NoSQL内存数据库—Berkeley DB基本操作的例子

       最近，由于云计算的发展，数据库技术也从结构式数据库发展到NoSQL数据库，存储模式从结构化的关系存储到现在如火如荼的key/value存储。其中Berkeley DB就是上述过程中的一个比较有代表性的内存数据库产品，数据库的操作是通过程序来实现的，而不是SQL语句。特别是当今数据不断动态增加的过程中，试图通过数据切割来达到扩充的思路已经行不通了，因为事先不知道客户数据格式，因此服务提供商不可能进行数据切割。而无模式的key/value存储就可以解决这种扩充带来的可扩展性问题，因为key/value的存储模式正好可以使得扩充能够自动完成，不需要事先知道任何的数据格式问题。因此，目前NoSQL数据库基本都基于key/value的存储模式，如amazon的simpleDB，google的BigTable等。本文就详细描述key/value模式的一个比较有代表性的内存数据库Berkeley DB，来介绍如何使用它来操作键值对数据。

       Berkeley DB是一个开源的内存数据库，它提供的是一系列直接访问数据库的函数，而不是像关系数据库那样需要网络通讯、SQL解析等步骤。Berkeley DB是一个高性能的，嵌入数据库编程库，“嵌入”是指它内嵌在程序中，而不是说他只应用在嵌入式系统上。它适合于管理海量的，简单的数据。例如，Google用Berkeley DB HA （High Availability） 来管理他们的帐户信息，Motorola在他的无线产品中用Berkeley DB跟踪移动单元。HP，Microsoft，Sun Microsystems等也都是它的大客户。它不能完全取代关系数据库，但在某些方面，它却有他们望尘莫及的高效性。

       关键字/数据(key/value)是Berkeley DB用来进行数据库管理的基础。 前几年，key/value 这个词还是和 hash 表联系在一起的。而现在，程序员看见 key/value 这个词时，马上联想到的就是 BigTable、SimpleDB 和云计算。当下，key/value 存储(或者 叫 key/value Database、云存储等)是个非常时髦的词汇，越来越多的开发人员(特别是互联网 企业)开始关注和尝试 key/value 的存储形式。

       每个 key/value对构成一条记录（数据表中的一行）。而整个数据库实际上就是由许多这样的结构单元所构成的。通过使用这种方式，开发人员在使用Berkeley DB提供的API来访问数据库时，只需提供关键字就能够访问到相应的数据。当然也可以也可以提供 key 和部分value来查询符合条件的相近数据。

       Berkeley DB底层实现机制采用B树，可以看成能够存储大量数据的HashMap。Berkeley DB通过环境对 象EnvironmentConfig来对数据库进行管理的，每个EnvironmentConfig 对象可以管理多个 数据库 。

        下面来介绍Berkeley DB是如何存入key/value键值对数据的。

1、定义一个序列化的java类，后面将把String和该类的映射<String,java类>存放到Berkeley DB中

package webspider.berkeleydb;

import java.io.Serializable;

/**
 * 定义一个序列化的java类，放到Berkeley DB中
 * 
 * @author typ
 * 
 */
public class CrawlUrl implements Serializable {
	private static final long serialVersionUID = 607763337366522784L;
	private String oriUrl;// 原始URL值，主机部分是域名
	private String url;// URL值，主机部分是IP，放置重复主机出现
	private int statusCode;// 获取URL的返回码

	public String getOriUrl() {
		return oriUrl;
	}

	public void setOriUrl(String oriUrl) {
		this.oriUrl = oriUrl;
	}

	public String getUrl() {
		return url;
	}

	public void setUrl(String url) {
		this.url = url;
	}

	public int getStatusCode() {
		return statusCode;
	}

	public void setStatusCode(int statusCode) {
		this.statusCode = statusCode;
	}

	public static long getSerialversionuid() {
		return serialVersionUID;
	}

}

2、定义Frontier接口类，定义存储和获取键值对（key/value）时候需要实现的功能接口

package webspider.berkeleydb;

/**
 * 定义需要实现的功能接口
 * 
 * @author typ
 * 
 */
public interface Frontier {
	/**
	 * 获得下一条记录
	 * 
	 * @return
	 * @throws Exception
	 */
	public CrawlUrl getNext() throws Exception;

	/**
	 * 添加一条记录
	 * 
	 * @param url
	 * @return
	 * @throws Exception
	 */
	public boolean putUrl(CrawlUrl url) throws Exception;

}

3、定义AbstractFrontier类，来封装Berkeley DB中的操作

package webspider.berkeleydb;

import java.io.File;
import com.sleepycat.bind.serial.StoredClassCatalog;
import com.sleepycat.je.Database;
import com.sleepycat.je.DatabaseConfig;
import com.sleepycat.je.Environment;
import com.sleepycat.je.EnvironmentConfig;

/**
 * 封装Berkeley DB的操作
 * 
 * @author typ
 * 
 */
public abstract class AbstractFrontier {

	private Environment env;
	private static final String CLASS_CATALOG = "java_class_catalog";
	protected StoredClassCatalog javaCatalog;
	protected Database catalogDatabase;
	protected Database database;

