学习log structured merge-tree

最新推荐文章于 2025-12-05 17:59:21 发布
原创 最新推荐文章于 2025-12-05 17:59:21 发布 · 72 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#学习 #数据库

博客提供了LSM Tree相关资料的链接（https://www.cs.umb.edu/~poneil/lsmtree.pdf），有助于对数据库相关技术感兴趣的人进一步学习研究。
LSM-Tree（Log-Structured Merge-Tree）详解
互联网架构师笔记
03-17 696
LSM-Tree（Log-Structured Merge-Tree）是一种。数据先存内存（MemTable），后存磁盘（SSTable）通过 Compaction 减少数据碎片，提高查询效率。高吞吐写入（HBase, RocksDB），广泛用于 NoSQL 数据库（如。Key-Value 存储，优化写入。NoSQL 数据库，适合高吞吐写入。追加写+批量刷盘，减少磁盘随机写。多层存储数据，需要额外的磁盘空间。采用 LSM-Tree 存储结构。底层基于 LSM-Tree 设计。事务型数据库（MySQL）
万字详解：LSM（Log-Structured Merge-Tree）结构
AI天才研究院
04-13 579
是一种专为高吞吐量写操作和顺序写优化设计的存储引擎。其核心思想是将数据以日志结构的方式组织，优化写入操作，通过顺序写入内存和磁盘，以及合并优化存储空间的策略，提供出色的写入性能和存储效率。内存表（MemTable）：缓存最新写入的数据。不变的磁盘表（SSTable）：持久化存储有序数据。合并（Merge）过程：定期合并小文件，优化存储空间。压缩（Compaction）：去除冗余数据，提高存储效率。布隆过滤器（Bloom Filter）：加速数据存在性判定。
The Log-Structured Merge-Tree (LSM-Tree) 论文阅读笔记
LG.田猿的博客
04-26 1674
LSM-Tree（Log-Structured Merge-Tree）是一种为高吞吐量读写操作优化的数据结构，特别适用于写入密集型的应用场景。它由Patrick O’Neil等人开发，旨在提供一种低成本的索引方法，以处理大量记录插入和删除的操作。目的：LSM-Tree是为了解决传统磁盘索引结构（如B树）在处理高比例插入和删除操作时遇到的性能问题。应用场景：适用于那些插入操作远比查找操作频繁的场景（写多读少），如历史表（History tables）和日志文件（log files）。设计原则。
【博客718】时序数据库基石：LSM Tree(log-structured merge-tree)
qq_43684922的博客
06-15 1703
LSM树是一个横跨内存和磁盘的，包含多颗"子树"的一个森林。LSM树分为Level 0，Level 1，Level 2 … Level n 多颗子树，其中只有Level 0在内存中，其余Level 1-n在磁盘中。内存中的Level 0子树一般采用排序树（红黑树/AVL树）、跳表或者TreeMap等这类有序的数据结构，方便后续顺序写磁盘。磁盘中的Level 1-n子树，本质是数据排好序后顺序写到磁盘上的文件，只是叫做树而已。
HBase学习笔记（二）——LSM树（Log-Structured Merge-Tree）是什么？
u011047968的专栏
06-15 4102
LSM 树，即日志结构合并树（Log-Structured Merge-Tree）是Google BigTable 和 HBase 的基本存储算法，它是传统关系型数据库的 B+ 数的改进。算法的关注重心是 “如何在频繁的数据改动下保持系统读取速度的稳定性”，算法的核心在于尽量保证数据是顺序存储到磁盘上的，并且会有频繁地对数据进行整理，保证其顺序性。而顺序性就可以最大程度保证数据的读取性能稳定。 LSM树核心就是放弃部分读能力，换取写入的最大化能力。LSM 树会将所有的数据插入、修改、删除等操作保存在内
LSM Tree (Log-structured merge-tree)
gonewithwind818的专栏
03-22 313
基本概念 LSM Tree (Log-structured merge-tree) ：这个名称挺容易让人困惑的，因为你看任何一个介绍LSM Tree的文章很难直接将之与树对应起来。事实上，它只是一种分层的组织数据的结构，具体到实际实现上，就是一些按照逻辑分层的有序文件。 MemTable: LSM Tree的树节点可以分为两种，保存在内存中的称之为MemTable, 保存在磁盘上的称之为SSTable. 严格讲，MemTable与SSTable还有很多细节区别，这里不展开讨论。 基本原理 写操作
LSM 树(Log-Structured Merge-Tree) 原理
谈谈1974
07-24 6575
文章目录1. LSM 树介绍1.1 背景1.2 核心思想2. 基本原理2.1 写数据2.2 读数据3. LevelDB 中的 LSM 1. LSM 树介绍 1.1 背景 传统关系型数据库通常在读性能上有较高的要求，通过以下方式组织数据能够在复杂的读场景下(比如按关键字或者范围)高效地进行查找 二分查找: 将数据按一定规则顺序保存，使用二分查找可完成特定 key 的快速查找 哈希：使用哈希将数据分割存储在特定位置 B+树：使用 B+树 或者 ISAM 索引顺序存取等方法组织数据，可以减少外部文件的读取 外
【LSM tree 】Log-structured merge-tree 一种分层、有序、面向磁盘的数据结构
weixin_40293999的博客
12-09 917
LSM Tree 全称是Log-structured merge-tree, 是一种分层，有序，面向磁盘的数据结构。其核心原理是磁盘批量顺序写比随机写性能高很多，可以通过围绕这一原理进行设计和优化，让写性能达到最优。相较于传统的B+树，它减少了磁盘随机读取的需求，从而在一定程度上改善了数据库的写能力，当然在一定程度上牺牲了数据库的读能力。
LSM树（Log-Structured-Merge-Tree）
qq_53286237的博客
03-14 1071
学习笔记：参考NoSQL（HBase,LevelDB,RocksDB）采用LSM树核心：利用顺序写来提高性能，但因为分层（内存和文件两部分）的设计会降低读性能。//牺牲小部分读性能来换高性能写。
精选资源
The Log-Structured Merge-Tree (LSM-Tree).pdf
06-22
Log-Structured Merge-Tree（LSM-Tree）是一种设计用来提供文件高效索引的数据结构，尤其是在文件经历高插入率（以及删除）的长时间段内。LSM-Tree能够以低成本维护实时索引，特别适合于历史表和日志文件等应用场景...
