數(shù)據(jù)存儲(chǔ)具有很強(qiáng)的現(xiàn)實(shí)意義，只有采取合理的數(shù)據(jù)存儲(chǔ)方式，才能夠有利于數(shù)據(jù)的管理、檢索等。為增進(jìn)大家對(duì)數(shù)據(jù)存儲(chǔ)方式的認(rèn)識(shí)，本文將對(duì)三種數(shù)據(jù)存儲(chǔ)方式予以介紹。如果你對(duì)數(shù)據(jù)存儲(chǔ)方式具有興趣，不妨繼續(xù)往下閱讀哦。
數(shù)據(jù)存儲(chǔ)在實(shí)際應(yīng)用中，就是怎么用數(shù)據(jù)庫(kù)把我們的業(yè)務(wù)數(shù)據(jù)保存起來。從宏觀角度看，大致包含三大類技術(shù)：B-TREE，LSM&SSTable，列式存儲(chǔ)。
一、B-TREE
B-TREE和關(guān)系模型同步出現(xiàn)于70年代，到90年幾乎占領(lǐng)了所有的數(shù)據(jù)庫(kù)市場(chǎng)。B-TREE簡(jiǎn)單的理解就是多葉節(jié)點(diǎn)的樹，每個(gè)葉節(jié)點(diǎn)并非是每行數(shù)據(jù)，而是數(shù)據(jù)庫(kù)的的數(shù)據(jù)塊。這么設(shè)計(jì)的原因是樹的層次影響著搜索性能，而且磁盤的讀寫是基于塊(BLOCK)的，使用塊可以大大減少節(jié)點(diǎn)數(shù)量，進(jìn)而減少樹的層次。
B-TREE的特點(diǎn)在于讀寫性能比較穩(wěn)定，響應(yīng)時(shí)間和磁盤隨機(jī)讀寫的時(shí)間成正比(10ms)。并且由于B-TREE對(duì)應(yīng)到數(shù)據(jù)庫(kù)的每條記錄，可以很容易的實(shí)現(xiàn)事務(wù)、行鎖和隔離級(jí)別。讀性能略高于LSM算法。而且B-TREE基于塊的存儲(chǔ)方式，可以很容易的把內(nèi)存中的塊和磁盤上的塊一一對(duì)應(yīng)起來，很容易的實(shí)現(xiàn)緩存。在實(shí)際應(yīng)用中，前2-3級(jí)節(jié)點(diǎn)內(nèi)都可以在緩存中讀取，由此大大提高了訪問效率。
而不足在于真正面對(duì)海量數(shù)據(jù)時(shí)(如數(shù)據(jù)量進(jìn)入到百億級(jí)別時(shí))，由于樹層數(shù)和緩存比率的減少，會(huì)導(dǎo)致性能逐步下降。此外由于B-TREE在寫入時(shí)也需要通過搜索定位到葉節(jié)點(diǎn)，因此相對(duì)于LSM，其寫入時(shí)開銷較大。PS：其實(shí)現(xiàn)在已經(jīng)出現(xiàn)了分布式的B-TREE，比如oracle的localeindex。
二、LSM&SSTable
目前主流的存儲(chǔ)架構(gòu)還是磁盤+內(nèi)存，磁盤順序讀寫的性能高于隨機(jī)讀寫三個(gè)數(shù)量級(jí)，而在內(nèi)存中進(jìn)行隨機(jī)讀寫的的性能也大于磁盤的三個(gè)數(shù)量級(jí)，可以得出用磁盤當(dāng)做磁帶一樣只做順序讀寫，而把內(nèi)存當(dāng)做磁盤，提供所有的隨機(jī)讀寫訪問的總體思想，這也就是出LSM-Tree的算法。
簡(jiǎn)單說就是在內(nèi)存中維護(hù)一張MemTable，把所有最新的數(shù)據(jù)都寫到其中，所有數(shù)據(jù)依據(jù)key值進(jìn)行排序(隨機(jī)讀寫)。當(dāng)MemTable的大小到大閾值之后，把它寫到磁盤上，形成一個(gè)個(gè)的SSTable(順序?qū)?。每個(gè)SSTable構(gòu)造一個(gè)索引，由于SSTable中的數(shù)據(jù)都是排好序的，所以索引較小，可以保存在內(nèi)存里面，所以所有的索引搜索動(dòng)作都是在內(nèi)存進(jìn)行的(隨機(jī)讀)。
