图解｜什么是高并发利器NoSQL( 三 ) 1.迷茫的小黑小黑最近有点郁闷。手头的

文章插图
LevelDB具有很高的随机写，顺序读/写性能，因此LevelDB很适合应用在写多读少的场景，真让人好奇高性能的随机写怎么做到的。
5.1.1 LSM树
很多数据在逻辑上相近，但是在物理存储上却可能相隔很远，这样就会造成大量的随机读写问题，从而降低性能。
LevelDB实现高性能随机写的秘密武器在于使用LSM树存储结构， LSM树又称为日志结构合并树(Log-Structured Merge-Tree) ，它并不是具体的数据结构，而是一种设计思想。
LSM树对于每次写入操作，并不是直接将最新的数据驻留在磁盘中，而是将数据先放在内存。
当内存数据达到一定的阈值，再将这部分数据真正刷新到磁盘文件中，从而将磁盘随机写转换为内存顺序写，因而获得了极高的写性能，但是这种机制会降低读的性能，总体来说降低部分读性能来大幅提升写性能是值得的。
文章插图
5.1.2 LevelDB整体架构
文章插图
LevelDB 存储结构主要由六个部分组成：

MemTable：内存数据结构，使用SkipList实现，新的数据修改会首先在这里写入，并且有容量限制。
Immutable MemTable：待落盘的数据库内存结构，当 MemTable的大小达到设定的阈值时，会变成 Immutable MemTable ，只接受读操作，不再接受写操作，后续会Flush到磁盘上。
SST Files：Sorted String Table Files ，磁盘数据存储文件，分为 Level0 到 LevelN 多层，每一层包含多个 SST 文件，文件内数据有序。
Manifest Files：leveldb元信息清单文件。 Manifest记录 SST 文件在不同 Level 的分布，相当于SST文件的索引。
Current File：当前正在使用的文件清单文件。

LevelDB的读写过程和上述的整体架构关系密切，也是先内存后磁盘，一层层读取搜索数据的。
5.2 脸书出品RocksDB
青出于蓝而胜于蓝。
RocksDB在LevelDB的基础上进行了改进和优化，也成为后续很多NoSQL所选择的存储引擎。
RocksDB仍然是采用C++开发的，并且完全向后兼容了LevelDB的接口，可以说是个平滑升级。
5.2.1 RocksDB提升点
来看看RocksDB做了哪些优化和提升：

RocksDB支持一次获取多个Key ，还支持Key范围查找， LevelDB只能获取单个Key 。
RocksDB支持多线程合并，而LevelDB是单线程合并的，多核时代前者效率更高。
RocksDB增加了合并时过滤器，对不符合条件的Key进行丢弃。
RocksDB可采用多种压缩算法，除了LevelDB用的snappy ，还有zlib、bzip2 。
RocksDB支持增量备份和全量备份。

RocksDB支持管道式的Memtable ，使用多个Memtable ， LevelDB只有一个Memtable 。

文章插图
5.2.2 RocksDB整体架构
Rocksdb中引入了Column Family(列族的概念，所谓列族也就是一系列kv组成的数据集，所有的读写操作都需要先指定列族。
每个ColumnFamily有自己的Memtable ，SST文件，所有ColumnFamily共享WAL、Current、Manifest文件。