	/**
	 * 初始化数据库需要的各种变量
	 * 
	 * @param homeDirectory
	 * @throws Exception
	 */
	public AbstractFrontier(String homeDirectory) throws Exception {
		EnvironmentConfig envConfig = new EnvironmentConfig();
		// 设置事务处理开启，
		envConfig.setTransactional(true);
		// AllowCreate属性表示没有数据库的前提下，可以自动创建数据库
		envConfig.setAllowCreate(true);
		// 定义Environment变量，homeDirectory指的是数据库存放路径
		env = new Environment(new File(homeDirectory), envConfig);
		// 设置数据库的属性
		DatabaseConfig dbConfig = new DatabaseConfig();
		dbConfig.setTransactional(true);
		dbConfig.setAllowCreate(true);
		// 通常java对象和java对象之间的映射关系要分开存放，放置到不同的数据库中
		// 存放java对象的数据库
		catalogDatabase = env.openDatabase(null, CLASS_CATALOG, dbConfig);
		javaCatalog = new StoredClassCatalog(catalogDatabase);
		// 存放key/value映射的数据库
		database = env.openDatabase(null, "URL", dbConfig);
	}

	/**
	 * 关闭数据库时候，关闭各种链接
	 * 
	 * @throws Exception
	 */
	public void close() throws Exception {
		database.close();
		javaCatalog.close();
		env.close();
	}

	/**
	 * Berkeley DB的存储键值对操作
	 * 
	 * @param key
	 * @param value
	 */
	protected abstract void put(Object key, Object value);

	/**
	 * Berkeley DB的得到键值对操作
	 * 
	 * @param key
	 * @return
	 */
	protected abstract Object get(Object key);

	/**
	 * Berkeley DB的删除键值对操作
	 * 
	 * @param key
	 * @return
	 */
	protected abstract Object delete(Object key);
}

4、设计实现类，实现数据库的插入，查找和删除功能（其实数据库的功能就是直接可以用java程序来实现的，这是Berkeley DB优点的地方，可以直接向操作普通java hash程序一样，操作数据库）

package webspider.berkeleydb;

import java.util.Map.Entry;
import java.util.Set;
import com.sleepycat.bind.EntryBinding;
import com.sleepycat.bind.serial.SerialBinding;
import com.sleepycat.collections.StoredMap;

/**
 * 具体实现类
 * 
 * @author typ
 * 
 */
public class BDBFrontier extends AbstractFrontier implements Frontier {
	// 建立map，存储key/value键值对
	private StoredMap pendingUrisDBMap;

	/**
	 * 初始化java对象数据库和对象映射数据库
	 * 
	 * @param homeDirectory
	 * @throws Exception
	 */
	public BDBFrontier(String homeDirectory) throws Exception {
		super(homeDirectory);
		// 定义key和value的Entry
		EntryBinding keyBinding = new SerialBinding(javaCatalog, String.class);
		EntryBinding valueBinding = new SerialBinding(javaCatalog,
				CrawlUrl.class);
		// map存放在database中，database存放key/value映射
		pendingUrisDBMap = new StoredMap(database, keyBinding, valueBinding,
				true);
	}

	/*
	 * (non-Javadoc)
	 * 
	 * @see webspider.berkeleydb.Frontier#getNext()
	 */
	public CrawlUrl getNext() throws Exception {
		CrawlUrl url = null;
		if (!pendingUrisDBMap.isEmpty()) {
			Set<Entry<String, CrawlUrl>> entrys = pendingUrisDBMap.entrySet();
			Entry<String, CrawlUrl> entry = (Entry<String, CrawlUrl>) pendingUrisDBMap
					.entrySet().iterator().next();
			url = entry.getValue();
			delete(entry.getKey());
		}
		return url;
	}

	/*
	 * (non-Javadoc)
	 * 
	 * @see webspider.berkeleydb.Frontier#putUrl(webspider.berkeleydb.CrawlUrl)
	 */
	public boolean putUrl(CrawlUrl url) throws Exception {
		put(url.getOriUrl(), url);
		return true;
	}

	/*
	 * (non-Javadoc)
	 * 
	 * @see webspider.berkeleydb.AbstractFrontier#put(java.lang.Object,
	 * java.lang.Object)
	 */
	protected void put(Object key, Object value) {
		pendingUrisDBMap.put(key, value);
	}

	/*
	 * (non-Javadoc)
	 * 
	 * @see webspider.berkeleydb.AbstractFrontier#get(java.lang.Object)
	 */
	protected Object get(Object key) {
		return pendingUrisDBMap.get(key);
	}

	/*
	 * (non-Javadoc)
	 * 
	 * @see webspider.berkeleydb.AbstractFrontier#delete(java.lang.Object)
	 */
	protected Object delete(Object key) {
		return pendingUrisDBMap.remove(key);
	}

	/**
	 * 测试效果，可以看到在f:\bdb文件夹下面生成了.jdb和.lck等Berkeley DB相关文件，数据存储在.jdb中
	 * 控制台输出刚刚插入的数据url的OriUrl值“http://www.baidu.com”
	 */
	public static void main(String[] args) {
		try {
			BDBFrontier frontier = new BDBFrontier("f:\\bdb");
			CrawlUrl url = new CrawlUrl();
			url.setOriUrl("http://www.baidu.com");
			frontier.putUrl(url);
			System.out.println(frontier.getNext().getOriUrl());
			frontier.close();
		} catch (Exception e) {
			e.printStackTrace();
		}
	}

}

从上述过程看来，Berkeley DB可以很好的实现key/value这种存储方式，而且完全是通过 一系列直接访问数据库的函数，而不是像关系数据库那样需要数据库连接、SQL解析等步骤。完全跟java程序中操作HashMap没有太大的区别，比较容易上手。