如果现在的我们离开了互联网，生活会是什么样子？

互联网++++，已经深刻渗透到人们的生活中。

不知道大家有没有想过？每一个互联网+结合的背后都是海量的存储需求。你查看的每一个商品、组建的每一个战队、阅读的每一篇文章，基于互联网的每一个兴趣爱好，都有它的 key 和 value。

在 key-value 数据库领域，Redis 因其高吞吐、低延迟、丰富的数据结构一直受开发者欢迎，但 Redis 全内存方案无法解决海量数据所带来的规模与成本问题，数据可靠性也面临挑战。

目前业界也有很多基于磁盘的键值存储方案，比如 RocksDB、SSDB 等。这些存储引擎设计之初是为了发挥磁盘的极致性能，很难在命中内存访问的时候提供 Redis 级的吞吐；同时磁盘本身的延迟远远高于内存，吞吐也是有限的。

讲道理，我们的市场需要一款产品既要保证用户的极致体验，又要确保海量数据的高可靠，还要尽可能低的成本。

怎么办呢？这里为大家介绍我们的新朋友：KeeWiDB，它可以给开发者提供一个高可靠、高效率、低成本的键值数据库解决方案。

KeeWiDB，什么来头？

KeeWiDB 是腾讯云数据库团队推出的新一代分布式 KV 存储数据库，兼容 Redis 协议和数据结构，上手门槛低（开发者狂喜）。

也就是说，Redis 有的它都有！它有的，就是它才有。那 KeeWiDB 有什么呢？

它可以，通过 WAL 机制支持数据的高速持久化，实现写入即存储；通过内存和持久内存提供热数据的极致读写性能，NVMe SSD 磁盘提供大容量、低成本的存储能力，实现数据的冷热分级，优化存储成本。

总的来说，KeeWiDB 拥有前瞻的架构设计、行业领先的性能表现，可助力企业提升生产效率、降低运营成本。

接下来展开说说什么是前瞻的架构设计。

图：KeeWiDB 总体架构图

proxy：兼容主从版、集群版客户端，客户端请求通过 proxy 实现智能路由和结果聚合；同时，proxy 还提供了流量控制和请求统计等功能。

集群设计：通过改进原生 Redis 的 gossip 方案，KeeWiDB 可有效降低在大集群场景下 gossip 本身的流量消耗。数据 sharding 则采用 Redis 集群版策略，将所有 key 划分为 16384 个 slot，每个 shard 服务若干个 slot，key 通过 crc16(key) % 16384 来获得 slot，再根据 slot 信息路由到对应节点。

分级存储：创新性地提供内存（DRAM），持久内存（PMEM），固态硬盘（SSD）分级存储解决方案，根据数据访问热度自动分级，将不同访问密度的数据存储到不同成本的介质中，有效实现了性能和成本的平衡。

图：KeeWiDB 分级存储架构

在该架构中，DRAM 主要存储少量高速索引，如果查询操作直接命中高速索引，则可以直接定位到 value 的位置，最多仅需要一次 IO。

为了降低内存消耗，DRAM 层不存储 key，只存储 hashcode，这样可把 key 大小和索引容量解耦。举个例子，假设一个索引占用内存 hashcode(4) + posinfo(6)，共计 10 个字节，100w key 索引仅需要占用 10MB 内存。

假如高速缓存未命中，则需要通过 PMEM 来做查找，PMEM 的读取速度还是比较快的，假设按照 DRAM 100ns 计算, PMEM 可达到 1000ns。KeeWiDB 通过常规的 clock-sweep 算法淘汰不常访问的冷数据到 SSD，PMEM 保存的则是热数据，如果访问的是 key 命中，性能将大幅提升。

如果命中的是冷数据，则需要到磁盘（SSD）读取，得益于 SSD 的快速发展，也可实现高性能。目前 KeeWiDB 的设备上，单盘 4k 随机读取 iops 可达到 40w+，单盘 4k 随机写入也可以达到 15w+。因此实际使用中，特别是在主要读的场景下，即使 PMEM 和数据的比例达到 1:10，依然可以获得不错的性能。

