本文深入探讨了数据库的存储和检索机制，重点介绍了哈希索引、LSM树和B树。哈希索引适用于内存中的KV存储，但范围查询效率低；LSM树通过SSTable实现高效写入，适合大数据场景；B树则提供了有序的键值对存储，适用于范围查询和事务处理。文章还讨论了并发控制、崩溃恢复和不同索引结构的优缺点。
第二章关注的是将数据录入数据库系统的格式，以及检索出来的机制，这章关注同样的问题，但是是从数据库的视角来看：数据库如何存储我们的数据，以及如何检索出我们需要的数据。
书中开篇列举了一个 使用bash 命令制作的简单数据库的例子：
db_set(){
echo "$1,$2" >> database
}
db_get () {
grep "^$1," database | sed -e "s/^$1,//" | tail -n 1
}
这个数据库非常简单，是一个仅追加的日志文件，即写入性能非常好；但是由于数据库文件是个仅追加log 文件，所以更新数据也是添加记录，那么要查询到某条数据最新的值，则需要遍历整个文件找到最后的这条记录。
为了高效的查找数据库中的值，则需要一个数据结构：索引（Index）。
索引是从主数据库中衍生的附加结构，索引只会影响查询性能，但是更新这些索引却需要额外的开销。
索引
哈希索引
原理就是 KV 存储，将 key 的hash 值存储在内存中，value 指明值在数据文件中的位置。这种操作的前提是所有的key 都可以存储在内存中。作者还提到了一种场景，比如视频的 URL 和其被点击的次数，key 不经常发生变化，值的写入次数很频繁。提到的数据库Bitcask 存储模型
最低0.47元/天 解锁文章
423
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
