设计目的
在搜索引擎的设计中,往往需要使用倒排索引,在当前内存价格不断走低的情况下,内存数据库必然会成为主流。KV数据库由于适合Map-Reduce用于分布式处理。
本系统设计实现如下目标:
* 实现极高性能的查询
* 实现分布式集群储存
* 实现可靠的日志系统
索引设计
索引采用B数索引,这样做的目的是大大利用CPU的缓存,让每个节点的大小与CPU二级缓存相匹配,另外,将索引值连续储存在节点中,可以减少TLB失配的次数。由于B树的结构,树高不会太高,设想在16GB的内存中建立数据库,数据库使用8G内存,每条记录1K,那么就有8M个键,如果是每个节点储存256个节点的B树,那么log256(8M)=3,树高是3,每次查询节点跳转最多2次,节点内二分查找是在高速缓存中进行,高速缓存的效率大约是装载内存读取的4~5倍(6000次查询),节点内二分查找的最大次数为8次,数据可能可以优化,在后续实验中进行。
对于为搜索引擎定制的数据库,对于插入的性能要求不是很高,之前做过的实验表明,爬取的性能瓶颈在于网络IO,网络延迟远远大于数据库插入,故可以牺牲插入性能来获得较高的查询性能。
代码实现
以下是B树索引的查询以及部分插入实现:
//b_tree.go
package index
/*
最大程度提高查询效率,忽略插入效率,插入效率被爬虫爬取效率瓶颈
*/
const (
L2_cache_size = 256*1024 //256KB L2缓存
node_data_num = L2_cache_size / 64
max_support_key_length = 8 //最大支持8个字节的关键字查询
)
type node struct {
hash_key [node_data_num]uint64 //1/4
hash_key_num int
primary_key [node_data_num]uint64 //1/4
child [node_data_num + 1]*node //1/4
is_leaf bool //0
}
type B_Tree struct {
root node //树根
height int //树高
}
func (bt * B_Tree) Init() {
bt.height = 1
bt.root.is_leaf = false
bt.root.hash_key_num = 0
}
type SelectError struct {
less bool
}
func (se SelectError) Error() (string) {
return "not found"
}
//获得hash值
//取前8个字节作为hash
func hash(text []