key value存储到底有什么优势？

昨天被问到Key value存储到底有什么优势，当然脑子也没太转过来。正好昨天学习了B树和LSM树的差别，并了解到LSM树底层是可以用sstable来实现的。sstable包含一个数据块列表和一个索引块，数据块存储有序键镇对，索引块存储所有数据块的范围。当时想当然的回答了一下LSM树更适合写优化的场景，而B树则更适合读优化的场景。

后来仔细想想，回答的完全偏了。参考对于“键值存储”的理解 一文，这里再记录一下吧，也给自己增加一些更深刻的概念。

首先，说一下传统的二维表结构，是由多个行和多个固定的列形成的一个二维矩阵。由于这个二维矩阵是固定的表格的形式，这意味着表格里面的每个值都需要给定一个内容，如果这个值没有，就需要赋值NULL。

如果我们业务模型是一个类似工业时序场景，数据并不是那种固定的二维表格形式，而是像下面这种方式入库，那么我们的表结构应该怎么设计呢？

如果我们设计为一张二维表格，那么如果这里的指标非常多，这张二维表格就会变得很宽，同时里面的数据会有很多的NULL值，这样会浪费大量的空间，因为存储时需要将没有数据的内容置为NULL（置为NULL也是需要消耗存储空间的）。当这样的数据量变的很大时，性能下降就会变的非常明显了。

那么key value存储是什么样的呢，我们以HBase为例（因为以为正好使用过HBase）。HBase的存储结构是这样的：

• 每一行有一个唯一的key值（即下图中的RowKeyN）。
• 每一行可以有多个Column Family（列族），每个Column Family下面又可以包含多个列。每个列由的数据由元数据（列名）、数据（列值）、时间戳（可能会有）组成。
  

那么这种key value的存储结构它的好处是什么呢？

1. 模式灵活。 因为不像关系模型中的二维表格是固定的模式，它是一种弱结构化数据，非常的灵活。一方面节点了空间，另一方面可以满足快速增加字段的需求。想想如果是关系模型的话，表里面有很多数据，然后要增加一个字段，所有的行都需要增加这个字段并且赋予一个NULL值或默认值。
2. 点查询性能高。 key value存储里面的数据一般都是按key有序存储的，因此如果按给定的key进行点查询，将是非常快，这就类似于关系模型中的索引的功能。我们一般把key value数据库里面的这种表称为聚集索引（主索引），在这个表基础上增加的索引称为二级索引。
3. 易扩展性。 包括HBase、TiDB、CRDB等数据库底层存储都是采用key value存储，他们都是分布式的产品。key value存储的简单性，使得它更容易进行拆分，进行分布式的存储。最基本的，我们根据key的范围，把数据分散在不同的节点上，以Region为单位进行存放，进而实现分布式存储和计算。
4. 高可用性。 目前，业务很多基于kv存储的分布式数据库，为了保证高可用，结合Raft或Paxos等一致性协议，在写key value分片数据的时候会同时写多份，使用多数派的概念，更容易实现高可用性。而传统的关系数据库如Oracle、MySQL等，都是通过redolog或binlog日志流复制的方式来实现高可用性。