大数据-复习笔记-14 | 青训营笔记

能鸽善鹉
138 阅读9分钟

LSMT 存储引擎浅析 - 复习笔记

这是我参与「第四届青训营 」笔记创作活动的的第15天！

1. LSMT与存储引擎介绍

1.1 LSMT的历史

  • LSMT是Log-Structured Merge-Tree的缩写，由Patrick O‘Neil etc.在1996年的论文，The Log-Structured Merge-Tree（LSM-Tree），提出。
  • 相较而言，B-Tree出现就早得多了，在1970年由Bayer，R.；McCreight，E.提出。
  • 早期的数据库系统一般都采用B-Tree家族作为索引，例如MySQL。2000年后诞生的数据库大多采用LSMT索引，例如Google BigTable，HBase，Canssandra等。

1.2 LSMT是什么

一言以蔽之，通过Append-only Write+择机Compact来维护结构的索引树。

image.png

1.3 存储引擎是什么

以单机数据库MySQL为例，大致可以分为：

  • 计算层
  • 存储层（存储引擎层）

计算层主要负责SQL解析/查询优化/计划执行。
数据库著名的ACID特性，在MySQL中全部强依赖于存储引擎。

image.png ACID是什么/存储引明您业进考性？

  • Atomicity
    Write-Ahead Log（WAL）/Redo Log
  • Consistency（Correctness）
    依赖于数据库整体
  • Isolation
    Snapshot/2PL（Phase Lock）
  • Durability
    Flusher 遵循Sync 语意

除了保障ACID以外，存储引擎还要负责：

  • 屏蔽IO细节提供更好的抽象
  • 提供统计信息与Predicate Push Down能力

存储引擎不掌控IO细节，让操作系统接管，例如使用mmap，会有如下问题：

  • 落盘时机不确定造成的事务不安全
  • IO Stall
  • 错误处理繁琐
  • 无法完全发挥硬件性能

2. LSMT 存储引擎的优势与实现

2.1 LSMT 与 B+Tree 的异同

1660272266331.png

  • 在B+Tree中，数据插入是原地更新的
  • B+Tree在发生不平衡或者节点容量到达阔值后，必须立即进行分裂来平衡

1660272385516.png

  • LSMT与B+Tree可以用统一模型描述
  • 从高层次的数据结构角度来看，二者没有本质的不同，可以互相转化
  • 工程实践上还是用LSMT来表示一个Append-only和Lazy Compact的素引树，B+Tree来表示一个Inplace-Update 和Instant Compact的索引树。
  • Append-only 和Lazy Compact 这两个特性更符合现代计算机设备的特性。

2.2 为什么要采用LSMT模型

  • 在计算机存储乃至整个工程界都在利用Indirection处理资源的不对称性
  • 存储引擎面对的资源不对称性在不同时期是不同的

HDD时代

  • 顺序与随机操作性能不对称
  • 由于机械硬盘需要磁盘旋转和机械臂移动来进行读写，顺序写吞吐是随机读的25倍。

SSD时代

  • 顺序写与随机写性能不对称
  • 由于SSD随机写会给主控带来GC压力，顺序写吞吐是随机写的6倍。

小结：

  • HDD时代，顺序操作远快于随机操作
  • SSD时代，顺序写操作远快于随机写操作
  • 这二者的共性是顺序写是一个对设备很友好的操作，LSMT符合这一点，而B+Tree依赖原地更新，导致随机写。

2.3 LSMT 存储引擎的实现，以RocksDB为例

  • RocksDB 是一款十分流行的开源LSMT存储引擎，最早来自Facebook（Meta），应用于MyRocks，TiDB 等数据库。
  • 在字节内部也有Abase，ByteKV，ByteNDB，Bytable等用户。
  • 因此接下来将会以RocksDB为例子介绍LSMT存储引擎的经典实现。

