使用键值数据库作为具有持久索引的集合

Posted 2023-02-23

【中文标题】使用键值数据库作为具有持久索引的集合

【英文标题】：Using key-value databases as a set with persistent indices

【发布时间】：2012-12-17 22:35:29

【问题描述】：

由于以下内容有点长：这里是 tl;dr;版本：是否存在用于快速键和值查找的现有键/值最佳实践，例如具有持久索引的基于哈希的集合？

我对键值数据库领域很感兴趣，但至今未能弄清楚如何有效地实现以下用例：

假设我们想要序列化一些数据并通过一个持久的、唯一的整数索引在其他地方引用它们。例如：Key = unsigned int, Value = MyData。

数据库应具有快速键查找并确保 MyData 是唯一的。

现在，当我在数据库中插入一个新值时，我可以为其分配一个新的索引键，例如数据库的当前大小或为了防止删除项目后发生冲突，我可以在外部保留一些计数器。

但是我如何确保不会将相同的 MyData 值插入到我的数据库中？到目前为止，在我看来，键值数据库似乎无法有效地实现这一点 - 这是正确的吗？ IE。我确实不想要遍历整个数据库只是为了确保 MyData 值不在其中...

那么，实现这一点的最佳做法是什么？

对于背景：我在 KDevelop 上工作，我们将上述内容用于我们的代码分析缓存。我们实际上有上述用例1 的自定义实现。如果您对内部结构感兴趣，请搜索 Bucket 和 ItemRepository，并查看 2 了解 ItemRepository 的示例用法。

但您可能会同意，这段代码很难理解，因此也很难维护。我想将它的性能与可能导致代码更简单的替代解决方案进行比较——但前提是它不会导致严重的性能损失。考虑到围绕 OpenLDAP MDB、Kyoto Cabinet 和 LevelDB 等键值存储性能的炒作，这就是我想开始的地方。

我们在 KDevelop 中拥有的——据我所知——基本上是一种混合的磁盘/内存哈希映射，它会定期保存到磁盘（这当然会导致严重的数据损坏，以防万一崩溃等）。项目根据它们的散列值存储在一个位置，只要散列函数速度快，这当然也允许相对快速的值查找。增加的转折是您还可以获得某种持久性数据库索引，可用于非常有效地查找项目。

所以 - 长话短说 - 如何使用诸如 LevelDB、Kyoto Cabinet、OpenLDAP MDB 之类的键/值数据库来做到这一点 - 你能说出它的名字吗？

【参考方案1】：

听起来您想做 OpenLDAP 对其平等索引所做的事情。可能这和OrientDB的例子一样，我没看过。

主表由一个单调递增的整数键（称为entryID）索引，并存储数据值。相等索引由值的散列索引，并存储与散列匹配的 entryID 列表。由于散列可能有冲突，仅相等索引中的条目的存在并不能证明唯一性或重复性。您仍然需要检查实际值。

如果您使用的是 MDB、BDB 或其他支持重复键的数据库，一种更快/更简单的方法是只保留一个表，使用哈希作为键。在 MDB 和 BDB 中都有一个 GET_BOTH 请求，它匹配键和数据以执行提取。如果成功，那么您肯定知道该值已经存在。否则，它允许您保存任何数据值，而不必担心是否存在哈希冲突。

这里需要注意的是，在使用重复键的 MDB 中，值的大小限制为小于磁盘页面的一半。

【讨论】：

谢谢，这听起来正是我想要的。

【参考方案2】：

除非我在这里遗漏了什么——通常你的哈希算法是一致的，并且会为相同的数据提供相同的密钥。因此，您应该只需要查找密钥以查看它是否已经存在，或者处理数据库返回给您的（可能重复的密钥）错误。

afaik Key/Value DBs 可以并且将为您强制执行唯一值约束，即如果您尝试保存已经存在的值，您将收到错误。

【讨论】：

是的，散列算法是一致的，但对于破坏你推理的任意值不是唯一的，不是吗？详细说明：您将使用什么作为要插入的任意值的键？对于给定的值，它必须是唯一的，并且查找速度相对较快（即没有 O(N) 算法来遍历所有值以找到合适的键）。

你可以使用非任意密钥。就像您跟踪最大值的序列号，或者像“FirstKey”“SecondKey”“ImportantAppKey”或类似的字符串描述符......对吗？如果您使用序列号，您甚至可以将“顶部”保存到数据库 - 如果您有 100 个“桶”，则 DBNAME.top = 100。或类似的。

这是 OrientDB code.google.com/p/orient/wiki/Indexes 的一个示例 - 也许您的 NOSQL 数据库可以自动生成索引并使用这些索引来代替或添加任意键？

@milianw，不，它不会破坏推理：如果已经添加了另一个 MyData，它将使用相同的键添加，这意味着您只需要检查分配给现有密钥（如果密钥已经存在）并将旧值与新值进行比较，如果他们同意，则它已经存在

OrientDB 的例子看起来很有趣，这正是我想要的。

【参考方案3】：

你的值字符串有多大？

我会将它们存储在一个密钥中，让数据库完成所有工作。

适用于大多数 KV 存储的典型 LevelDB 样式是使用一对键，前缀表示类型

例如：

Key = 'i' + ID 
Value = valueString

Key = 'v' + valueString
Value = ID

在需要允许多个相同 valueStrings 的系统中，您可以将 ID 移动到第二个键的尾部

Key = 'v' + valueString + ID
Value = empty