Skip to content

Latest commit

 

History

History
456 lines (305 loc) · 30 KB

Rocksdb组件描述.md

File metadata and controls

456 lines (305 loc) · 30 KB

Options

  • Options包含Rocksdb基础的写入配置,以及如何初始化RocksDB。

Writer Buffer Size

  • 这可以为每个数据库和/或每个列族设置。

Column Family Write Buffer Size

  • 设置列族使用的最大write buffer,它表示在转换为已排序的磁盘文件之前要在内存中建立的数据量(由磁盘上未排序的日志支持)。 默认值为 64 MB。
 List<ColumnFamilyDescriptor> columnFamilyDescriptors=new ArrayList<>();
        ColumnFamilyOptions columnFamilyOptions = new ColumnFamilyOptions();
        // 默认为64MB
        columnFamilyOptions.setWriteBufferSize(64<<20);

Database Write Buffer Size

  • 这是数据库中所有列族的所有写缓冲区的最大大小。它表示在写入磁盘之前在所有列族的memtable中构建的数据量。默认是关闭的,也是就0.
   DBOptions dbOptions = new DBOptions();
        // 默认大小是关闭的
   dbOptions.setDbWriteBufferSize(64<<30);

Block Cache Size

  • 您可以创建您选择的大小的块缓存来缓存未压缩的数据。推荐Block Cache Size设置为总内存的3分之1,

Compression

  • 控制前n-1层的压缩格式配置,推荐使用kLZ4CompressionkSnappyCompression格式

  • 控制第n层的压缩格式配置,推荐使用kZSTDkZlibCompression格式

 private void compression() throws Exception {
        ColumnFamilyOptions columnFamilyOptions = new ColumnFamilyOptions();
        // 第n-1层压缩格式
        columnFamilyOptions.setCompressionType(CompressionType.LZ4_COMPRESSION);
        columnFamilyOptions.setCompressionType(CompressionType.SNAPPY_COMPRESSION);
        CompressionOptions compressionOptions = new CompressionOptions();
        compressionOptions.setEnabled(true);
        compressionOptions.setLevel(1);
        columnFamilyOptions.setCompressionOptions(compressionOptions);
        // 指定前n level的压缩类型
//        columnFamilyOptions.setCompressionPerLevel()

        // 第n层压缩格式
        columnFamilyOptions.setBottommostCompressionType(CompressionType.ZSTD_COMPRESSION);
        columnFamilyOptions.setBottommostCompressionType(CompressionType.ZLIB_COMPRESSION);
    }

Bloom Filters

  • 如果你有很多点查找操作(如Get()),那么Bloom Filter可以帮助加速这些操作,相反,如果你的大部分操作是范围扫描(如Iterator()),那么Bloom Filter将没有帮助。

RateLimiter

  • DbOptions配置,设置db的每秒处理request速率。
 private void ratelimiter() throws Exception {
        DBOptions dbOptions = new DBOptions();
        // db每秒200 qps
        dbOptions.setRateLimiter(new RateLimiter(200));
    }

Sst FileManager

  • sst文件最终存储的地方
    public static void main(String[] args) throws Exception {
        DBOptions dbOptions = new DBOptions();
        HdfsEnv hdfs = new HdfsEnv("hdfs://hostname:port/");
        hdfs.setBackgroundThreads(10);
        // 存储sstFile文件
        dbOptions.setSstFileManager(new SstFileManager(hdfs));
        RocksDB hdfsDB = RocksDB.open(dbOptions, "test", Lists.newArrayList(),
                Lists.newArrayList());
        hdfsDB.put("name".getBytes(), "hsm".getBytes());
    }

MemTable

  • MemTable 是一种内存数据结构,在将数据刷新到 SST 文件之前保存数据。 它同时服务于读和写——新的写入总是将数据插入到 memtable 中,而读取必须在从 SST 文件读取之前查询 memtable,因为 memtable 中的数据较新。 一旦一个 memtable 满了,它就会变得不可变并被一个新的 memtable 取代。 后台线程会将内存表的内容刷新到 SST 文件中,然后可以销毁内存表。

