Download presentation
Presentation is loading. Please wait.
1
CascaDB/TokuDB性能与适用场景分享
一工
2
个人简介 一工 开源爱好者， 目前在淘宝核心系统数据库组从事存储引擎研发工作
3
大纲 B-tree 索引缺点 Buffer-tree 索引结构 性能及适用场景分析
4
随机读 随机读总时间 = 寻道时间 + 读取数据时间
5
B-tree B = 16KB 50GB / 16KB ~ 300百万个node，太多了！ 缺点：不适合随机读写，大部分是寻道时间！
6
Buffer-tree B = 4MB (块大，整块压缩，~1MB) 50GB / 4MB ~ 1万个node，node少！
7
Buffer-tree VS LSM-tree
Buffer-tree(CascaDB/TokuDB) - Compactions的时候，数据流动性：root-to-leaf - 父节点的数据要到自己的子节点去，范围可控 LSM-tree(LevelDB) - Compactions的时候，Level-N的数据可能要merge 到Level-(N+1)的多个“节点” - 范围不好控制，可能会浪费磁盘IO
8
10亿随机写(CascaDB vs LevelDB)
单线程4G缓存，10亿条数据随机写 详情:
9
10亿随机写(TokuDB vs InnoDB)
更多 (via tokutek)
10
SSD如何? B-tree块小，不好压缩，写ops高 Buffer-tree块大，压缩性能好，写ops低，对SSD友好
更多 (via tokutek)
11
Buffer-tree索引 索引： - Insert/Delete/Update均可lazy式操作，延迟小 - Column可Hot式增删改
- 多版本，无undo log ，recovery快 - 节点块大，适合压缩，写盘少，也适合SSD 读优化: - buffer又细分成多个block - 增加bloom filter，读可只load pivots数据。
12
不适用场景 select count操作，需做表扫描 affected rows操作 有得有失，不同场景
13
讨论 Thanks!
Similar presentations
