leveldb源码笔记

最近读了一下leveldb源码，leveldb最主要的操作就是get/set，因此从get/set的实现入手，了解一下实现机制。

之前也看过leveldb相关介绍以及别人的分析blog，已经有了一定了解。leveldb如其名，按照层级来组织数据，数据从内存到磁盘一层一层迁移。在内存中是通过skiplist来管理数据，而磁盘上则是一种名为SSTable(Sorted Strings Table)的结构来存储数据的。

DB::Get实现

• 这个头文件include/leveldb/db.h定义了DB抽象类，Get接口也在其中，具体实现在db/db_impl.cc文件中。
  下面引用的代码因为篇幅会删除一些代码行，完整代码参考源文件。
  

  代码：

  Status DBImpl::Get(const ReadOptions& options,
                     const Slice& key,
                     std::string* value) {
    Status s;
    MutexLock l(&mutex_);
    SequenceNumber snapshot;
    ...
  
    // Unlock while reading from files and memtables
    {
      mutex_.Unlock();
      // First look in the memtable, then in the immutable memtable (if any).
      LookupKey lkey(key, snapshot);
      if (mem->Get(lkey, value, &s)) {
        // Done
      } else if (imm != NULL && imm->Get(lkey, value, &s)) {
        // Done
      } else {
        s = current->Get(options, lkey, value, &stats);
        have_stat_update = true;
      }
      mutex_.Lock();
    }
  
    if (have_stat_update && current->UpdateStats(stats)) {
      MaybeScheduleCompaction();
    }
    ...
    return s;
  }
  

  上面是Get的实现函数，省略了一些代码。Get主要的查询过程在中间if-else语句分支中。在查询之前mutex_.Unlock();进行了解锁，是因为数据是只追加不删除的，可以同时读写。数据删除会转换成一条标记key-deleted的数据追加到库中。
  

  SequenceNumber snapshot为数据序号，每一条数据都有序号，后追加的序号比之前的序号要大，相同key的数据，序号大的要排在前面，参见db/dbformat.cc InternalKeyComparator::Compare函数。
  

  第一个分支mem指向一个MemTable，MemTable只有Add和Get两个接口来操作数据，底层实现为skiplist，这个mem指向可修改的MemTable。
  

  第二个分支imm指向一个不可修改的MemTable，imm是mem达到一定条件后转换来的，具体的逻辑在db/db_impl.cc DBImpl::MakeRoomForWrite函数中。
  

  前面2个分支都是在内存中进行查询，没找到就只能到磁盘上查询。最后一个分支current指向当前的Version，Version包含数据文件的元信息。
  

  最后根据情况调用MaybeScheduleCompaction函数，在后台对数据进行Compact，将内存的迁到磁盘，对磁盘上的数据进行合并等。

• Version::Get实现。这个函数就是上一节最后一个if分支调用的函数，也是查询磁盘数据的入口。
  

  代码:

  Status Version::Get(const ReadOptions& options,
                      const LookupKey& k,
                      std::string* value,
                      GetStats* stats) {      
    ...       
    // We can search level-by-level since entries never hop across
    // levels.  Therefore we are guaranteed that if we find data
    // in an smaller level, later levels are irrelevant.
    std::vector<FileMetaData*> tmp;
    FileMetaData* tmp2;
    for (int level = 0; level < config::kNumLevels; level++) {
      size_t num_files = files_[level].size();
      if (num_files == 0) continue;
  
      // Get the list of files to search in this level
      FileMetaData* const* files = &files_[level][0];
      if (level == 0) {
        // Level-0 files may overlap each other.  Find all files that
        // overlap user_key and process them in order from newest to oldest.
        tmp.reserve(num_files);
        for (uint32_t i = 0; i < num_files; i++) {
          FileMetaData* f = files[i];
          if (ucmp->Compare(user_key, f->smallest.user_key()) >= 0 &&
              ucmp->Compare(user_key, f->largest.user_key()) <= 0) {
            tmp.push_back(f);
          }
        }
        if (tmp.empty()) continue;
  
        std::sort(tmp.begin(), tmp.end(), NewestFirst);
        ...
      } else {
        // Binary search to find earliest index whose largest key >= ikey.
        uint32_t index = FindFile(vset_->icmp_, files_[level], ikey);
        if (index >= num_files) {
          ...
        } else {
          tmp2 = files[index];
          if (ucmp->Compare(user_key, tmp2->smallest.user_key()) < 0) {
            // All of "tmp2" is past any data for user_key
            ...
          } else {
            files = &tmp2;
            num_files = 1;
          }
        }
      }
  
      for (uint32_t i = 0; i < num_files; ++i) {
       ...
  
        FileMetaData* f = files[i];
        last_file_read = f;
        last_file_read_level = level;
  
        Saver saver;
        saver.state = kNotFound;
        saver.ucmp = ucmp;
        saver.user_key = user_key;
        saver.value = value;
        s = vset_->table_cache_->Get(options, f->number, f->file_size,
                                     ikey, &saver, SaveValue);
       ...
      }
    }     
    return Status::NotFound(Slice());  // Use an empty error message for speed
  }
  

  上面的函数主要是对每个level上的数据从低到高进行查询，比较新的数据放在低的level。
  

  主for循环所有level，先根据key查找符合要求的文件，由于Sstable是排序数据，每个文件都有key的范围，所以可以查找包含了查询key的文件即可。level-0和其他的level处理方式不太一样，level-0是直接遍历，而其他level调用FindFile进行查询。
  

  找到符合要求的文件之后，进入后一个for循环，通过vset_->table_cache_->Get查找所有的文件。

  上面提到的FindFile使用internal_key即带序号的查询key在一层的文件中进行二分查找，找到离查询key最近且文件largest-key比查询key大的文件，如果key存在库的这一层中，那应该会落在这个文件。
  