影响memtable的重要配置

  • AdvancedColumnFamilyOptions::memtable_factory:memtable 的工厂对象。 通过指定工厂对象,用户可以更改 memtable 的底层实现,并提供特定于实现的选项(默认:SkipListFactory)。
  • ColumnFamilyOptions::write_buffer_size:单个memtable的大小,默认64MB
  • DBOptions::db_write_buffer_size:跨列族memtable的总大小。这可以用来管理memtable使用的总内存。(默认值:0(禁用)
  • DBOptions::write_buffer_manager:不需要指定memtable的总大小,用户可以提供自己的写缓冲区管理器来控制memtable的总体内存使用。覆盖数据库写入缓冲区大小。(默认值:nullptr)
  • AdvancedColumnFamilyOptions::max_write_buffer_number:内存中生成的memtable在它们刷新到SST文件之前的最大数目。(默认值:2)
  • AdvancedColumnFamilyOptions::max_write_buffer_size_to_maintain:要在内存中维护的写入历史记录量,以字节为单位。 这包括当前的内存表大小、密封但未刷新的内存表以及保留的已刷新内存表。 RocksDB 将尝试在内存中至少保留这么多历史记录 - 如果删除刷新的 memtable 会导致历史记录低于此阈值,则不会删除它。 (默认值:0)
  public static void main(String[] args) {
        Options options = new Options();
        // 指定memtable底层实现,默认为skiplist,支持hashSkipList,hashlinked,vector等
        options.setMemTableConfig(new VectorMemTableConfig());
        // 单个memtable大小 默认大小64MB
//        options.setWriteBufferSize()
        // 最多的memtable个数默认为2,超过会刷新到sst file中
        options.setMaxWriteBufferNumber(2);
        // 保留的历史的memtable
        options.setMaxWriteBufferNumberToMaintain(0);
    }

Skiplist memtable

  • 基于skiplist的memtable在读写、随机访问和顺序扫描方面都具有良好的性能。此外,它还提供了一些其他memtable实现目前不支持的其他有用特性,如并发插入(Concurrent Insert)和使用提示插入(Insert with Hint)。

HashSkiplist MemTable

  • HashSkipList将哈希表中的数据组织为跳跃列表,而HashLinkList将哈希表中的数据组织为排序后的单个链表。
  • 当执行查找或插入键时,使用Options检索目标键的前缀。前缀提取器,用于查找散列桶。在哈希桶中,所有的比较都是使用整个(内部)键完成的,就像基于memtable的SkipList一样。
  • 基于散列的memtable的最大限制是跨多个前缀进行扫描需要复制和排序,这非常慢,而且内存成本很高。

Flush

  • 触发memtable flush的场景有三种:
    • Memtable size超过ColumnFamilyOptions::write_buffer_size。
    • 所有列族的总memtable大小超过DBOptions::db_write_buffer_size,或者DBOptions::write_buffer_manager表示flush。在这种情况下,将刷新最大的memtable。
    • 总WAL文件大小超过DBOptions::max_total_wal_size。在这种情况下,带有最旧数据的memtable将被刷新,以允许清除带有该memtable数据的WAL文件。

并发插入

  • 在不支持memtable并发插入的情况下,多线程并发写入RocksDB将会依次应用于memtable。并发memtable insert在默认情况下是启用的,可以通过DBOptions::allow_concurrent_memtable_write选项关闭,尽管只有基于skiplist的memtable支持该特性。
 options.setAllowConcurrentMemtableWrite(true);

Insert with Hint

  • 就地更新可以通过切换inplace_update_support标志来启用。但是,这个标志默认设置为false,因为这个线程安全的就地更新支持与并发memtable写不兼容。注意,默认情况下,allow_concurrent_memtable_write的bool值设置为true。

