lsm-tree

lsm树针对快速写入进行了优化

Cassandra（一种非关系型数据库）在内存中构建memtable，数据依次写入memtable，且在写入过程中就完成了数据的排序，即数据的保存是有序的，该过程在内存中完成，处理速度极快。

当memtable不断写入达到内存的临界点时，内存中所生成的数据就会刷盘写入到磁盘中，这个结构称为sstable，这些写入都是顺序io，在任何存储介质上都很快。每写一次sstable，该sstable就不再发生变化，memtable清空等待后续数据的持续写入。随着时间更迭，在硬盘上会出现大量sstable保存有序的数据。

在最新的写入中需要对之前数据进行更新时，首先将更新操作写到memtable中，等到memtable满了之后会追加到最新的sstable中，在此过程中，发生了更新的数据会增加一个墓碑标记，表示之前的数据已经作废。即：将之前的旧数据在最新的sstable中标记，说明之前某个数据已经作废，原有sstable不做任何变化。

以上操作存在问题，随着key的更新和墓碑的增加，过时的条目越来越多，这些占用宝贵的磁盘空间。

Cassandra定时的在达到某个边界条件后，将积压的sstable进行合并。合并的过程中会把过期的数据清理掉，并添加相应的汇总表进行数据查询方面的优化。越往下层级数据体量越大（指数级增加）。

有两种广泛的策略：SizeTieredCompaction 偏向写入吞吐量优化 Cassandra；                                                                 LeveledCompaction 偏向读取优化 RocksDB

常见的优化措施：

1.如何快速的进行数据读取：在内存中保留一个汇总表，包含每个level每个磁盘块的最小key/最大key范围，它允许系统跳过对那些key不在范围内的磁盘块的搜索，这样就节省了大量的随机io

2.查找不存在的key：布隆过滤器，通过多次哈希产生的一个bitmap