一文多图，彻底弄懂LSM-Tree

一文弄懂LSM-Tree

LSM-Tree是什么？

LSM-Tree（Log Structured Merge Tree）是一种数据结构，它被设计用于处理大量写入操作的场景，常见于许多NoSQL数据库中，如BigTable、Cassandra、RocksDB和LevelDB等。

LSM-Tree的核心思想是将所有的更新操作（包括插入、删除和修改）都转换为追加写操作，从而充分利用磁盘顺序写性能远高于随机写性能的特性。

在LSM-Tree中，数据被分为内存组件和硬盘组件两部分。内存组件通常包含一个或多个MemTable，这些MemTable以某种有序的数据结构（如跳表或红黑树）存储数据。当MemTable达到一定大小后，它会被写入到磁盘上，成为不可变的MemTable，并且新的写入操作会进入一个新的MemTable。

硬盘组件由不同级别的SSTable（Sorted String Table）组成，这些SSTable是不可变的，并且按照层次结构存储。SSTable中的数据是有序的，当执行读取操作时，系统会先在MemTable中查找数据，如果不在MemTable中找到，则会按照从最新到最旧的顺序在SSTable中查找。

LSM-Tree的写入操作是高效的，因为它们只涉及追加操作，不需要像B+树那样需要找到数据在磁盘上的确切位置并进行更新。删除操作在LSM-Tree中通常不是通过物理删除数据来实现的，而是通过写入一个删除标记来表示该数据已被删除。读取操作可能会涉及多个层次的查找，因为数据可能存在于多个SSTable中。

为了减少读取操作的开销，LSM-Tree会定期进行合并（Compaction）操作，合并过程中会删除过时的数据，并将新的数据版本合并到更低层次的SSTable中。这个过程有助于减少读取操作时需要检查的SSTable数量，并且可以回收磁盘空间。

总的来说，LSM-Tree非常适合写入密集型的应用场景，因为它优化了写入操作的性能，但可能会牺牲一些读取性能。通过内存和磁盘上的分层存储，以及定期的数据合并，LSM-Tree能够提供高效的数据存储解决方案。

LSM-Tree原理

该图来源 https://www.cnblogs.com/zxporz/p/16021373.html

写操作：

图片来源：Stefan Richter Flink Forward 2018

插入操作只需要单纯的向memtable插入键值对。如果memtable已经存在对应索引键，那么变为更新操作。

可以看到LSM tree插入操作非常快，只需要在memtable中插入一条数据即可。复杂度无论是skiplist还是红黑树结构都是O(logN)。

1.WAL（预写日志）：所有写操作首先记录到WAL中，确保数据的持久性和一致性。

2.Memtable：WAL操作完成后，数据（键值对）写入内存中的Memtable，通常使用跳表或红黑树等有序数据结构，以便快速访问和保持数据有序。

3.Immutable Memtable：当Memtable达到一定大小后，它会被冻结成Immutable Memtable，新写入的数据进入新的Memtable，保证写操作的连续性和性能。

4.Minor Compaction：Immutable Memtable会定期写入磁盘，形成SSTable的level 0层。SSTable由有序的键值对和索引组成，优化了磁盘的顺序写性能。

5.Major Compaction：随着时间的推移，level 0的SSTable数量增多，会触发Major Compaction。多个SSTable被归并合并，形成更大的SSTable并移动到更高的层级，释放空间并减少查询时需要遍历的SSTable数量。

修改流程：

更新数据在memtable中我们直接更新即可。如果不在内存，我们就直接插入新的键值对。

1.WAL：修改操作首先记录到WAL。

2.Memtable：在Memtable中找到对应的键并进行修改，如果键不存在则作为新键插入。

3.Immutable Memtable & Minor Compaction：随着数据的积累，Immutable Memtable会被创建并最终写入磁盘的SSTable。