不同Memtable对比

Mem Table Type SkipList HashSkipList HashLinkList Vector
Optimized Use Case General 在特定键前缀内的范围查询 在特定的键前缀范围查询,每个前缀只有少量的行 随机写工作负载大
Index type binary search hash + binary search hash + linear search linear search
支持完全有序的全数据库扫描? 天然支持 开销非常大(复制并排序以创建临时的总排序视图) 开销非常大(复制并排序以创建临时的总排序视图) 开销非常大(复制并排序以创建临时的总排序视图)
内存开销 平均(每个条目约1.33个指针) High (Hash Buckets + Skip List Metadata for non-empty buckets + multiple pointers per entry) Lower (Hash buckets + pointer per entry) Low (pre-allocated space at the end of vector)
MemTable Flush 速度快,内存持续增加 速度慢,临时内存占用率高 速度慢,临时内存占用率高 速度慢,内存持续增加
Concurrent Insert Supported Not supported Not supported Not supported
Insert with Hint Supported (in case there are no concurrent insert) Not supported Not supported Not supported
  • 总的来说查询多、随机读取使用SkipList,写负载大使用Vector。

Write Ahead Log

概述

  • RocksDB 的每次更新都会写入两个位置:1) 一个名为 memtable 的内存数据结构(稍后刷新到 SST 文件)和 2) 在磁盘上提前写入日志 (WAL)。 如果发生故障,可以使用预写日志完全恢复memtable中的数据,这是将数据库恢复到原始状态所必需的。 在默认配置中,RocksDB 通过在每次用户写入后刷新 WAL 来保证进程崩溃一致性。
  • 预写日志(Write ahead log, WAL)将memtable操作序列化到日志文件中。在发生故障时,可以使用WAL文件将数据库恢复到一致状态,通过从日志中重建memtable。当memtable被安全刷新到persistent medium时,相应的WAL日志就会被废弃并被归档。最终,归档的日志在一段时间后从磁盘清除。

Wal生命周期

  • 一旦db被打开,一个新的WAL将被创建在磁盘上,以持久化所有的写操作(WAL是在所有列族之间共享的)。
  • 当进行db#put操作后,WAL应该已经记录了所有写操作。WAL将保持打开状态,并继续记录未来的写操作,直到它的大小达到DBOptions::max_total_wal_size
  • 如果用户决定刷新一个列族的数据,1)这个列族的数据(key1 和 key3)被刷新到一个新的 SST 文件 2)一个新的 WAL 被创建,所有未来对所有列族的写入现在都转到新的 WAL 3) 旧的 WAL 不会接受新的写入,但删除可能会延迟。
  • 此时会有两个 WAL,旧的 WAL 包含 key1 到 key4,新的 WAL 包含 key5 和 key6。 因为旧的 WAL 仍然包含至少一个列族(“默认”)的实时数据,所以还不能删除它。 只有当用户最终决定刷新“默认”列族时,旧的 WAL 才能自动从磁盘归档和清除
  • 当 1) 打开一个新数据库,2) 刷新一个列族时,就会创建一个 WAL。 当所有列族刷新超过 WAL 中包含的最大序列号时,WAL 将被删除(或归档,如果启用了归档),或者换句话说,WAL 中的所有数据都已持久化到 SST 文件。 存档的 WAL 将被移动到一个单独的位置,并在稍后从磁盘中清除。 由于复制目的,实际删除可能会延迟

WAL配置

  • DBOptions.wal_dir:设置RocksDB存放预写日志文件的目录,允许wal与实际数据分开存放。
  • DBOptions::WAL_ttl_seconds, DBOptions::WAL_size_limit_MB:这两个字段会影响归档wal被删除的速度。非零值表示触发归档WAL删除的时间和磁盘空间阈值
  • DBOptions::max_total_wal_size:为了限制wal的大小,RocksDB使用DBOptions::max_total_wal_size作为列族刷新的触发器。一旦wal超过这个大小,RocksDB将开始强制刷新列族,以允许删除一些最古老的wal。当以非均匀频率更新列族时,这个配置可能很有用。如果没有大小限制,当不经常更新的列族有一段时间没有刷新时,用户可能需要保留非常旧的wall。
  • DBOptions::avoid_flush_during_recovery
  • DBOptions::manual_wal_flush:确定 WAL 刷新是在每次写入后自动还是纯手动(用户必须调用 FlushWAL 来触发 WAL 刷新)。
  • DBOptions::wal_filter:通过DBOptions::wal_filter,用户可以提供一个过滤器对象,以便在恢复过程中处理wal时调用。注:ROCKSDB_LITE模式不支持
  • WriteOptions::disableWAL:不关心数据丢失可以关闭WAL

