKE_C_FLAGS="-g -O3 -march=native -mcpu=native -flto" -DCMAKE_CXX_FLAGS="-g -O3 -march=native -mcpu=native -flto" -DCMAKE_INSTALL_PREFIX=/mysql_data/mysql_8.0.33_gcc_11.3.0_profile -DWITH_BOOST=/build/boost_1_77_0 -DFPROFILE_GENERATE=ON ..
$ make -j $(nproc)
$ make install
运行mysqld ，并压测
接着运行采样编译的二进制程序 mysqld，并运行 sysbench 程序，测试点查询的只读性能。
此时 PGO 其实在收集 MySQL 数据库运行时的各种状态，函数，变量。所以， MySQL 的 QPS 降低了很多。如果我们在观察二进制文件所在的 xxx-profile-data 文件夹，就会发现该文件夹下已经产生了很多 gcda 结尾的 profile 文件。
mysql-server-8.0.33/build-profile-data
第二次编译
然后，停止 mysqld 程序，通过下面的命令重新编译 MySQL。
$ cd mysql-server-8.0.33
$ rm rf build && mkdir build # make sure it's same build directory as in step 1, or it would fail to find the profile data under build-profile-data
$ cmake -DCMAKE_C_FLAGS="-g -O3 -march=native -mcpu=native -flto" -DCMAKE_CXX_FLAGS="-g -O3 -march=native -mcpu=native -flto" -DCMAKE_INSTALL_PREFIX=/mysql_data/mysql_8.0.33_gcc_11.3.0_pgo -DWITH_BOOST=/build/boost_1_77_0 -DFPROFILE_USE=ON ..
$ make -j $(nproc)
$ make install
通过指定FPROFILE_USE=ON，再次进行编译时，MySQL 会自动根据 xxx-profile-data 文件夹下的各种 profile 文件进行编译器优化。这里产生的 mysqld 程序将会是对应上述 sysbench 测试后的编译优化版本。因此，在优化编译后，重新启动优化后的 mysqld 程序，再进行同样的 sysbench 性能压测，结果较之前有明显的提升，通过 PGO 优化后，性能提升超过 30%。
PGO 优化的限制
其实，从上面的实现原理来看，PGO是一种基于场景反馈的优化，比如针对 sysbench 的读写操作进行优化。但是实际业务中，这个数据库实例随着业务的发展，会有不同的TP 业务模型 ，或者会增加 AP 类的查询，此时 PGO 优化就不能完全覆盖新增的业务场景。
那么如何更好的使用的？欢迎大家来探讨。
参考
https://aijishu.com/a/1060000000433835
