论文阅读(10):WOKV

该文分析了2018年IEEE文章中的leveldb优化策略,针对写放大和memtable不可用问题提出解决方案。通过迭代选择与下层sstable交叠最少的sstable进行compact,以降低写放大的影响。同时,利用工作队列和多线程处理memtable的dump和compact过程,以提升性能。实验结果显示,这种方法能有效提升随机读写和顺序读写的性能,减轻db性能随kv数量增加而下降的问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在这里插入图片描述

本文是2018年IEEE的协会文章,思路比较简单

主要针对的是leveldb的写放大以及memtable unavailable的问题。
解决的思路都很直接。写放大问题的原因是compact过程中,leveli某个sstable与leveli+1中键值交叠的sstable,读到内存,重排序,去重等再写回leveli+1的sstable中。本文就是迭代leveli层的sstable,找到与下层sstable键值交叠最少的sstable进行compact。leveldb本身的sstable选择,应该就是按照顺序一个一个来。

另外一点就是,前段memtable dump到disk的过程,使用工作队列进行缓存,并用多个线程处理minorcompact和majorcompact过程。

性能比较:可以看到有一定提升,无论是随机读写还是顺序读写,并且db随着kv数量的上升,它的性能降级问题也有一定改善。
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值