WAL filter

事务日志迭代器

  • 事务日志迭代器提供了在RocksDB实例之间复制数据的方法。一旦一个WAL由于列族刷新而被归档,WAL将被归档而不是立即删除。目标是允许事务日志迭代器继续读取WAL,并将其发送给关注者进行重放。

WAL File Format

WAL管理器

  • 在WAL目录下生成的文件序号越高越好。为了重建数据库的状态,这些文件是按照序列号顺序读取的。WAL管理器提供了将WAL文件作为单个单元读取的抽象。在内部,它使用Reader或Writer抽象来打开和读取文件。

Reader/Writer

  • Writer提供了将日志记录追加到日志文件的抽象。媒体特定的内部细节由WriteableFile接口处理。类似地,Reader提供了从日志文件中顺序读取日志记录的抽象。SequentialFile接口处理内部媒体特定的细节。

Log File Format

  • 日志文件由一系列长度可变的记录组成,记录由kBlockSize(32k)组成。如果某条记录不能填入剩余空间,则用空数据填充剩余空间。写入器以kBlockSize的块为单位写入,读取器以kBlockSize的块为单位读取。
       +-----+-------------+--+----+----------+------+-- ... ----+
 File  | r0  |        r1   |P | r2 |    r3    |  r4  |           |
       +-----+-------------+--+----+----------+------+-- ... ----+
       <--- kBlockSize ------>|<-- kBlockSize ------>|

  rn = variable size records
  P = Padding

Records Format

Legacy Record Format

+---------+-----------+-----------+--- ... ---+
|CRC (4B) | Size (2B) | Type (1B) | Payload   |
+---------+-----------+-----------+--- ... ---+

CRC = 32bit hash computed over the payload using CRC
Size = Length of the payload data
Type = Type of record
       (kZeroType, kFullType, kFirstType, kLastType, kMiddleType )
       The type is used to group a bunch of records together to represent
       blocks that are larger than kBlockSize
Payload = Byte stream as long as specified by the payload size
  • 日志文件的内容是一个32KB的块序列。唯一的例外是文件的尾部可能包含部分块。每块由一下结构组成:
block := record* trailer?
record :=
  checksum: uint32	// crc32c of type and data[]
  length: uint16
  type: uint8		// One of FULL, FIRST, MIDDLE, LAST 
  data: uint8[length]
  • FIRST、MIDDLE、LAST是用于被分割成多个片段的用户记录的类型(通常是因为块边界)。FIRST是用户记录的第一个片段的类型,LAST是用户记录的最后一个片段的类型,MID是用户记录所有内部片段的类型。FULL记录包含整个用户记录的内容。

Recyclabe Record Format

+---------+-----------+-----------+----------------+--- ... ---+
|CRC (4B) | Size (2B) | Type (1B) | Log number (4B)| Payload   |
+---------+-----------+-----------+----------------+--- ... ---+
Same as above, with the addition of
Log number = 32bit log file number, so that we can distinguish between
records written by the most recent log writer vs a previous one.
日志文件号,以便我们区分由最近的日志记录器所写的记录与以前的记录。

Wal恢复模式

  • 每个应用程序都是独一无二的,RocksDB需要一定的一致性保证。RocksDB中的每一条提交的记录都会被持久化。未提交的记录记录在write-ahead-log (write-ahead-log)中。当RocksDB干净地关闭时,所有未提交的数据都会在关闭前提交,因此一致性总是得到保证。当RocksDB被杀死或机器重新启动时,RocksDB需要将自己恢复到一致的状态。其中一个重要的恢复操作是在WAL中重放未提交的记录。不同的WAL恢复模式定义了WAL重放的行为。

kTolerateCorruptedTailRecords

  • 允许数据丢失,WAL重放会忽略在日志末尾发现的任何错误。其理由是,在不完全关闭时,日志的尾部可能会有不完整的写操作。这是一种启发式模式,系统无法区分日志尾部的损坏和未完成的写入。任何其他的IO错误,将被认为是数据损坏。