KeeWiDB，有多强？

写入即存储

KeeWiDB 采用 WAL（预写日志）持久机制，保障数据的原子性和持久性。日志内容会持久化到 PMEM 层，后台进行数据异步落盘，在保证数据实时持久化的同时实现数据的高速、低延迟写入。

极致性能

KeeWiDB 为 KV 场景定制了新一代存储引擎，大部分数据组织都是采用 Hash 的存取方式，同时与持久内存（PMEM）耦合，单节点最大性能可达到 18 万写入、28 万读取，P99 延迟小于 2ms，同时可水平堆叠，性能线性提升。

分级存储

基于内存（DRAM）+持久内存（PMEM）+NVMe SSD 磁盘搭建分级存储架构，由持久内存（PMEM）缓存访问热数据，磁盘（SSD）存储全量数据，持久内存和磁盘的容量可灵活配置。同时支持数据的冷热分离、自动升热降冷。无需在业务中处理缓存和存储的交换逻辑，可大幅提高版本迭代效率。

大容量低成本

KeeWiDB 的原生分布式架构可以提供单实例百 TB 级规模；通过持久内存（PMEM）和磁盘（SSD）提供更加灵活的存储方式，在满足业务性能要求的同时提供低成本方案。

智能运维

通过智能 proxy 和引擎层的多路采集，KeeWiDB 提供丰富的性能、时延、网络、容量、命中率等监控指标，帮助用户提前预警风险，快速定位和解决问题。

KeeWiDB，怎么用？

电商场景

电商类应用通常拥有海量的商品数据，使用 KeeWiDB 可以轻松突破内存容量限制，并且大幅降低业务成本。在正常业务请求中，活跃的商品数据会从持久内存中读取，而不活跃的商品数据将从磁盘读取。KeeWiDB 新一代存储引擎带来更强劲的读取能力，单节点最大支持 28W + QPS、P99 延迟小于 2ms，轻松应对百万请求。在电商活动期间，可通过缓存资源的无损扩缩容，快速支撑陡增的性能需求。

游戏全服务

游戏业务包括登陆服务、匹配服务、组队服务、战队服务、社交服务等，需要存储不同的数据结构，比如 Hash 存储玩家信息、Zset 存储排行榜。KeeWiDB 兼容 Redis 的数据结构，对开发者非常友好，同时可将在线活跃的玩家数据持续缓存，未登录的玩家数据落冷至磁盘，玩家上线后数据自动缓存，从而大幅降低成本，保证热数据的极致性能，无需在业务侧处理缓存和存储交换的逻辑，可极大提升开发效率。

新闻/内容平台

随着业务运营时间越来越长，内容数据在业务稳定后会有线性的增长，而客户访问的内容以近期、热点数据为主，所以热数据的容量比较稳定，冷数据会不断增大。KeeWiDB 可替换类似 Redis + MySQL 的缓存加存储方案，一体化的缓存+存储架构设计，解决缓存一致性问题的同时，提升业务开发效率，降低存储成本。

画像/推荐业务

当前互联网公司的核心资产是用户，基于用户行为的画像和推荐系统也成为互联网的基础设施，画像、特征、embedding 给企业带来了海量的 KV 存储需求，请求以点读和批量导入为主。KeeWiDB 通过冷热分级存储提供大容量、低成本的 KV 存储能力；通过命令级持久化，实现高速写入，缩短批量导入的窗口时间；通过分布式架构，能够提供百 TB 的存储规模。

也说了不少了，大家应该对新朋友 KeeWiDB 有了一定的认识。

想详细了解 KeeWiDB 的高性能之路？且听下回分解。

腾讯云数据库一直致力于非关系型数据库产品的研发和投入，目前已经涵盖了包括缓存、文档、时序、KV 在内的七款数据库产品，并且在持续丰富数据库服务的种类。目前，腾讯云 NoSQL 数据库服务了金融、电商、游戏、视频等数十个行业应用场景。