rocksdb是在leveldb的基础上优化而得，解决了leveldb的一些问题。

主要的优化点

1.增加了column family，这样有利于多个不相关的数据集存储在同一个db中，因为不同column family的数据是存储在不同的sst和memtable中，所以一定程度上起到了隔离的作用。

2.采用了多线程同时进行compaction的方法，优化了compact的速度。

3.增加了merge operator，优化了modify的效率

4.将flush和compaction分开不同的线程池，能有效的加快flush，防止stall。

5.增加了对write ahead log(WAL)的特殊管理机制，这样就能方便管理WAL文件，因为WAL是binlog文件。

下面从几个小点来一窥rocksdb的微妙之处。

rocksdb的column family

column family的具体使用场景，官方并没有给出非常好的说明，rocksdb支持跨column family的原子写操作，说明官方认为column family的数据之间还是有一定的关系的，而column family的数据文件是分割开的，包括sst文件和memtable都是不会共用的，所以官方还是希望不同column family的数据进行隔离。所以我觉着一个应用场景就是不同的数据混跑在同一个db上，这个仅是个人感觉，欢迎大家讨论。那么不同column family之间会怎样互相干涉呢？

Q:多column family的flush是怎么进行线程分布的？

A:可以共用一个线程池，所以写的多的会多占用线程。也可以分开配置线程池(指定不同的env)，这样就会不互相干扰。

Q:多column family的内存是怎么分配的？

A:内存主要有两方面，第一方面是write buffer，第二方面是block cache。

write buffer是每个column family单独享有的，block cache可以配置成column family级别，也可以配置成整个db的column family共享一个block cache，也可以配置成多个db共享一个block cache。

rocksdb的文件类型

主要有以下几种类型sst文件，CURRENT文件，manifest文件，log文件，LOG文件和LOCK文件

sst文件存储的是落地的数据，CURRENT文件存储的是当前最新的是哪个manifest文件，manifest文件存储的是Version的变化，log文件是rocksdb的write ahead log，就是在写db之前写的数据日志文件，LOG文件是一些日志信息，是供调试用的，LOCK是打开db锁，只允许同时有一个进程打开db。

ColumnFamilyOptions

这些option都是column family相关的，可以对不同的column family赋不同的值。

inplace_update_support: 字面含义是是否支持在原位置更新，如果支持的话，那么原来的数据就被擦除了，所以snapshot和iterator保留当时的数据的逻辑就没法实现了

num_levels: 记录的是version的level的数目，默认是7，即0~6

target_file_size_base: level1的sst文件的大小，默认为2MB

target_file_size_multiplier: level1以上的sst文件大小，乘数因子默认是1，即所有level的文件大小都是2MB

level0的文件大小是由write_buffer_size决定的，level1的文件大小是由target_file_size_base决定的，level2及以上，size = target_file_size_base * (target_file_size_multiplier ^ (L - 1))

max_bytes_for_level_base: level1的sst总的文件总和大小，默认是10MB

max_bytes_for_level_multiplier: level2及以上的level的sst文件总和大小的乘数因子，默认是10,

level0的sst文件总和大小是level0_stop_writes_trigger * write_buffer_size，因为level0的文件数目达到level0_stop_writes_trigger时候就会停止write。

level1及以上的文件总和大小是max_bytes_for_level_base * (max_bytes_for_level_multiplier ^ (L - 1))，默认的level0是4MB * 24 = 96MB，level1是10MB，level2是100MB，level3是1G，level4是10G。。。

rocksdb原子操作的实现

rocksdb的一个WriteBatch是原子操作，要么全部成功，要么全部失败，具体的实现原理是在整个log的写的过程中只会调用Write操作，最后会调用一次flush，所以如果中间发生机器crash，所有的都会失败，否则所有的都会成功。

rocksdb写和读放大

rocksdb的写会写WAL(Write Ahead Log)，如果sync的话，会写一次磁盘，然后会写memtable

写rocksdb的时候有可能会卡住，详见下面的rocksdb的写stall

rocksdb的读，会首先读memtable，如果memtable没有找到的话，会读下面level的数据，由于level0的多个sst会有交叠，所以每个sst都会通过filemeta判断在不在最小和最大的范围内，如果在就需要读这个sst的文件内容，来查看，其他level的sst文件不会有数据交叠的情况，所以只会有一个文件可能含有这个数据。

可以看出来读放大还是比较严重的。rocksdb为了减少读放大，增加了cache.