4.Major Compaction：在后续的合并过程中，新的键值对会替换掉旧的键值对。

删除流程：

删除操作无论我们的数据在不在内存中都只是插入一个“墓碑标记”。

1.WAL：删除操作首先记录到WAL。

2.Memtable：在Memtable中找到对应的键并标记为删除（tombstone），如果键不存在则直接插入一个删除标记。

3.Immutable Memtable & Minor Compaction：删除标记随着Immutable Memtable写入磁盘的SSTable。

4.Major Compaction：在后续的合并过程中，被标记删除的键会被真正删除。

读操作：

1.查询Memtable：首先，在内存中的Memtable中查找所需的键。Memtable通常是一个有序的数据结构，如跳表或红黑树，这使得查找操作相对高效。

2.查询Immutable Memtable：如果Memtable中未找到键，接下来会在Immutable Memtable中查找。Immutable Memtable是Memtable满了之后冻结的版本，它也存储在内存中，但不允许修改。

3.查询L0层SSTable：如果前两步都没有找到键，接下来会在磁盘上的L0层SSTable中查找。L0层可能包含多个SSTable，因为每个Immutable Memtable写入磁盘时都会生成一个新的SSTable。由于这些SSTable可能包含重叠的键，所以需要遍历所有L0层的SSTable。

4.查询非L0层SSTable：如果数据不在L0层，接下来会按照层级从L1到LN查询。在非L0层，由于使用了Level Compaction策略，每个层级的SSTable都是全局有序的，并且一个键在每一层中最多只出现一次。因此，只需要遍历一个SSTable来确定键是否存在。

L0层可能有重叠的键

当Memtable达到一定大小后，它会被写入到磁盘上，变成L0层的一个SSTable。由于写操作是持续进行的，可能会有多个Memtable同时存在，当它们分别变成SSTable并写入到L0层时，就可能出现键的重叠。这是因为：

并发写入：多个Memtable可能同时被写入磁盘，每个Memtable转换成的SSTable可能包含相同的键。
未合并：L0层的SSTable是直接从Memtable转换来的，它们还没有经过合并（Compaction）过程，所以这些SSTable中的键可能还没有被整理过，即存在多个版本的同一个键。

非L0层全局有序

非L0层（L1, L2, …,LN）的SSTable是通过合并L0层或更低层的SSTable形成的。在合并（Compaction）过程中，这些层的SSTable会被组织成全局有序的：
归并排序：在Compaction过程中，系统会将多个SSTable归并排序，确保同一个键的所有版本都被合并，并且只保留最新的版本。
层次结构：每一层的SSTable都是全局有序的，意味着在整个层级中，每个键只会出现一次。这是因为在Compaction过程中，旧版本的键会被删除，只保留最新的键。
分层存储：每一层的SSTable数量和大小通常有限制，当达到这个限制时，会触发Compaction，将当前层的SSTable与下一层的SSTable合并，形成新的、更大的SSTable，并且移动到下一层。

举例说明

假设我们有一个键 A，其值在系统中被更新了三次，分别在不同的Memtable中：
Memtable1：A -> value1
Memtable2：A -> value2
Memtable3：A -> value3
当这些Memtable被写入磁盘时，它们会变成L0层的SSTable，可能如下所示：
SSTable_L0_1：A -> value1
SSTable_L0_2：A -> value2
SSTable_L0_3：A -> value3
这时，L0层的SSTable中键 A 是重叠的，因为它们包含 A 的不同版本。
随后，Compaction过程会被触发，将L0层的SSTable合并成一个新的SSTable，并且移动到L1层：
SSTable_L1_1：A -> value3
在L1层，键 A 是全局有序的，因为只保留了最新的版本 value3。
这样，查询操作在L0层需要检查所有SSTable以找到最新的版本，在非L0层则只需要检查一个SSTable即可。

合并策略

SSTable有两种合并策略：
Leveling Merge Policy：
每个level仅有1个组件，L0和L1合并，合并到L1中；
由于组件较少，查询性能较高，LevelDB和RocksDB使用该策略；

Tiering Merge Policy:
每个Level有N个组件，合并后生成Level+1的一个新组件；
由于可以降低合并的频率，写入性能较高；