Open levy5307 opened 2 years ago
https://levy5307.github.io/blog/ForestDB/
在过去几年中，数据管理应用正在发生巨大的变化。例如Facebook和Twitter等社交应用，其用户数和处理的数据量变的越来越大，并且为了灵活分析，数据正在变得非结构化。不幸的是，由于关系型数据库的扩展性和严格的data model，使得使用关系型数据库变得非常挣扎，由于这个原因，很多公司开始开发NoSQL数据库。
尽管现在对于sharding、data replication、distributed caching有很多中NoSQL技术，而底层的存储引擎却没有什么不同。每个节点都是用KV存储引擎以一种schema-less的形式存储数据，其中key和value都是不定长的。由于kv存储引擎直接与存储设备（HDD或者SSD）交互，所以其吞吐和延迟决定着整个系统的性能。
kv存储引擎的吞吐量和延迟受存储访问时间的限制，而该存储访问时间由两个因素决定：
每次kv操作所访问的block数量。其由索引结构和特征所决定的 block访问模式，其由数据是如何读取及写入引擎有关。
目前有两种比较流行的索引结构：B+-tree和LSM-tree。B+-tree是最流行的索引结构，由于其最小化IO操作数量的特性，广泛应用于各种传统的数据库。现代key-value数据库例如BerkeleyDB、Couchbase、InnoDB和MongoDB使用B+-tree。相较于B+-tree，LSM-tree以牺牲读性能来提高写性能，很多最新系统例如LevelDB、RocksDB、SQLite、Cassandra和BigTable使用LSM-tree或者其变种。
https://levy5307.github.io/blog/ForestDB/
在过去几年中，数据管理应用正在发生巨大的变化。例如Facebook和Twitter等社交应用，其用户数和处理的数据量变的越来越大，并且为了灵活分析，数据正在变得非结构化。不幸的是，由于关系型数据库的扩展性和严格的data model，使得使用关系型数据库变得非常挣扎，由于这个原因，很多公司开始开发NoSQL数据库。
尽管现在对于sharding、data replication、distributed caching有很多中NoSQL技术，而底层的存储引擎却没有什么不同。每个节点都是用KV存储引擎以一种schema-less的形式存储数据，其中key和value都是不定长的。由于kv存储引擎直接与存储设备（HDD或者SSD）交互，所以其吞吐和延迟决定着整个系统的性能。
kv存储引擎的吞吐量和延迟受存储访问时间的限制，而该存储访问时间由两个因素决定：
目前有两种比较流行的索引结构：B+-tree和LSM-tree。B+-tree是最流行的索引结构，由于其最小化IO操作数量的特性，广泛应用于各种传统的数据库。现代key-value数据库例如BerkeleyDB、Couchbase、InnoDB和MongoDB使用B+-tree。相较于B+-tree，LSM-tree以牺牲读性能来提高写性能，很多最新系统例如LevelDB、RocksDB、SQLite、Cassandra和BigTable使用LSM-tree或者其变种。