读cache

rocksdb的读cache分为两部分：table cache和block cache。这两个都是LRUCache

block cache存储的block，包括index block和filter block(通过options可以配置)

table cache存储的是table，是整个文件的meta信息和Foot信息。table_cache_size的消耗内存的大小是有Options里面的max_open_files决定的。

bloomfilter:

bloomfilter的增加并不能减少写放大，因为bloomfilter是table范围的或者block范围的，而且bloomfilter是存储在文件中的，那么必须把这些从文件里面读出来后才能起到作用。

rocksdb的版本管理

rocksdb的版本相关的数据结构有Version、VersionStorageInfo、VersionBuilder、VersionEdit、SuperVersion和VersionSet。

VersionEdit描述的是版本的变更，其主要操作为AddFile和DeleteFile，分别表示，在某个level上增加文件和删除文件，都是版本变更的操作。

VersionBuilder是生成Version的工具，所以其有两个主要函数：

void Apply(VersionEdit*edit);void SaveTo(VersionStorageInfo* vstorage);

分别是应用某个VersionEdit和将现在的版本Saveto某个VersionStorageInfo

VersionStorageInfo是Version的信息的存储结构，每一个Version的sst文件信息都保存在VersionStorageInfo。

Version是一个完整的版本。sst文件信息存储在VersionStorageInfo。可以在这个版本上Get数据。

SuperVersion是db的一个完整的版本包含的所有信息，包含当前的Memtable，imm和一个Version。也就是Version包含的是sst数据信息，SuperVersion包含的是Version的数据和memtable中的数据。

VersionSet是整个db的版本管理，并维护着manifest文件。每个column family的版本单独管理，在ColumnFamilyData这个数据结构里面有current Version。

rocksdb的Flush

Flush是指将memtable的数据导入到sst中，变成持久化存储，就不怕数据丢失了。

1.首先在memtable的add的时候，会检测是否memtable的大小达到了max write buffer，如果是就将should_flush_置为true，并会在WriteBatch的Handler里面调用CheckMemtableFull，将当前column family加入flush_scheduler。

2.在Write的时候，调用ScheduleFlushes，将需要flush的column family的memtable切换一个新的，同时将原来的memtable加入cfd的imm中，如果这个column family data的imm数量大于min_write_buffer_number_to_merge，并启动一个新的线程调用BGWorkFlush

由于真正的Flush过程是在另一个线程完成的，所以这个地方并不会block写过程

另外，如果total_log_size大于max_wal_log_size并且不是只有一个column family，也会触发flush，因为flush能将memtable持久化到磁盘上，同时对应的wal就可以删除了

rocksdb的compaction

rocksdb的compaction的触发条件有两类：

第一类是某一个level的数据太多

VersionStorageInfo的compaction_score_的计算方法是level0的是当前文件数目/level0_file_num_compaction_trigger，其他层是该层当前文件大小总和/该层的所有文件大小总和最大值

基于level的存储的compaction总的来说，就是一次挑选某一个level的一个文件，然后将该文件和高level的多个相交文件merge，最后生成多个高level的文件。具体的细节是：每次会挑选compaction score最高的一个level，并在这个level中找到一个文件大小最大，并且上一个level的相交文件没有在compaction的一个文件

第二类是seek太多

疑问：

如果option里面soft_rate_limit设置的为0.0和1之间，compaction并不会触发，但是会触发write delay，这是为什么？

rocksdb的写stall

在DBImpl也就是db的实例里面有一个WriteController，同时在ColumnFamilySet里面也有这个WriteController的指针，这个数据结构会控制db的写stall行为。

在ColumnFamily进行SuperVersion变更的时候(增加新memtable，flush增加sst，compaction)都会查看需不需要stall Write，stall的条件是：

1)imm的数量大于等于option允许的最大数目

2)level0的文件的数量大于option允许的数目

如果没有满足上面两项，但是compaction score比较大会delay写

rocksdb的write ahead log(WAL)

每次写操作，rocksdb会先写write ahead log，然后才会写db

write ahead log可以配置到单独的空间，并且可以配置WAL文件的单独的删除机制。这种原因是为了保存WAL文件，达到特殊的目的，比如，其他sst文件放在不可靠存储里面，而WAL放到可靠存储里面。

rocksdb的缺点

1.column family之间的隔离做的不是非常好，因为一个db只有一个WriteController，那么一旦一个db中的一个column family发生了阻塞，比如写太快，那么就会阻塞其他的column family的写。

2.多进程compaction和flush的效果我持怀疑态度，因为这两个主要是磁盘操作，多进程并不会有很好的效果。

原文：http://www.cnblogs.com/jfwang/p/4432905.html