kAbsoluteConsistency

  • WAL重放过程中出现的任何IO错误都被认为是数据损坏。对于那些连一条记录都不能丢失的应用程序和/或有其他方法恢复未提交的数据的应用程序,这种模式是理想的。

kSkipAnyCorruptedRecords

  • 在这种模式下,读取日志时的任何IO错误都被忽略。系统试图恢复尽可能多的数据。这对于灾难恢复是理想的。

WAL性能

Non-Sync模式

  • WriteOptions.sync = false(默认),WAL写不同步到磁盘。除非操作系统认为它必须刷新数据(例如,太多脏页),否则用户不需要等待任何I/O写入。
  • 用户如果想减少写操作系统页面缓存所带来的CPU延迟,可以选择Options.manual_wal_flush = true。使用这个选项,WAL写操作甚至不会刷新到文件系统页面缓存,而是保留在RocksDB中。用户需要调用DB::FlushWAL()使缓冲条目进入文件系统。
  • 用户可以通过调用DB::SyncWAL()强制WAL文件fsync。该函数不会阻塞正在其他线程中执行的写操作。
  • 在这种模式下,WAL写不是崩溃安全的。

Sync Mode

  • WriteOptions.sync = true(默认)

Group Commit

  • 和其他大多数依赖日志的系统一样,RocksDB支持团队承诺提高WAL的写吞吐量,以及写放大。RocksDB的组提交以一种自然的方式实现:当不同线程同时写入同一个DB时,所有符合合并条件的未完成的写入将被合并到一起,并写入WAL一次,使用一个fsync。通过这种方式,相同数量的I/ o可以完成更多的写操作。
  • 具有不同写选项的写操作可能不符合组合的要求。最大组大小为1MB。RocksDB不会试图通过主动延迟写入来增加批处理大小。

Number of I/Os per write

  • 如果Options.recycle_log_file_num=false(默认),RocksDB总是为新的WAL段创建新文件。每次WAL写都会改变数据和文件大小,所以每次fsync至少会产生两个I/ o,一个用于数据,一个用于元数据。注意,RocksDB调用fallocate()来为文件预留足够的空间,但它并不会阻止fsync中的元数据I/O。
  • Options.recycle_log_file_num = true将保留一个WAL文件池并尝试重用它们。当写入现有日志文件时,从大小为0开始使用随机写入。在写入到达文件末尾之前,文件大小不会改变,因此可以避免元数据的I/O(也取决于文件系统挂载选项)。假设大多数WAL文件都有类似的大小,元数据所需的I/O将是最小的。

写放大

  • 注意,对于某些用例,同步WAL可能会引入一些重要的写扩展。当写操作很小的时候,因为整个块/页可能需要更新,所以即使写操作很小,我们也可能需要两次4KB的写操作(一次用于数据,一次用于元数据)。如果写仅为40字节,则更新8KB,则写放大为8KB /40字节~= 200。它甚至很容易比lsm树的写放大值还要大。

MANIFEST

  • RocksDB是文件系统和存储介质无关的。文件系统操作不是原子操作,在系统故障时很容易出现不一致。即使打开了日志记录,文件系统也不能保证不干净重启时的一致性。POSIX文件系统也不支持原子批处理操作。因此,不可能依靠嵌入在RocksDB数据存储文件中的元数据来重新启动时重建RocksDB的最后一致状态。
  • RocksDB有一个内置的机制来克服POSIX文件系统的这些限制,通过使用Manifest日志文件中的Version Edit Records保存RocksDB状态更改的事务日志。MANIFEST用于在重启时将RocksDB恢复到最新的已知一致状态。

术语

  • MANIFEST是指在事务日志中跟踪RocksDB状态变化的系统
  • Manifest log 是指包含 RocksDB 状态快照/编辑的单个日志文件
  • CURRENT 是指当前最新的mainfest log

工作原理

  • MANIFEST是RocksDB状态变化的事务日志。MANIFEST由- MANIFEST日志文件和指向最新MANIFEST文件(CURRENT)的指针组成。Manifest日志是正在滚动名为Manifest -(seq号)的日志文件。序列号总是在增加。CURRENT是一个特殊的文件,它指向最新的清单日志文件。
  • 在系统(重新)启动时,最新的manifest日志包含RocksDB的一致状态。RocksDB状态的任何后续更改都记录到manifest日志文件中。当manifest日志文件超过一定大小时,将使用RocksDB状态的快照创建一个新的manifest日志文件。更新最新的清单文件指针并同步文件系统。成功更新CURRENT文件后,将清除冗余清单日志。
MANIFEST = { CURRENT, MANIFEST-<seq-no>* } 
CURRENT = File pointer to the latest manifest log
MANIFEST-<seq no> = Contains snapshot of RocksDB state and subsequent modifications

