数据库存取策略对比

零星的搞了很久的数据库，包括关系数据库、图数据库和键值数据库，今天先来抛砖引玉做个对比。

数据库中比较核心的技术无非以下三个方面：查询、事务、存储。今天先来进行存储策略的对比。

关系数据库存取策略

元组读写过程

• 读取元组

• 构建表信息和元组模式（每个进程的本地内存 cache 中）

• 从共享缓冲池中读取元组

• 有：跟模式信息解析属性值

• 无：从文件块读取元组数据到缓冲池，再从缓冲池读取元组

• 文件块在磁盘存储，不同介质的磁盘由存储介质管理器来适配对上层提供统一接口

• 写出元组

• 找到合适的有空闲空间的缓冲块

• 空闲空间映射表，加快缓冲块空闲空间的查找

• 将元组写入共享缓冲池中的缓冲块

• 记录最近插入/使用的缓冲块块号（对于单个进程尽可能将数据写入一个缓冲块中）

• 合适时间将缓冲块刷回到存储介质中

图数据库存取策略

• 读取邻接节点

• 免索引邻接（Neo4j/OrientDB）

• 源节点中存储了关系地址，关系字段又存储了原节点和目标节点地址

• 全索引（ArrangoDB）

• 节点字段中对 id 创建哈希索引

• 关系字段中，源节点和目的节点都创建了哈希索引

• 查找某个节点的邻接节点，通过索引可以快速定位

• 存储关系和节点

• 原生图存储

• 节点和关系存储实际的物理地址（计算出的物理地址）

• 非原生存储

• 通过相应的适配器接入不同的存储引擎

• 关系数据库

• K-V 存储

键值数据库存取策略

• 写入数据（K-V 存储的写效率远高于读效率）

• 根据记录的 key 值有序存储的

• Kv 数据库在存储数据时，相邻的 key 值在存储文件中是依次顺序存储的（可以自定义 key 大小比较函数，默认通过 skiplist 来实现）

• WAL

• 当应用写入一条 Key:Value 记录的时候，会先往 log 文件里写入，成功后将记录插进 Memtable 中，这样基本就算完成了写入操作

• 因为一次写入操作只涉及一次磁盘顺序写和一次内存写入，因此写入速度极快

• 在每层 compaction 的时候进行合并/键值的更新等操作

• 读取数据

• 原则：读取最新的数据

• 首先从 MemTable 中读取，没有则从 Immutable MemTable 中读取，依次 Level0/1/2 读取

以上就是数据库存储的基本脉络，如果对某一个环节感兴趣，可以切入进去详细了解～