Log Structured Merge Trees (LSM)

Posted aoyihuashao

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Log Structured Merge Trees (LSM)相关的知识,希望对你有一定的参考价值。

1      概念

LSM = Log Structured Merge Trees

来源于google的bigtable论文。

 

2      解决问题

传统的数据库如mysql采用B+树存放数据,B+树是一个随机读写的数据结构。 我们知道,顺序读写要比随机读写快无数倍,所以需要把数据结构改成顺序读写。

 

3      应用场景

LSM是当前被用在许多产品的文件结构策略:HBase, Cassandra, LevelDB, SQLite,甚至在mangodb3.0中也带了一个可选的LSM引擎(Wired Tiger 实现的)。

 

LSM-Tree比较适合的应用场景是:insert数据量大,读数据量和update数据量不高且读一般针对最新数据。

 

4      实现原理

4.1      基本原理

1、  数据按时间和大小分文件存放(sstable文件)。

2、  新的修改用Copy-On-Write Tree方式按key缓存在内存(memtable)中,内存中保序。

3、  内存达到时间或大小条件后,保存在一个新的文件里(顺序写,速度很快)。

4、  对已经保存的文件,不再修改。

5、  查询的时候,先查内存,然后依次查各个保存的文件。

6、  因为每个文件里的数据都是顺序存放的,所以查询速度较快(二分查找)。

4.2      提升读性能的方案

1、  定时触发文件合并操作,删除冗余记录,并减少文件个数,提升查询效率(由于sstable里的记录是顺序存放的,所以合并非常高效(归并算法、顺序读写))。

2、  采用页缓存,减少二分查找的消耗。LevelDB 和 BigTable 是将 block-index 保存在文件尾部,这样查找就只要一次IO操作,如果block-index在内存中。

3、  采用布隆过滤器,减少不存在数据的判定逻辑。

4、  并行合并。

打个比方,合并操作就是JVM里的GC,在合并的时候,势必会影响其他操作。所以我们用G1的思想,把文件分区域,各个区域分别合并,这样,就可以减少停顿(加锁)的时间,同时也减少了合并文件额外需要的空间。

想想这个结构,类似于一颗新的树,这个树的每个节点是一个文件,每个文件的内容是sstable。

 

 

5      优点

1、写性能高。

2、只需要对内存部分加锁,文件不会修改,无需加锁

6      缺点

1、对于频繁大规模改动的场景不好。

 

7      最佳实践

1、  memtable丢失的问题:需要记录redo日志和恢复时间点,用于重建memtable。

2、   

8      参考

LSM存储模型

https://www.cnblogs.com/chenny7/p/4568829.html

LSM 算法的原理是什么?

https://www.zhihu.com/question/19887265

 

以上是关于Log Structured Merge Trees (LSM)的主要内容,如果未能解决你的问题,请参考以下文章

LSM Tree

log tree(merge)

论文阅读和分析:A Tree-Structured Decoder for Image-to-Markup Generation

SSTable and Log Structured Storage: LevelDB

Structured Streaming 的异常处理 Concurrent update to the log. Multiple streaming jobs detected

打通实时流处理log4j-flume-kafka-structured-streaming