大数据学习（15）—— B+树和LSM

这一节介绍数据库存储引擎常用的两种数据结构。作为关系型数据库的代表，MySql的InnoDB使用B+树来存储索引。作为NoSQL的代表，HBase使用的LSM树，我们来看看两者有什么区别。

B+树

B+树是大学数据结构里的内容。要了解什么是B+树，先从简单的开始。

二叉排序树

简单的说，二叉排序树首先是一个二叉树，每个结点最多只有两个分支，每个结点存储一个数据。左子树的所有结点都比父结点小（或相等），右子树的所有结点都比父结点大（或相等）。两个括号里的“或相等”附加说明，只能存在一个。

 上面这两个图片都是二叉排序树。第一个树是平衡二叉树（任意结点左右子树高度差小于等于1，AVL），第二个树不平衡。不平衡会导致数据查询效率下降，因此要避免数据倾斜。

B树

二叉树的结点能保存数据，但是它存在缺点，如果数据量很大，它的深度会很大，查询效率低。比如：20层的满二叉树也只能存储100多万条数据。对于动辄数百万条记录的关系型数据库来说，要是查找一条记录如果要发生十几次IO，这个延时是不能接受的。

平衡树（B树，Balance Tree）是一种平衡多叉树，结点之间和结点内部也是有序的，每个结点有多个子结点，每个结点可以存储多个数据。二叉树因为瘦高，查询效率低。B树因为矮胖，降低了树的深度，查询效率快很多。具体定义自行百度。

 

B+树

B+树是B树的一个变形，B+树的非叶子结点不存储数据，只作为索引。B+树的叶子结点内部，数据是有序排列的。

B+树的叶子结点兄弟之间有从左至右的指针，方便范围查询。

LSM

Log-Structured Merge-Tree，日志结构合并树，强调三点：一是这不是一个具体的数据结构只是一种做法，二是像写日志那样只追加，三是树会合并。

LSM为KV存储系统量身定做，只追加不修改不删除的特性很好地利用了机械硬盘顺序写入快、随机写入慢的特性。LSM首先是写内存，在内存中是一颗小树，内存要足够大，这比直接写磁盘也快了十万倍。内存写满了再落盘，追加到尾部，并且对大量的小文件做合并操作形成大树。为了将随机写转换为顺序写，LSM存储了大量的重复过时数据，这是空间换时间的做法。

上面这一点对于大量的写操作是非常高效的，但是读性能会略微受影响。读取数据的时候由于没有一颗完整有序的大树，所以要从最新的小树里查找数据，找不到的话就往前找。当然，这个缺陷可以使用布隆过滤器来优化。

我看了很多资料，都提到LSM是基于机械硬盘磁臂移动慢出现的，那么换成SSD还有这问题吗？老外对这个问题已经有研究了，看这里Separating Keys from Values in SSD-conscious Storage

当机械硬盘退出生产环境舞台的时候，LSM也许会迎来一波变革吧。