每次查找的過程如下：首先在MemTable中搜索(內(nèi)存隨機(jī)查找)，如果沒有依次在每個(gè)SSTable的索引中查找(內(nèi)存隨機(jī)查找)。把查找從磁盤隨機(jī)動(dòng)作變成了基于內(nèi)存的隨機(jī)動(dòng)作。隨著SSTable的增多，搜索的次數(shù)會(huì)增加，為了提高性能，后臺(tái)會(huì)把多個(gè)SSTable合并為一個(gè)(如Hbase、LevelDB等等)。并且提供布隆過濾器(BloomFilter)來過濾掉不需要的SSTable。從總體效果上看，寫入的效率大大高于基于B-Tree的存儲(chǔ)引擎，而讀取性能接近于B-Tree。
LSM&SSTable在寫入密集型應(yīng)用中有較大優(yōu)勢(shì)，同時(shí)在讀取方面也有不錯(cuò)的表現(xiàn)。不足之處在于上面提到的，不定期對(duì)增加的SSTable進(jìn)行合并時(shí)，對(duì)于數(shù)據(jù)庫(kù)會(huì)產(chǎn)生一定壓力。
由于這些特點(diǎn)，LSM&SSTable大量應(yīng)用于許多組件中，比如Hbase、LevelDB等KeyValue數(shù)據(jù)庫(kù)中，同時(shí)也在消息引擎Kafka和搜索引擎Solr使用。
三、列式存儲(chǔ)
以上兩種存儲(chǔ)引擎主要適合于聯(lián)機(jī)場(chǎng)景，如有大量的基于客戶各類行為數(shù)據(jù)的批量計(jì)算的推薦系統(tǒng)中，以及預(yù)計(jì)客戶的流動(dòng)性缺口等等。在這些場(chǎng)景中，列式存儲(chǔ)在性能上有非常明顯的優(yōu)勢(shì)。隨著各類大數(shù)據(jù)應(yīng)用的擴(kuò)展，列式存儲(chǔ)從和Hive共生的ORC，到和Spark共生的Parquet也被應(yīng)用到了各個(gè)數(shù)據(jù)分析應(yīng)用中。
從傳統(tǒng)的數(shù)據(jù)分析類應(yīng)用，到人工智能應(yīng)用，都需要遍歷整個(gè)數(shù)據(jù)集，上面也提到磁盤在順序讀寫和隨機(jī)讀寫性能方面的巨大差距，所以所有的數(shù)據(jù)倉(cāng)庫(kù)都會(huì)在全表遍歷中采用磁盤順序遍歷。所以遍歷的文件空間越小，性能越高。列式存儲(chǔ)按列對(duì)數(shù)據(jù)進(jìn)行保存，以減少數(shù)據(jù)庫(kù)每次訪問的文件尺寸。
首先，分析應(yīng)用一般局限于對(duì)于表中的部分字段都分析，列是存儲(chǔ)可以讓引擎只訪問部分字段，減少吞吐量。其次，列式存儲(chǔ)數(shù)據(jù)壓縮能力更強(qiáng)。因?yàn)樾屑?jí)別的存儲(chǔ)方式壓縮是基于數(shù)據(jù)塊，壓縮比大致為50%-70%左右，而且壓縮比越大，解壓縮對(duì)于CPU的占用也越大。由于單列內(nèi)的數(shù)據(jù)非常類似，尤其是各種碼值類的數(shù)據(jù)，比如性別(男、女、其他)，行數(shù)越多，壓縮比越大。10億客戶的性別，也可以簡(jiǎn)單的表達(dá)為如下這樣：“連續(xù)100個(gè)男性、連續(xù)50個(gè)女性、又連續(xù)80個(gè)男性、連續(xù)70個(gè)女性”，按照每行的位置依次表達(dá)下去。
再次，同樣由于列內(nèi)數(shù)據(jù)的取值范圍有限，也可通過位圖來表達(dá)，比如10表示男，01表示女，因此只用2個(gè)bit就可以表示出來，從而進(jìn)一步增加壓縮比。在在許多場(chǎng)景中能夠把以前數(shù)G的數(shù)據(jù)壓縮為幾百K。由此可以顯著降低批量計(jì)算時(shí)對(duì)于存儲(chǔ)的吞吐壓力和提升計(jì)算效率。
當(dāng)然列式存儲(chǔ)也并非完美，在更新時(shí)列式存儲(chǔ)相對(duì)行式存儲(chǔ)，很難直接做到就地修改的效果，往往需要把整列鎖住，重新計(jì)算，重新生成整個(gè)列。所以列式存儲(chǔ)更多的適合于數(shù)據(jù)分析時(shí)需要全表遍歷的場(chǎng)景。
以上便是此次小編帶來的數(shù)據(jù)存儲(chǔ)相關(guān)內(nèi)容，通過本文，希望大家對(duì)數(shù)據(jù)存儲(chǔ)方式具備一定的了解。如果你喜歡本文，不妨持續(xù)關(guān)注我們網(wǎng)站哦，小編將于后期帶來更多精彩內(nèi)容。最后，十分感謝大家的閱讀，have
a nice day!