【AI学习-comfyUI学习-第十二节-FLUX局部重绘工作流-各个部分学习-第十二节】
qq_22146161的博客
12-02 860
最近，学习comfyUI，这也是AI的一部分，想将相关学习到的东西尽可能记录下来。加载图像这就是上传的那张桥墩照片没问题这也算各一个开始吧，我也在学习摸索中。
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习与集成方法：组合多个学习器来提高整体性能
hiliang521的博客
12-02 857
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习
算法题归类学习
最新发布
qq_43751506的博客
12-05 247
删除排序链表中的重复元素II（LeetCode 82） - 全删除。删除排序链表中的重复元素（LeetCode 83） - 保留一个。删除链表的倒数第N个结点（LeetCode 19） - 快慢指针。二叉树的最大深度（LeetCode 104） - DFS/BFS。二叉树的最近公共祖先（LeetCode 236） - 递归查找。二叉树的层序遍历（LeetCode 102） - BFS队列。二叉树的中序遍历（LeetCode 94） - 递归/迭代。环形链表（LeetCode 141） - 快慢指针判环。
Lua学习记录（5） --- Lua中的协同程序 也称线程Coroutine的介绍
FAREWELL00075的博客
12-01 927
本文介绍了Lua中协程的基本概念和使用方法。主要内容包括：1）Lua协程需要通过创建、激活才能执行，不同于C#的自动执行；2）协程的两种创建方式（create和wrap）及其对应的调用方法；3）协程的四种状态（suspended、running、dead、normal）；4）协程可持续执行的特点，通过yield挂起和resume恢复实现分段执行。文章还比较了Lua与C#协程的区别，并提供了详细的代码示例说明协程的创建、调用和执行过程。
C++基础：Stanford CS106L学习笔记 1 类型与结构
WM2101的博客
12-02 328
本文介绍了C++的类型系统和结构体特性。在类型系统方面，C++采用静态类型，变量类型一旦确定不可更改，与Python的动态类型形成对比。静态类型能提高效率并减少运行时错误。文章还介绍了using类型别名、auto类型推断以及函数重载等现代类型特性。在结构体方面，展示了如何定义和使用结构体，以及使用std::pair模板简化多值返回的实现方式。通过对比Python和C++的代码示例，突出了C++在类型安全性和编译时检查方面的优势。
vite学习
qq_41549657的博客
12-04 549
核心优势极速开发启动：开发阶段不打包，直接让浏览器加载原生ESM,配合ebuild预购建第三方依赖，启动时间从webpack的秒级变为毫秒级热更新（HMR）快:只更新修改的模块，而非全量重建，大型项目热更新耗时<10ms按需编译：开发阶段仅编译当前请求的模块，而非全量打包内置对Typescript、JSX、CSS、静态资源的支持，无需复杂配置生产环境优化：基于Rollup打包，输出高度优化的静态资源，兼顾开发销量和生产性能<docs>Vite 处理.vue。
【Prompt学习技能树地图】LangChain原理及应用操作指南
致力于成为一名data scientist 的奋斗者
12-03 667
基础层主要解决两个核心问题：模型调用的统一化和数据存储的标准化。通过抽象接口设计，为上层应用提供了稳定、可预测的编程模型。表3.2：基础层核心组件概览组件类别核心功能解决的关键问题典型实现模型抽象统一模型调用接口屏蔽不同模型API差异存储抽象统一数据访问方式标准化各类存储系统操作文档处理多格式文档加载与转换统一文档处理流程PDF、HTML、Markdown解析接口规范定义标准化调用契约确保组件间兼容性BaseLLM、VectorStore接口。
音视频开发方向从入门到商业落地详细学习线路
ZouZou的专栏
12-01 1066
本学习线路专为大学生设计，以“C/C++为根基、FFmpeg为核心工具”，从基础理论到工程实践再到商业落地，分三阶段递进，兼顾知识系统性与实战导向，全程抛开具体应用框架，聚焦音视频开发核心能力构建。
学习笔记二十三：支持向量机-间隔与支持向量
dengdaijc的专栏
12-02 683
本文介绍了支持向量机(SVM)的基本原理。SVM通过在样本空间中寻找最优划分超平面来实现分类，其核心思想是最大化分类间隔以提高泛化能力。关键概念包括：划分超平面的数学表示（由法向量和位移项定义）、支持向量（决定超平面位置的最近样本点）以及间隔（反映分类置信度）。SVM的基本型是一个凸二次规划问题，通过最小化法向量范数平方来最大化间隔，同时满足所有样本正确分类的约束条件。该方法具有理论严谨、模型稀疏、全局最优等优势，是经典的分类学习算法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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