数据结构-LSM树(NoSQL数据库常用)

是什么

LSM树，日志结构合并树(Log-Structured Merge-Tree)。
其实它并不属于一个具体的数据结构，它更多是一种数据结构的设计思想。大多NoSQL数据库都是基于LSM来做的。

LSM树诞生背景

传统关系型数据库使用btree或一些变体作为存储结构，能高效进行查找。但保存在磁盘中时它也有一个明显的缺陷，那就是逻辑上相离很近但物理却可能相隔很远，这就可能造成大量的磁盘随机IO。为了提升IO性能，可以利用LSM树实现顺序写磁盘，从而大幅提升写操作，作为代价的是牺牲了一些读性能(因为LSM树的两个数据结构分别在内存和磁盘，所以读数据会比较慢)。
所以利用LSM树的话，写操作效率高于读操作。

LSM树原理

LSM树由两个或以上的存储结构组成，
一个存储结构常驻内存中，称为C0 tree，具体可以是任何方便健值查找的数据结构，比如红黑树。
另外一个存储结构常驻在硬盘中，称为C1 tree，具体结构类似B树。C1所有节点都是100%满的，节点的大小为磁盘块大小。

插入步骤
大体思路是：插入一条新纪录时，首先在日志文件中插入操作日志，以便后面恢复使用，日志是以append形式插入，所以速度非常快；
将新纪录的索引插入到C0中，这里在内存中完成，不涉及磁盘IO操作；当C0大小达到某一阈值时或者每隔一段时间，将C0中记录滚动合并到磁盘C1中；对于多个存储结构的情况，当C1体量越来越大就向C2合并，以此类推，一直往上合并Ck。

数据结构

如上图所示，LSM树有以下三个重要组成部分：

1. MemTable

MemTable是在内存中的数据结构，用于保存最近更新的数据，会按照Key有序地组织这些数据，LSM树对于具体如何组织有序地组织数据并没有明确的数据结构定义，例如Hbase使跳跃表来保证内存中key的有序。

因为数据暂时保存在内存中，内存并不是可靠存储，如果断电会丢失数据，因此通常会通过WAL(Write-ahead logging，预写式日志)的方式来保证数据的可靠性。

2. Immutable MemTable

当 MemTable达到一定大小后，会转化成Immutable MemTable。Immutable MemTable是将转MemTable变为SSTable的一种中间状态。写操作由新的MemTable处理，在转存过程中不阻塞数据更新操作。

3. SSTable(Sorted String Table)

有序键值对集合，是LSM树组在磁盘中的数据结构。为了加快SSTable的读取，可以通过建立key的索引以及布隆过滤器来加快key的查找。

写操作原理

每执行一条数据更新操作，LSM树就会将数据更新的操作记录(注意是操作记录)顺序append到内存之中，由于是顺序写所以很快，当日志达到一定的数据量后，再批量地顺序写入到磁盘当中。

存在问题：冗余存储
因为每条更新操作都会保存下来，所以存在对同一key的多条数据操作记录日志，而只有最新的一条日志是有效的，其余都是过期日志。
解决办法：Compact操作(合并多个SSTable)来清除冗余的记录。

Compact

Compact有两种模式：size-tiered和leveled

size-tiered 策略

size-tiered策略保证每层SSTable的大小相近，同时限制每一层SSTable的数量。如上图，每层限制SSTable为N，当每层SSTable达到N后，则触发Compact操作合并这些SSTable，并将合并后的结果写入到下一层成为一个更大的sstable。

由此可以看出，当层数达到一定数量时，最底层的单个SSTable的大小会变得非常大。并且size-tiered策略会导致空间放大比较严重。即使对于同一层的SSTable，每个key的记录是可能存在多份的，只有当该层的SSTable执行compact操作才会消除这些key的冗余记录。

level策略

推荐看这个讲解

和mysql的B+树对比

这与B+树不同，B+树数据的更新会直接在原数据所在处修改对应的值，所以存在随机写导致写操作很慢，
而LSM是将更新操作顺序append到内存，然后批量顺序写入磁盘，两次写操作都是顺序写，会很快。