Version Edit

  • RocksDB在任何给定时间的某个状态被称为版本(又名快照)。对版本的任何修改都被认为是版本编辑。Version(或RocksDB状态快照)是通过连接一系列版本编辑来构造的。本质上,清单日志文件是一系列版本编辑。
version-edit      = Any RocksDB state change
version           = { version-edit* }
manifest-log-file = { version, version-edit* }
                  = { version-edit* }

Version Edit Layout

  • Manifest log是一个Version Edit记录的序列。这个Version Edit记录由编辑标识号标识。

数据类型

  • 简单数据类型
VarX   - Variable character encoding of intX
FixedX - Fixed character encoding of intX
  • 复杂数据类型
String - Length prefixed string data
+-----------+--------------------+
| size (n)  | content of string  |
+-----------+--------------------+
|<- Var32 ->|<-- n            -->|

Block Cache

  • 块缓存是RocksDB在内存中缓存数据用于读取的地方。用户可以将缓存对象以所需的容量(size)传递给RocksDB实例。一个Cache对象可以在同一个进程中被多个RocksDB实例共享,从而允许用户控制整个缓存容量。块缓存存储未压缩的块。用户可以选择设置第二个块缓存存储压缩块。读取将首先从未压缩的块缓存中获取数据块,然后从压缩的块缓存中获取数据块。如果使用Direct-IO,压缩块缓存可以替代操作系统页面缓存。
  • RocksDB 中有两种缓存实现,分别是 LRUCache 和 ClockCache。 两种类型的缓存都被分片以减轻锁争用。 容量平均分配给每个分片,分片不共享容量。 默认情况下,每个缓存将被分片为最多 64 个分片,每个分片的容量不低于 512k 字节。

Write Buffer Manager

  • writer buffer manager帮助用户控制跨多个列族和/或数据库实例的内存表使用的总内存。 用户可以通过两种方式启用此控件:
    • 将跨多个列族和数据库的内存表总使用量限制在阈值以下。
    • 花费memtable内存使用来阻塞缓存,这样RocksDB的内存就可以被单个限制所限制。

memtable的总内存限制

  • 在创建写缓冲区管理器对象时给出内存限制。RocksDB将尝试将总内存限制在这个限制之下。
  • 在5.6或更高版本中,您插入的DB的一个列族会触发flush,
    • 如果可变memtable大小超过了限制的90%
    • 如果总内存超过限制,只有当可变memtable大小也超过了限制的50%时,才会触发更激进的刷新。

Compaction

压缩算法概览

  • Rocksdb提供以下压缩算法:Classic Leveled, Tiered, Tiered+Leveled(Level Compaction), Leveled-N, FIFO

Classic Leveled

什么是扇入和扇出? 

在软件设计中,扇入和扇出的概念是指应用程序模块之间的层次调用情况。

按照结构化设计方法,一个应用程序是由多个功能相对独立的模块所组成。

扇入:是指直接调用该模块的上级模块的个数。扇入大表示模块的复用程序高。

扇出:是指该模块直接调用的下级模块的个数。扇出大表示模块的复杂度高,需要控制和协调过多的下级模块;但扇出过小(例如总是1)也不好。扇出过大一般是因为缺乏中间层次,应该适当增加中间层次的模块。扇出太小时可以把下级模块进一步分解成若干个子功能模块,或者合并到它的上级模块中去。
  • 以读写放大为代价最小化空间放大,LSM树是一系列的层级,每个level都是将多个文件排序后运行。每一level都比前一level大很多,相邻能级的尺寸比有时被称为扇出,当所有能级之间使用同一个扇出时,写放大就会最小化。压缩到N级(Ln)将Ln-1中的数据合并到Ln中。压缩到Ln会重写之前合并到Ln的数据。在最坏的情况下,每个级别的写放大等于扇出,但在实践中往往比扇出少,这在Hyeontaek Lim等人的论文中解释。在最初的LSM论文中,压缩是全对全的——所有来自Ln-1的数据都与来自Ln的所有数据合并。对于LevelDB和RocksDB是一些对一些的——Ln-1中的一些数据与Ln中的一些(重叠的)数据合并。