2.3.1 LSMT 存储引擎的实现-Write

image.png

  • RocksDB写入流程主要有两个优化，批量WAL写入（继承自LevelDB）与并发 MemTable更新
  • RocksDB在真正执行修改之前会先将变更写入WAL，WAL写成功则写入成功。

image.png

  • 多个写入者会选出一个Leader，由这个Leader来一次性写入WAL，避免小IO。
  • 不要求WAL强制落盘（Sync）时，批量提交亦有好处，Leader可以同时唤醒其余Writer，降低了系统线程调度开销。

image.png

  • 写完WAL还要写 MemTable。
  • RocksDB在继承LevelDB的基础上又添加了并发 MemTable写入的优化。

2.3.2 LSMT 存储引擎的实现-Snapshot&SuperVision

image.png

  • RocksDB的数据由3部分组成，Mem Table/ImmemTable/SST。持有这三部分数据并且提供快照功能的组件叫做 SuperVersion。
  • MemTable和SST的释放依赖于引用计数。对于读取来说，只要拿着SuperVersion，从MemTable一级一级向下，就能查到记录。拿着 SuperVersion不释放，等于是拿到了快照。
  • 如果所有读者都给 SuperVersion的计数加1，读完后再减1，那么这个原子引用计数器就会成为热点。CPU在多核之间同步缓存是有开销的，核越多开销越大。
  • 为了让读操作更好的 scale，RocksDB做了一个优化是Thread Local SuperVersion Cache

image.png

  • 没有Thread Local缓存时，读取操作要频繁Acquire和Release SuperVersion
  • CPU缓存不友好

image.png

  • 有Thread Local缓存，读取只需要检查一下SuperVersion 并标记 Thread Local 缓存正在使用即可
  • CPU缓存友好

2.3.3 LSMT 存储引擎的实现-Get&BloomFilter

  • RocksDB的读取在大框架上和B+Tree类似，就是层层向下。
  • 相对于B+Tree，LSMT点查需要访问的数据块更多。为了加速点查，一般LSMT引擎都会在SST中嵌入BloomFilter。

1660273997797.png

[1，10]表示这个索引块存储数据的区间在1-10之间。查询2，就是顺着标绿色的块往下。

2.3.4 LSMT 存储引擎的实现 Compact-Level

image.png

  • Compact在LSMT中是将Key 区间有重叠或无效数据较多的SST进行合并，以此来加速读取或者回收空间。Compact 策略可以分为两大类，Level和Tier。下图是Level策略，
  • Level 策略直接来自于LevelDB，也是RocksDB的默认策略。每一个层不允许有SST的Key区间重合。

2.3.5 LSMT 存储引擎的实现 Compact-Tier

image.png

  • Tier 策略允许LSMT每层有多个区间重合的SST

3. LSMT楼型理论分析

3.1 Cloud-Native LSMT Storage Engine-HBase

  • RocksDB 是单机存储引擎，那么现在都说云原生，HBase比RocksDB 就更“云”一些，SST 直接存储于 HDFS 上。
  • 二者在理论存储模型上都是 LSMT。

image.png

3.2 LSMT 模型算法复杂度分析

  • T:size ratio，每层LSMT比上一层大多少，L0大小为1，则L1大小为T，L2为TA2，以此类推
  • L:level num，LSMT层数
  • B：每个最小的IO单位能装载多少条记录
  • M：每个BloomFilter 有多少bits
  • N：每个BloomFilter 生成时用了多少条Key
  • S：区间查询的记录数量

1660290688898.png

  • Write
    每条记录抵达最底层需要经过L次Compact，每次Compact Ln的一个小SST和Ln+1的一个大SST。
    设小SST的大小为1，那么大SST的大小则为T，合并开销是1+T，换言之将1单位的Ln的SST推到Ln+1要耗费1+T的l0，单次Compact写放大为T。
    每条记录的写入成本为1/B次最小单位IO。
    O（Write_Level）= L * T * 1/ B = T * L / B
  • Point Lookup
    对于每条Key，最多有L个重叠的区间。
    每个区间都有BloomFilter，失效率为e ^（-M/N），只有当BloomFilter失效时才会访问下一层。
    O（PointLookup_Level）=L * e ^（-M/N）
    注意，这里不乘1/B系数的原因是写入可以批量提交拉低成本，但是读取的时候必须对齐到最小读取单元尺寸。

