wisckey论文阅读：在SSD场景中，将key于value分离

摘要:基于持久化LSM树的kv存储，将key与value分离减少写放大

性能比起leveldb提升很大

1.introduction

键值存储在很多应用场景中，都越来越重要。

LSM结构比起B树，减少了很多随即写，变成顺序写，提升了性能。而LSM之所以这么成功，是因为与HDD的结合，HDD的顺序IO比起随机IO 快了1000倍。

但随着ssd的使用普及，对这种情况造成了一些变化。

本文思想，在传统LSM结构基础上改进，key，value分离。LSM中只存储key，value存放在日志中。

 

leveldb的多级sstable，使得对于大型数据库来说，一份数据从level0到level6要写7次。因为HDD随机io和顺序io性能差距了1000倍，只要写放大在1000倍以内，用LSM就是提升速度。

 

 

wisckey：

4个关键思想：

1.KV分离，key在LSM中，value在log中

2.对没排序的values，wisckey充分利用了ssd的随机read优势

3.独特的实现了crash一致性和垃圾回收技巧来有效的管理value log

4.wisckey去掉了LSM的log而没有牺牲一致性，优化了性能（减少小写的系统调用开销）。

设计目标：

低写放大，低读放大，SSD优化，特性丰富的api

 

挑战：

kv的分开要求range查询时，需要随机io，并且使得垃圾回收和crash一致性很有挑战。

并行range query：

在range query基本接口找到key时，将所有key加到一个队列中，多线程从中取任务，到SSD的vlog中取value，充分利用SSD的并行性。

垃圾回收：

leveldb的垃圾回收，在一开始删除一个entry时，不会清除，而是在之后compaction之后才会删除。

为了在wis