对LevelDB的“升级版”存储引擎RocksDB的调研成果
时间:2022-03-10 18:14
Google的leveldb是个很优秀的存储引擎,但还是有一些不尽人意的地方,比如leveldb不支持多线程合并,对key范围查找的支持还很简单,未做优化措施,等等。而Facebook的RocksDB是个更彪悍的引擎,实际上是在LevelDB之上做的改进,在用法上与LevelDB非常的相似,两者的对比可以参考下面的参考资料1。
这里之所以要调研rocksdb是因为rocksdb中加入了prefix bloomfilter的实现,能够支持对范围查找的优化,对我目前的项目很有参考意义,下面是我调研和剖析rocksdb部分源码总结出的部分结果。
1. 对RocksDB中与Bloomfilter相关的调研结果
这一步主要参考rocksdb的官方博客和相关讨论,总结得到以下信息:
(1)rocksdb支持在key的sub-part上设置Bloomfilter,这使得范围查询成为可能。
(2)将key分为prefix和suffix,配置了一个prefix_extractor 来指定key-prefix,并用此存储每个key-prefix的blooms,然后用指定了prefix的iterator来使用这些bloom bits避免查询那些不包含所指定prefix的keys,从而实现了prefix过滤。
(3)Rocksdb实现了两个Bloomfilter,一个是在读block之前使用Bloomfilter过滤不包含key的blocks(与leveldb相同),另一个是在查询memtable时动态生成一个bloomfilter实现内存中的key过滤(在block read之前)。
上面这些信息源主要来自以下几个参考资料:
- 中关于rocksdb特性的讨论
2. rocksdb中Get接口实现优化(与leveldb对比)
下面简单总结下rocksdb中Get接口实现过程中的一些优化技术,总体实现流程与leveldb一致,都是memtable —>immemtable—>sstable的过程,但实现细节有所不同,主要有下面几点不同:
(1)memtable/ immemtable的Get实现(memtable.cc::Get)
Rocksdb在这个过程中加入了Bloomfilter机制,如下:
autoiter = DB::NewIterator(ReadOptions()); for (iter.Seek(prefix); iter.Valid()&& iter.key().startswith(prefix); iter.Next()) { //do something }
具体实现通过封装的iter内部的多个不同类型Iterator的Seek方法,其中使用到prefixbloomfilter的Iterator是sstable的TwoLevelIterator(即过滤的是磁盘IO),Two_level_iterator中的Seek方法在读磁盘IO之前先进行了一次prefixfilter,如下(two_level_iterator.cc:: Seek):
if (state_->check_prefix_may_match && !state_->PrefixMayMatch(target)) { SetSecondLevelIterator(nullptr); return; }
这里PrefixMayMatch函数的具体实现分为以下几个步骤(block_based_table_reader.cc:: PrefixMayMatch):
a. 首先根据prefix_extractor信息抽取出key的prefix部分
b. 然后构造prefix的Index Iterator以根据索引信息查找该prefix是否可能在这个file里(此时还没开始真正的block读,即此时没有磁盘IO操作)
c. 如果不可能在file里则返回false;如果有可能在,则进一步检查下当前Iterator所指向的完整key的prefix是否是要查找的prefix(因为index只能确定范围,不能精确确定prefix一定存在),若是则返回true,否则就获取filterblock里的bloomfilter,通过prefixbloomfilter的PrefixMayMatch进行过滤,如果过滤不了才开始真正的block磁盘查找。
上面的流程简单讲述了如何实现prefix scan,下面举个简单的例子(来自db_test.cc):
使用下面的几组prefixranges 生成11个sst文件:
GROUP 0:[0,10] (level 1)
GROUP 1:[1,2], [2,3], [3,4], [4,5], [5, 6] (level 0)
GROUP 2:[0,6], [0,7], [0,8], [0,9], [0,10] (level 0)
这11个prefix ranges对应的key ranges分别为:
GROUP 0: [00______:start, 10______:end]
GROUP 1: [01______:start, 02______:end], [02______:start, 03______:end],
[03______:start, 04______:end], [04______:start, 05______:end],
[05______:start,06______:end]
GROUP 2: [00______:start, 06______:end], [00______:start,07______:end],
[00______:start,08______:end], [00______:start, 09______:end],
[00______:start,10______:end]
其中prefix长度为8,此时如果要通过prefix“03______:”查找 这11个sst文件,先前的API(比如leveldb中)需要11次随机IO才能找到,而用rocksdb中新的API及prefixfilter选项的启用,我们只需要2次随机IO即可,因为只有两个文件包含该prefix。
4. RocksDB中关于get_range接口
rocksdb中虽然实现了prefix Bloomfilter,但是并未提供get_range接口,官方文档中说支持Bloomfilter范围查询指的应该是rocksdb已经实现了prefix Bloomfilter,那么用户可以利用这个实现范围查找的过滤机制,但接口需要用户自己实现。RocksDB对原来LevelDB中sst文件预留下来的MetaBlock进行了具体利用,其中Prefixes信息存在metablock里(Block_based_table_builder.cc)。因此我们可以借鉴prefixBloomfilter的原理实现我们自己的范围Bloomfilter。
5. leveldb中范围Bloomfilter实现的初步思路
首先get_range对外的接口是这样:
int get_range(int area, const data_entry &pkey, const data_entry &start_key,
const data_entry &end_key, int offset, int limit, vector<data_entry*>
&values,short type=CMD_RANGE_ALL);
其中pkey就是prefix key,因此我们根据对pkey实现bloomfilter来实现范围bloomfilter的过滤。
基本实现思路如下:
(1)对data block里的每个key抽取出合适的prefix
(2)对prefix key实现bloomfilter(与key实现一样),并添加到filter block里,这里可以与整个key的bloomfilter放在一起,也可以分开放,通过index block控制索引
(3)在get_range实现过程中,首先获取prefix bloomfilter,然后对pkey进行prefixfilter,过滤掉prefix不匹配的file或block,这样就实现了范围bloomfilter。
6. 参考资料
1.
2.
3.
4.
对LevelDB的“升级版”存储引擎RocksDB的调研成果,布布扣,bubuko.com