结识lsm-tree及其优缺点

总结：lsm-tree就是在内存中用多个树缓存数据的更新，当内存满时，在将多个树进行合并，写入磁盘。

如果是一个运行时间很长的b树，那么几乎所有的请求，都是随机io。因为磁盘块本身已经不再连续，很难保证可以顺序读取。磁盘本身是一个顺序读写快，随机读写慢的系统，

当写读比例很大的时候（写比读多），LSM树相比于B树有更好的性能。因为随着insert操作，为了维护B树结构，节点分裂。读磁盘的随机读写概率会变大，性能会逐渐减弱。而LSM，具有批量特性，存储延迟，C0为内存组件，Cn为磁盘组件（Cn可以有多个，并且是从小到大，逐个合并），当C0 size达到阀值时，才会把insert批量刷新到磁盘。多次单页随机写，变成一次多页随机写。复用了磁盘寻道时间，极大提升效率。(C0和Cn都是有序树，查询效率为logN)

平衡树，可以看到基本上一个元素下只有两个子叶节点

抽象的来看，树想要达成有效查找，势必需要维持如下一种结构：

树的子叶节点中，左子树一定小于等于当前节点，而当前节点的右子树则一定大于当前节点。只有这样，才能够维持全局有序，才能够进行查询。

这也就决定了只有取得某一个子叶节点后，才能够根据这个节点知道他的子树的具体的值情况。这点非常之重要，因为二叉平衡树，只有两个子叶节点，所以如果想找到某个数据，他必须重复更多次“拿到一个节点的两个子节点，判断大小，再从其中一个子节点取出他的两个子节点，判断大小。”这一过程。

这个过程重复的次数，就是树的高度。那么既然每个子树只有两个节点，那么N个数据的树的高度也就很容易可以算出了。

平衡二叉树这种结构的好处是，没有空间浪费，不会存在空余的空间，但坏处是需要取出多个节点，且无法预测下一个节点的位置。这种取出的操作，在内存内进行的时候，速度很快，但如果到磁盘，那么就意味着大量随机寻道。基本磁盘就被查死了。

而b树，因为其构建过程中引入了有序数组，从而有效的降低了树的高度，一次取出一个连续的数组，这个操作在磁盘上比取出与数组相同数量的离散数据，要便宜的多。因此磁盘上基本都是b树结构。

不过，b树结构也不是完美的，与二叉树相比，他会耗费更多的空间。在最恶劣的情况下，要有几乎是元数据两倍的格子才能装得下整个数据集（当树的所有节点都进行了分裂后）。

（索引通常是非常大的，不能全部放入内存，对于二叉树而言，最极端的情况是，节点分布的很散，所以每次读取节点都要进行一次随机的磁盘读取。而对于B树而言，每个节点都存放一个有序数组，这个数组往往比较大，这样的话，树的高度就大大降低，通常可以看做高度为2，这样在查询的时候只需要磁盘读取2次，一次读取一个数组）

B树的缺点是：

1. 会占用更多的空间

2. 但如果有更新插入删除等综合写入，最后因为需要循环利用磁盘块，所以会出现较多的随机io.大量时间消耗在磁盘寻道时间上。

如果是一个运行时间很长的b树，那么几乎所有的请求，都是随机io。因为磁盘块本身已经不再连续，很难保证可以顺序读取。