  TableCache::Get比较简单，先调用了FindTable找到对应的Table对象，然后调用Table对象的InternalGet函数。下面说FindTable函数和Table::InternalGet函数。

• FindTable函数
  

  代码:

  Status TableCache::FindTable(uint64_t file_number, uint64_t file_size,
                               Cache::Handle** handle) {
    Status s;
    char buf[sizeof(file_number)];
    EncodeFixed64(buf, file_number);
    Slice key(buf, sizeof(buf));
  
    *handle = cache_->Lookup(key);
  
    if (*handle == NULL) {
      std::string fname = TableFileName(dbname_, file_number);
      RandomAccessFile* file = NULL;
      ...
      if (s.ok()) {
        s = Table::Open(*options_, file, file_size, &table);
      }
  
      if (!s.ok()) {
        ...
      } else {
        TableAndFile* tf = new TableAndFile;
        tf->file = file;
        tf->table = table;
        *handle = cache_->Insert(key, tf, 1, &DeleteEntry);
      }
    }
    return s;
  }
  

  cache_->Lookup(key)先在cache中查找，cache_指向一个LRU的cache，缓存的内容为打开的文件对象和Table对象的指针，最后一个else语句块里cache_->Insert把要缓存的内容插入了缓存。
  

  若缓存中没有要找的Table则调用Table::Open打开文件载入Table对象，然后插入缓存。
  

  Table::Open代码:

  Status Table::Open(const Options& options,
                 RandomAccessFile* file,
                 uint64_t size,
                 Table** table) {
    ...
    char footer_space[Footer::kEncodedLength];
    Slice footer_input;
    Status s = file->Read(size - Footer::kEncodedLength, Footer::kEncodedLength,
                          &footer_input, footer_space);
    ...
    if (s.ok()) {
      ...
      s = ReadBlock(file, opt, footer.index_handle(), &contents);
      if (s.ok()) {
        index_block = new Block(contents);
      }
    }
  
    if (s.ok()) {
      // We've successfully read the footer and the index block: we're
      // ready to serve requests.
      Rep* rep = new Table::Rep;
      rep->options = options;
      rep->file = file;
      rep->metaindex_handle = footer.metaindex_handle();
      rep->index_block = index_block;
      rep->cache_id = (options.block_cache ? options.block_cache->NewId() : 0);
      ...
      *table = new Table(rep);
      (*table)->ReadMeta(footer);
    } else {
      ...
    }     
    return s;
  }
  

  Table::Open把index-block的内容读出来缓存起来，如果有meta数据或filter数据，也会读出来并缓存。options.block_cache这个指针如果指向一个cache对象，后面在读入新的block的时候也会把block缓存起来。

• Table::InternalGet
  

  代码:

  Status Table::InternalGet(const ReadOptions& options, const Slice& k,
                            void* arg,
                            void (*saver)(void*, const Slice&, const Slice&)) {
    Status s;
    Iterator* iiter = rep_->index_block->NewIterator(rep_->options.comparator);
    iiter->Seek(k);
    if (iiter->Valid()) {
      Slice handle_value = iiter->value();
      FilterBlockReader* filter = rep_->filter;
      BlockHandle handle;
      if (filter != NULL &&
          handle.DecodeFrom(&handle_value).ok() &&
          !filter->KeyMayMatch(handle.offset(), k)) {
        // Not found
      } else {
        Iterator* block_iter = BlockReader(this, options, iiter->value());
        block_iter->Seek(k);
        if (block_iter->Valid()) {
          (*saver)(arg, block_iter->key(), block_iter->value());
        }
        s = block_iter->status();
        delete block_iter;
      }
    }
    ...
    return s;
  }
  

  Table::InternalGet先在index-block中找到距离key最近的block，block也有key范围，查找过程和查找文件类似也是通过二分查找找到最近的block，但是index-block并不是所有block的索引，所以还需要进一步到block附近进行查找。
  

  如果找到key附近的block，就对block进行查找。先结合filter判断key是否不在，如不在直接返回NotFound。然后读index对应的block，进行二次查找。iter->Seek(k)具体可以参考table/block.cc Block::Iter::Seek函数，函数并没有进行相等比较，只能定位范围。由于iter->Seek(k)只能定位到key附近，所以需要调用(*saver)(arg, block_iter->key(), block_iter->value())，saver对应上文提到的db/version_set.cc SaveValue函数，代码:

  static void SaveValue(void* arg, const Slice& ikey, const Slice& v) {
    Saver* s = reinterpret_cast<Saver*>(arg);
    ParsedInternalKey parsed_key;
    if (!ParseInternalKey(ikey, &parsed_key)) {
      s->state = kCorrupt;
    } else {
      if (s->ucmp->Compare(parsed_key.user_key, s->user_key) == 0) {
        s->state = (parsed_key.type == kTypeValue) ? kFound : kDeleted;
        if (s->state == kFound) {
          s->value->assign(v.data(), v.size());
        }
      }
    }
  }
  

  数据文件的编码格式比较复杂，就不写了，可以参考源文件或网络。
  

  以上就是Get的过程，流程还是比较长的。网上的测试结果表明leveldb的写性能高于读，跟它的磁盘查找关系很大，对于需要频繁随机读的应用还是要仔细考虑一下性能问题。打开block-cache可能会提高读性能，相应的就需要消耗内存，把文件放到ssd也是一个优化方案，以上是根据源码推测的优化方案，没有具体的实践，不知效果如何。
  

  有空再把Set接口的实现看一下。
  

  欢迎指出本文的错误，也欢迎分享leveldb具体实践，谢谢！