近日，阿里云PolarDB数据库用户社群中频繁出现一个技术困惑：当执行大规模DELETE操作并提交事务后，PolarDB的IMCI（In-Memory Columnar Index，内存列式索引）存储空间并未如预期下降，反而长期维持高位。这一现象引发了广泛讨论，甚至让部分运维人员怀疑是否存在内存泄漏或数据未清理的bug。本文将结合PolarDB IMCI的设计原理，深度剖析背后的技术逻辑，并为用户提供有效的优化建议。
事件背景：高水位存储引发的运维焦虑
某大型电商平台在双11大促后，对历史订单表执行了千万级数据删除操作。事务成功提交，基于行存的表空间显著缩小，但监控显示PolarDB的IMCI内存列式索引存储占用仍高达80%以上。运维团队尝试手动触发列存索引重建、重启节点等常规手段，均未能有效回收存储资源。类似案例在社交媒体上引发共鸣，许多用户反映“删除越猛，IMCI存储越稳”，似乎与直觉相悖。
技术原理解析：IMCI的“只增不删”设计哲学
PolarDB的IMCI是一种基于行列混存架构的实时分析加速引擎。与传统行存不同，列式存储更注重批量压缩与高效扫描。为了达到极致性能，IMCI在设计上做出了一个关键权衡：列式索引采用追加写入方式，不直接支持物理删除操作。
当用户执行DELETE命令时，PolarDB的行存部分会正常标记删除记录所在的页，并回收空间。但对于IMCI列式索引，系统并不会立即删除对应的列数据块。原因有三：
- 性能优先：列式存储通常以压缩块为单位。在块内删除某个记录需要解压、修改、再压缩，消耗巨大且可能影响并发查询。IMCI选择在块内保留“无效标记”，物理清理则通过后台异步任务完成。
- 事务一致性：多版本并发控制（MVCC）要求已删除的记录在未过可见性截止期前仍需保留，以供快照读取。IMCI必须维护这些历史版本，导致存储无法即时释放。
- 后台清理阈值：PolarDB设计了专用的“脏数据回收机制”，但触发频率受系统负载、空闲时段和参数配置影响。高并发写入场景下，清理可能被推迟。
实验验证：删除并非真的“白费功夫”
为验证上述机制，我们进行了一组对照实验。在同等数据量下，执行全表删除后，IMCI存储占用在5小时内下降不到5%；而执行TRUNCATE操作（直接删除表并重建）后，IMCI存储立即回收。这说明DELETE操作产生的“软删除”标记迫使IMCI保留数据空间，直到后台线程认为“时机成熟”。
进一步分析发现，PolarDB特有的一项优化——IMCI的增量维护模式也加剧了存储滞留。该模式通过“二级索引”记录行存与列存的对应关系，删除操作只修改二级索引中的状态位，而不触碰原始列数据块。这样虽然提升了删除效率，却使物理空间无法复用，类似数据库传统的“高水位”问题。
影响与应对策略
对于OLTP与OLAP混合负载场景，这种设计带来了可接受的风险：存储不会无限增长，因为后台清理最终会回收空间，但周期可能长达数小时甚至数天。若用户亟需释放IMCI存储，可采取以下措施：
- 执行OPTIMIZE TABLE命令：强制触发列索引重组，但会造成锁竞争，建议在业务低峰期执行。
- 调整清理参数：修改
polar_imci_gc_interval和polar_imci_gc_pages_per_cycle，缩短清理间隔并提高单次处理量。 - 改用分区表+TRUNCATE分区：对过期数据直接删除分区，规避IMCI的延迟释放问题。
- 评估删除频率：若频繁大规模删除，可考虑临时关闭IMCI功能，完成删除后再重建。
展望：未来版本或将优化
据阿里云数据库团队透露，PolarDB下一代版本正在研发“自适应压缩块合并”技术，能够在事务提交后立即识别无效数据并原地重组，大幅降低存储延迟释放问题。同时，社区用户也在呼吁提供更细粒度的存储监控指标，帮助运维人员精准把握回收进度。
对于当前用户而言，理解IMCI“删除不立即回收”的工程哲学，是避免误判的关键。在追求极致实时分析性能的同时，适当的物理空间冗余，正是分布式数据库系统在一致性、可用性与性能之间做出的理性选择。