Leveled-N

  • Leveled-N 压缩类似于leveled压缩,但写入更少,读取放大更多。 它允许每个级别有多个排序运行。 压缩将所有从 Ln-1 排序的运行合并到一个来自 Ln 的排序运行中,这是一个级别。 然后在名称中添加“-N”以表示每个级别可以有 n 次排序运行。 Dostoevsky 论文定义了一种名为 Fluid LSM 的压缩算法,其中最大级别有 1 次排序运行,但非最大级别可以有超过 1 次排序运行。 水平压缩完成到最大级别。

Tiered

  • Tiered Compaction以读和空间放大为代价最小化写放大。每个级别有 N 个排序运行。 Ln 中的每个排序运行比 Ln-1 中的排序运行大 ~N 倍。 压缩合并一个级别中的所有排序运行,以在下一个级别创建一个新的排序运行。 在这种情况下,N 类似于用于水平压缩的扇出。 合并到 Ln 时,压缩不会读取/重写 Ln 中的排序运行。 每级写入放大为 1,这远低于扇出的水平。

Tiered+Leveled

  • Tiered+Leveled 的写入放大比 leveled 小,空间放大比 tiered 小。它对较小的级别使用 tiered,对较大的级别使用 leveled。 LSM 树从分层切换到分层的级别是灵活的,Leveled compaction在Rocksdb中就是Tiered+Leveled。

FIFO

  • FIFOStyle压缩删除过时的文件,并可用于类似缓存的数据。

Leveled Compaction

存储文件的结构

  • 在每个级别(除了级别0)内,数据范围被划分为多个SST文件

  • level是有序的运行因为每个keys在SST都是有序的。为了确定一个键的位置,我们首先对所有文件的开始/结束键进行二分搜索以确定哪个文件可能包含该键,然后在文件内部进行二分搜索以定位确切位置。 总之,这是对level中所有键的完整二分搜索。
  • 所有非 0 级别都有目标大小。 Compaction 的目标是将这些级别的数据大小限制在目标以下。 规模目标通常呈指数增长:

Compactions

  • 当 L0 文件数量达到 level0_file_num_compaction_trigger 时触发 Compaction,L0 的文件将合并到 L1。后续L1超过在压缩到L2依次进行压缩

  • 除了L0到L1,后续level压缩可以并行执行压缩。

  • 允许的最大压缩数由 max_background_compactions 控制。但是,默认情况下,L0 到 L1 的压缩不是并行化的。 在某些情况下,它可能成为限制总压缩速度的瓶颈。 RocksDB 仅支持 L0 到 L1 的基于子压缩的并行化。 要启用它,用户可以将 max_subcompactions 设置为大于 1。 然后,我们将尝试对范围进行分区并使用多个线程来执行它:

Compaction Picking

  • 当多个level触发了compaction条件,RocksDB需要选择一个level首先去压缩,为每个level生成一个分数:
    • 对于非0的level,这个分数是level的总大小除以目标大小。 如果已经选择了要压缩到下一级的文件,则这些文件的大小不包括在总大小中,因为它们很快就会消失。
    • 对于 0 级,分数是文件总数除以 level0_file_num_compaction_trigger 或超过 max_bytes_for_level_base 的总大小,以较大者为准。 (如果文件大小小于 level0_file_num_compaction_trigger,无论分数有多大,都不会从 level 0 触发压缩。)
  • 分数越高的level最先压缩。

周期压缩

  • 如果存在压缩过滤器,RocksDB 会确保数据在一定时间后通过压缩过滤器。 这是通过 options.periodic_compaction_seconds 实现的。 将其设置为 0 将禁用此功能。 保留默认值,即 UINT64_MAX - 1,表示 RocksDB 控制该功能。 目前,RocksDB 会将值更改为 30 天。 每当 RocksDB 尝试选择压缩时,超过 30 天的文件将有资格进行压缩并被压缩到相同的级别。