Bitcask 存储模型的实现 - merge与hint文件
在《Bitcask存储模型的实现 - 基本框架》中，我们了解了Bitcask存储模型中数据的存储方式、内存索引的组织形式，以及如何使用缓存加速数据读取。另外，Bitcask存储模型中提出闲时进行merge减少数据冗余、运用hint文件加速创建内存索引，下面我们来看merge的具体实现、如何用hint文件加速索引创建。
merge
Bitcask是日志型存储模型，对于新增和更改的操作，都Append到磁盘，磁盘使用率将随着操作的增多而增长。
以上图例表示，key及对应val最开始存放在25.w，之后对数据进行了更改，并通过Append存放到26.w中，内存中的索引相应地修改，这时25.w中的key数据即变成废弃的数据。
怎么清理这些冗余的数据呢？因内存索引指向磁盘中当前有效的key数据，我们可以利用这个特性清理冗余的数据。在数据存放目录下，我们再定义一个文件：
xxx.m：数据存储文件，存储经过merge后的数据，相比xxx.w文件，减少了废弃数据
假设一条磁盘上的记录为一条Record，清理冗余数据的过程如下：
1. 遍历.w文件中的Record，根据Record中的key反查对应的MemIdx_t
(参照《Bitcask存储模型的实现 - 基本框架》一文，通过对key计算hash值可取得相应MemIdx_t)
2. 如果 Record.iFileNo == stMemIdx.iFileNo && Record.iOffset == stMemIdx.iOffset，则表示该条Record为有效数据
3. 将满足以上条件的Record记录到一个.m文件中，同时更新内存索引MemIdx_t中的iFileNo、iOffset，跳过不满足条件的Record
4. 当遍历完一个.w文件之后，将其删除
以上过程将.w中的多余数据滤去，将有效的数据迁移到.m文件中，因为数据在磁盘中的位置变了，所以相应地要修改内存中的索引数据。随着有更多的更新操作，.m文件中也将存在冗余数据，因而对.w进行完以上操作之后，还会遍历已有的.m文件进行同样的操作。
hint文件
以上谈到的Bitcask实现中，内存索引有很大的作用，不仅加速了数据读取，在merge过程中还以其为标准，判断哪些数据是有效数据，哪些数据可以删除。但内存数据易失，当程序或机器重启时即丢失，如果想重建内存索引数据，要遍历磁盘上所有的.m和.w文件，这样效率很低，hint文件是加速内存索引创建的一种方式：
xxx.h：加速内存索引创建的hint文件，相比.w、.m文件，只保存key/valLen/iFileNo/iOffset，并不保存val数据
在merge的过程中，当检查到有效Record数据、写入.m文件后，将该Record的key/keyLen/valLen/iFileNo/iOffset指标写入.h文件。当程序重启时，遍历.h文件，即可重建内存索引数据。