杂记一：rocksdb架构及其java读写api

1、架构

Rocksdb中引入了ColumnFamily(列族, CF)的概念，所谓列族也就是一系列kv组成的数据集。所有的读写操作都需要先指定列族。

写操作先预写日志（Write-Ahead Logging(WAL)），再写memtable，memtable达到一定阈值后切换为Immutable Memtable，只能读不能写。

后台Flush线程负责按照时间顺序将Immutable Memtable刷盘，生成level0层的有序文件(SST)。后台合并线程负责将上层的SST合并生成下层的SST。

Manifest负责记录系统某个时刻SST文件的视图，Current文件记录当前最新的Manifest文件名。
每个ColumnFamily有自己的Memtable，SST文件，所有ColumnFamily共享WAL、Current、Manifest文件。

架构分析

整个系统的设计思路很好理解，这种设计的优势很明显，主要有以下几点：

1.所有的刷盘操作都采用append方式，这种方式对磁盘和SSD是相当有诱惑力的；

2.写操作写完WAL和Memtable就立即返回，写效率非常高。

3.由于最终的数据是存储在离散的SST中，SST文件的大小可以根据kv的大小自由配置，因此很适合做变长存储。

但是这种设计也带来了很多其他的问题：

1.为了支持批量和事务以及上电恢复操作，WAL是多个CF共享的，导致了WAL的单线程写模式，不能充分发挥高速设备的性能优势（这是相对介质讲，相对B树等其他结构还是有优势）；

2.读写操作都需要对Memtable进行互斥访问，在多线程并发写及读写混合的场景下容易形成瓶颈。

3.由于Level0层的文件是按照时间顺序刷盘的，而不是根据key的范围做划分，所以导致各个文件之间范围有重叠，再加上文件自上向下的合并，读的时候有可能需要查找level0层的多个文件及其他层的文件，这也造成了很大的读放大。尤其是当纯随机写入后，读几乎是要查询level0层的所有文件，导致了读操作的低效。

4.针对第三点问题，Rocksdb中依据level0层文件的个数来做前台写流控及后台合并触发，以此来平衡读写的性能。这又导致了性能抖动及不能发挥高速介质性能的问题。

5.合并流程难以控制，容易造成性能抖动及写放大。尤其是写放大问题，在笔者的使用过程中实际测试的写放大经常达到二十倍左右。这是不可接受的，当前我们也没有找到合适的解决办法，只是暂时采用大value分离存储的方式来将写放大尽量控制在小数据。

适用场景

1.对写性能要求很高，同时有较大内存来缓存SST块以提供快速读的场景；

2.SSD等对写放大比较敏感以及磁盘等对随机写比较敏感的场景；

3.需要变长kv存储的场景；

4.小规模元数据的存取；

不适合场景

1.大value的场景，需要做kv分离；

2.大规模数据的存取

2、rockdb的java读写api

package com.kk;import org.rocksdb.*;import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;public class RocksDBTest {private static final String dbPath   = "E:\\defaultCF";private static final String cfdbPath = "E:\\CertainCF";public static void main(String[] args) throws RocksDBException {RocksDBTest t=new RocksDBTest();t.testDefaultColumnFamily();t.testCertainColumnFamily();}static {RocksDB.loadLibrary();}// RocksDB.DEFAULT_COLUMN_FAMILY 默认列族public void testDefaultColumnFamily() throws RocksDBException {System.out.println("testDefaultColumnFamily begin...");// 文件不存在，则先创建文件final Options options = new Options().setCreateIfMissing(true);final RocksDB rocksDB = RocksDB.open(options, dbPath);// 简单key-valuebyte[] key = "FirstKey".getBytes();rocksDB.put(key, "FirstValue".getBytes());System.out.println(new String(rocksDB.get(key)));rocksDB.put("SecondKey".getBytes(), "SecondValue".getBytes());// 通过List做主键查询List<byte[]> keys = Arrays.asList(key, "SecondKey".getBytes(), "missKey".getBytes());Map<byte[], byte[]> values = rocksDB.multiGet(keys);for (int i = 0; i < keys.size(); i++) {System.out.println("multiGet " + new String(keys.get(i)) + ":" + (values.get(keys.get(i)) != null ? new String(values.get(keys.get(i))) : null));}// 打印全部[key - value]RocksIterator iter = rocksDB.newIterator();for (iter.seekToFirst(); iter.isValid(); iter.next()) {System.out.println(new String(iter.key()) + ":" + new String(iter.value()));}// 删除一个keyrocksDB.delete(key);System.out.println("after remove key:" + new String(key));iter = rocksDB.newIterator();for (iter.seekToFirst(); iter.isValid(); iter.next()) {System.out.println(new String(iter.key()) + ":" + new String(iter.value()));}}// 使用特定的列族打开数据库，可以把列族理解为关系型数据库中的表(table)public void testCertainColumnFamily() throws RocksDBException {System.out.println("\ntestCertainColumnFamily begin...");final ColumnFamilyOptions cfOpts = new ColumnFamilyOptions().optimizeUniversalStyleCompaction();String cfName = "my-first-columnfamily";// list of column family descriptors, first entry must always be default column familyfinal List<ColumnFamilyDescriptor> cfDescriptors = Arrays.asList(new ColumnFamilyDescriptor(RocksDB.DEFAULT_COLUMN_FAMILY, cfOpts),new ColumnFamilyDescriptor(cfName.getBytes(), cfOpts));List<ColumnFamilyHandle> cfHandles = new ArrayList<>();final DBOptions dbOptions = new DBOptions().setCreateIfMissing(true).setCreateMissingColumnFamilies(true);final RocksDB rocksDB = RocksDB.open(dbOptions, cfdbPath, cfDescriptors, cfHandles);ColumnFamilyHandle cfHandle = cfHandles.stream().filter(x -> {try {return (new String(x.getName())).equals(cfName);} catch (RocksDBException e) {return false;}}).collect(Collectors.toList()).get(0);// 写入key/valueString key = "FirstKey";rocksDB.put(cfHandle, key.getBytes(), "FirstValue".getBytes());// 查询单keybyte[] getValue = rocksDB.get(cfHandle, key.getBytes());System.out.println(new String(getValue));// 写入第2个key/valuerocksDB.put(cfHandle, "SecondKey".getBytes(), "SecondValue".getBytes());List<byte[]> keys = Arrays.asList(key.getBytes(), "SecondKey".getBytes());List<ColumnFamilyHandle> cfHandleList = Arrays.asList(cfHandle, cfHandle);// 查询多个keyMap<byte[], byte[]> values = rocksDB.multiGet(cfHandleList, keys);for (int i = 0; i < keys.size(); i++) {System.out.println("multiGet:" + new String(keys.get(i)) + ":" + (values.get(keys.get(i)) == null ? null : new String(values.get(keys.get(i)))));}// 删除单keyrocksDB.delete(cfHandle, key.getBytes());RocksIterator iter = rocksDB.newIterator(cfHandle);for (iter.seekToFirst(); iter.isValid(); iter.next()) {System.out.println(new String(iter.key()) + ":" + new String(iter.value()));}for (final ColumnFamilyHandle columnFamilyHandle : cfHandles) {columnFamilyHandle.close();}}
}

参考：https://www.cnblogs.com/cobbliu/articles/9553271.html