数据存储--SSTables与LSM-Trees

之前说过，在日志形式的数据存储中，数据（这里指数据键值对）都是按写入的先后顺序排列存储的。
现在，按照数据键排序来存储数据。这样似乎对于写入操作的速度会有影响（必然会有排序处理的过程，和数据重新写入的过程），但它本身的一些优势让我们决定使用这种数据存储形式。
这种形式叫做排序字符串表(Sorted String Table,简称SSTable)。相比简单的日志结构存储，SSTable有很多优点:

1. 数据片合并操作简单高效，类似于归并排序。按顺序从各个待合并的数据片中读取数据，依次比较键的大小。这样可以得到一个新的完整数据片。当存在同一键在不同片中的情况时（一般是更新操作或者删除操作），以时间戳偏大的数据片中数据为准。
   

   数据片合并操作

2. 在进行按键查询操作时，不再需要在内存中维护整个数据的完整索引，只需要维护一些节点数据的索引即可（比如每隔十万条数据记录一个索引）。

   
   SSTable中索引示例

3. 类似上图灰色部分，可以将相邻几条数据压缩一起存入磁盘中，这样可以加快磁盘写入，节省带宽。

既然SSTable有这么多优点，那下面就简单说一下它的实现细节。
在内存中维护一个排序结构并不难：红黑树和AVL都是非常著名的平衡排序结构。可以满足按任意顺序插入，按序读取的需求。
一个SSTable的存储可以按照以下方法来实现:

1. 当收到一个写入请求时，将要写入的数据加入到在内存中的排序树中(比如说一棵红黑树)，这个内存中的树通常叫做memtable。
2. 随着不断接受写入请求，memtable的文件大小越来越大，当超过某个阈值时（通常是几兆大小），将memtable内的数据（此时红黑树中的数据是排序的）写入到磁盘中。通常这些写入磁盘的数据片都是按写入的时间戳组织排序。完成写入操作之后，重新初始化一个新的memtable。
3. 当收到一个读请求时，先去当前memtable中查找相关数据，如果没有找到，再按时间戳逆序去磁盘上的数据片中查找。
4. 定期运行数据片的合并操作，来减少数据片的数量和由于更新、删除操作产生的冗余数据。

上面几点可以实现出一个看起来不错的数据存储。问题在于，一旦数据库实例宕机，最近一段时间内的写入（在memtable中的部分）将会永久丢失。为了防止memtable中的数据丢失，可以维护一个数据操作日志，记录memtable中的数据逻辑操作，这个日志在memtable写入到磁盘数据片之后就可以删除另起新日志了。
SSTable实际上也是LevelDB和RocksDB中的数据存储（相似的用法还出现在Cassandra和HBase等BigTable系的数据库中）。
这种数据存储形式也被叫做LSM-Tree(Log-Structured Merge-Tree)。它的基本操作就是合并压缩排序数据片。

还有一些细节需要提一下。对于数据片中实际不存在的数据，查询操作往往需要对所有数据片中相关键扫描之后才能确定不存在。对于这种情况，可以考虑使用布隆过滤器来减少无谓的查找操作。关于数据片的压缩操作，也有size-tiered和leveled-tiered两种。（区别）。LevelDB和RocksDB选择的是leveled-tiered压缩，而HBase选择了size-tiered压缩，Cassandra则对两种方法都支持。