Bitcask存储模型
----《大规模分布式存储系统：原理解析与架构实战》读书笔记
近期一直在分析OceanBase的源代码，恰巧碰到了OceanBase的核心开发人员的新作《大规模分布式存储系统：原理解析与架构实战》.看完样章后决定入手，果然物有所值。
对于准备学习分布式的同学，这是一本不错的书籍，相对系统，全面的介绍了分布式的相关技术和项目，基本都是干货。
另一半是在介绍OceanBase的内容，对我来说，正是踏破铁鞋无觅处。接下来会有几篇专门研究存储引擎的读书笔记哟。废话不多说，转入正题。
1.存储的介质与读写
谈存储。那么理解存储的介质的特性显然非常重要。书中谈了非常多硬件结构，但最重要的结论，都浓缩在存储介质对照这张表中了。
磁盘介质对照
| 类别 | 每秒读写(IOPS)次数 | 每GB价格(元) | 随机读取 | 随机写入 |
|---|---|---|---|---|
| 内存 | 千万级 | 150 | 友好 | 友好 |
| SSD盘 | 35000 | 20 | 友好 | 写入放大问题 |
| SAS磁盘 | 180 | 3 | 磁盘寻道 | 磁盘寻道 |
| SATA磁盘 | 90 | 0.5 | 磁盘寻道 | 磁盘寻道 |
从表中能够看出，内存的随机读写能力最强，远超SSD盘和磁盘。可是我们都知道。内存无法持久化。如今很多公司在性能要求高的地方都使用了SSD盘。相对SAS和SATA磁盘，随机读取速度有了非常大的提升。
可是对于随机写入，存在写入放大问题。
写入放大问题与SSD盘的特性有关，SSD盘不能随机写入，仅仅能整块整块的写入。最简单的样例，比方要写入一个4KB的数据。最坏的情况就是，一个块里已经没有干净空间了，可是有无效数据能够擦除，所以主控就把全部的数据读出来。擦除块，再加上这个4KB新数据写回去，这个操作带来的写入放大就是: 实际写4K的数据，造成了整个块（512KB）的写入操作，那就是128倍放大。此外，SSD盘的寿命也有写入次数相关。
假设使用SSD来作为存储引擎的存储介质。最好从设计上降低或避免随机写入，使用顺序写入取而代之。
2.Bitcask存储模型介绍
存储系统的基本功能包含：增、删、读、改。当中读取操作有分为顺序读取和随机读取。
整体来说，大部分应用使用读的功能最多，解决读的性能是存储系统的重要命题。一般来说。高速查找的思想基本源自二分查找法和哈希查询。
比如关系数据库中经常使用的B+存储模型就是使用二分查找的思想，当然，实际实现比二分查找复杂非常多。B+存储模型支持顺序扫描。另外一类则是基于哈希思想的键值模型，这类模型不支持顺序扫描，仅支持随机读取。
今天要讨论的Bitcask模型是一种日志型键值模型。
所谓日志型，是指它不直接支持随机写入。而是像日志一样支持追加操作。
Bitcask模型将随机写入转化为顺序写入。有两个优点：
- 提高随机写入的吞吐量，由于写操作不须要查找。直接追加就可以
- 假设使用SSD作为存储介质，可以更好的利用新硬件的特性
Bitcask中存在3种文件，包括数据文件,索引文件和线索文件(hint file,姑且就叫线索文件吧)。数据文件存储于磁盘上，包括了原始的数据的键值信息；索引文件存在于内存，用于记录记录的位置信息，启动Bitcask时。它会将所有数据的位置信息所有读入一个内存中的哈希表，也就是索引文件；线索文件(hint file)并非Bitcask的必需文件，它的存在是为了提供启动时构建索引文件的速度。
2.1 日志型的数据文件
Bitcask的数据文件组织例如以下图：随意时刻。系统中仅仅有一个数据文件支持写入。称为active data file。其余的数据文件都是仅仅读文件，称为older data file。
上面数据项分别为：后面几项的crc校验值,时间戳,key，value，key的大小。value的大小。
数据文件里就是连续一条条上面格式的数据，例如以下图：
2.2 索引哈希表
索引哈希表记录了所有记录的主键和位置信息，索引哈希表的值包括了：记录文件的编号,value长度,value的在文件里的位置和时间戳。Bitcask的整体数据结构例如以下图：
2.3 线索文件(hint file)
Bitcask启动时要重建索引哈希表。假设数据量特别大。则会导致启动非常慢。
而线索文件(hint file)则是用来加速启动时重建哈希表的速度。线索文件(hint file)的记录与数据文件的格式基本同样，唯一不同的是数据文件记录数据的值。而线索文件(hint file)则是记录数据的位置。
这样在启动的时候就能够不用读数据文件，而是读取线索文件(hint file)。一行行重建就可以，大大加快了哈希表的重建速度。
3. Bitcask功能介绍
上节提到，存储系统的基本功能包含：增、删、读、改。
那么Bitcask中怎样实现的呢？
-
怎样添加记录？
用户写入的记录直接追加到活动文件，因此活动文件会越来越大。当到达一定大小时。Bitcask会冻结活动文件。新建一个活动文件用于写入，而之前的活动文件则变为了older data file。写入记录的同一时候还要在索引哈希表中加入索引记录。
-
怎样删除记录？
Bitcask不直接删除记录。而是新增一条同样key的记录，把value值设置一个删除的标记。原有记录依旧存在于数据文件里。然后更新索引哈希表。 -
怎样改动记录？
Bitcask不支持随机写入。由于对于存储系统的基本功能中的增和改。实际上都是一样的。都是直接写入活动数据文件。同一时候改动索引哈希表中相应记录的值。
(这个时候。实际上数据文件里同一个key值相应了多条记录，依据时间戳记录来推断，以最新的数据为准。
)
-
怎样读取记录?
读取时，首先从索引哈希表中定位到记录在磁盘中位置，然后通过IO读取出相应的记录。 -
合并(Marge)操作
Bitcask这样的仅仅增不减地不断写入，必定会是数据文件不断的膨胀。而当中有很多是被标记删除和改动后留下的无用记录。合并操作就是为了剔除这部分数据，减小数据文件大小。
merge操作。通过定期将全部older data file中的数据扫描一遍并生成新的data file（没有包含active data file 是由于它还在不停写入）。假设同一个Key有多条记录。则仅仅保留最新的一条。从而去掉数据文件里的冗余数据。并且进行合并(Marge)操作时，还能够顺带生成线索文件(hint file)。合并(Marge)操作一般会在数据库较闲的时候进行。比方凌晨一两点等。
4.总结
Bitcask是一个精炼的键值存储模型。採用日志型的数据结构。仅仅追加不改写就记录，提高了随机写入的吞吐量，通过建立哈希表来加快查询速度，定期合并数据文件。并生成线索文件(hint file)，提高启动时重建哈希表的速度。
这是我參考了网上的一个python实现。并添加了部分功能后的代码:https://github.com/Winnerhust/Code-of-Book/blob/master/Large-Scale-Distributed-Storage-System/bitcask.py
除了增删读写外,主要还实现了：
- 数据文件合并，合并时能够选择生成线索文件(hint file)
- 能够使用线索文件(hint file)启动
參考：
bitcask
优雅的Bitcask
