浅析存储引擎(3)-B-tree

 

浅析日志结构的存储引擎(1)-bitcask
浅析日志结构的存储引擎(2)-SSTable和LSM-Tree

前面两篇文章介绍了比较好理解的日志结构引擎LSM-Tree，但它们不是最常见的索引类型。目前最广泛使用的索引结构是B-tree。B-tree维护着按key排序的key-value对，这样可以实现高效的key-value查找和区间查询。

一、B-tree的存储

前面的文章提到，日志结构存储引擎将数据库分解为可变大小的段，并且始终按顺序写入段（追加写）。而B-tree将数据库分解成固定大小的块和页，通常是PAGESIZE大小4KB（也可能更大），页是读/写的最小单元，这种设计也符合磁盘的读取规则。

以mysql为例，我们都知道InnoDB的存储数据格式是按主键排序的（MyISAM和InnoDB的区别），数据都存储在最底层叶子节点。某一页被指定为B-Tree的根，如下图：

假设我们需要查找key=251，需要沿着200-300的区间，最后找到一个包含单个key=251的父页，再从这个父页中找到存储了key=251的数据页（或者块）的偏移量，从磁盘中读取数据。

假设每层树维护500个叶子节点，那么四级树就可以存储500的4次方*4KB=256TB的数据，查询非常高效。

二、如何解决数据更新的问题？

LSM-Tree的数据更新是追加更新文件（最终删除过时的数据）。

和LSM-Tree不一样，B-Tree-底层的基本写操作是使用新数据覆盖磁盘上的旧页。可以理解为磁头先移动到正确位置，然后旋转盘面，最后用新的数据覆盖相应的扇区（SSD的覆盖写更加复杂，需要擦写更大的数据块，可能会产生写放大）。也就是说当数据被覆盖时，索引上对该页的引用并不需要改变。

当然也有例外情况

情况1：假设新覆盖的数据大小超过了原来的页大小，就需要分裂页，同时覆盖其父页，以更新对两个子页的引用（页的偏移量）。

情况2：假设只增加新key，当找到包含其范围的页时，假设页没有足够的空间来容纳新key，那么就需要分裂为两个半满的页，并且父页也需要更新对子页的引用。如下图，插入新key"334":

风险：上述的情况1和情况2在需要更新子页的同时，还需要更新父页对子页的引用，由于至少需要两次磁盘操作，很有可能更新完子页数据库就崩溃了，来不及更新父页，产生了孤儿页。常见B-tree的实现在磁盘上增加重做日志，这是一个仅支持追加修改的文件，作用类似前面讲到的SSTable的日志文件，用于崩溃时恢复数据。

 

参考《数据密集型应用系统设计》

原文出自：https://blog.csdn.net/daiyudong2020/article/details/104717904

end