3.3LSMT 模型算法复杂度分析-Tier

  • Write
    每条记录抵达最底层前同样要经过L次Compact，每次Compact Ln中T个相同尺寸的SST放到Ln+1。
    设SST大小为1，那么T个SST Compact的合并开销是T，换言之将T单位的Ln的SST推到Ln+1要耗费T的l0，单次Compact的写放大为T/T=1。
    每条记录的写入成本为1/B次最小单位IO。
    O（Write_Tier）=L11/B=L/B
  • Point Lookup
    对于每条Key，有L层。
    每层最多有T个重叠区间的SST，对于整个SST来说有T * L个可能命中的SST，乘上BloomFilter的失效率，e^（-M/N），可得结果。
    O（PointLookup Tier）=L*T*e（-M/N）=T*L*e^（-M/N）
    注意，这里不乘1/B系数的原因是写入可以批量提交拉低成本，但是读取的时候必须对齐到最小读取单元尺寸。

3.4 LSMT模型算法复杂度分析

Online Quiz

  • Short Range Scan 复杂度是如何推导的？
  • Space Amplification 复杂度是如何推导的？

image.png

总结，Tier 策略降低了写放大，增加了读放大和空间放大，Level 策略增加了写放大，降低了读和空间放大。

4. LSMT存储引擎调优案例与展望

4.1 LSMT 存储引擎调优案例-TerarkDB

  • TerarkDB aka LavaKV 是字节跳动内部基于RocksDB深度定制优化的自研LSMT存储引擎，其中完全自研的KV分离功能，上线后取得了巨大的收益。
  • KV分离受启发于论文WiscKey:Separating Keys from Values in SSD-conscious Storage，概括起来就是Value 较长的记录的Value单独存储。

4.2 LSMT 存储引擎调优案例TerarkDB&Abase&ByteGraph

图存储场景描述：
Key size：20B~30B
Value size：数十KB级别
写多读少
收益结论：
延迟大幅度降低，长尾消失，扛住了比RocksDB高50%的负载。

4.3 LSMT 存储引擎调优案例-TerarkDB&Flink

在字节内部Flink 流处理状态存储场景实测
收益结论：

  1. 平均CPU开销在3个作业上降低了26%~39%
  2. 峰值CPU开销在广告作业上有明显的收益，降低了67%
  3. 平均容量开销在3个作业上降低了17%~31.2%
  4. 直播业务某集群容量不收缩，TerarkDB的 schedule TTL GC彻底解决了该问题

4.4 存储引擎最新发展趋势-新硬件

  • 随着硬件的发展，软件设计也会随着发生改变。近年来，出现了许多新的存储技术，例如SMR HDD，Zoned SSD/OpenChannel SSD，PMem等。如何在这些新硬件上设计/改进存储引擎是一大研究热点。

e.g.MatrixKV:Reducing Write Stalls and Write Amplification in LSM-tree Based KV Stores with Matrix Container in NVM
这篇论文中的设计将L0整个搬进了PMem，降低了写放大。

4.5 存储引擎最新发展趋势-新模型

  • 经典LSMT模型是比较简单的，有时候不能应对所有工况，可以提出新的模型来解决问题。

e.g.WiscKey:Separating Keys from Values in SSD-conscious Storage
通过额外增加一个Value Store来存储大Value的记录来降低总体写放大。

e.g.REMIX:Efficient Range Query for LSM-trees
通过额外增加一种SST的类型来加速范围查询的速度

4.6 存储引擎最新发展趋势-新参数/新工况

  • 已有的模型，在新的或者现有工况下，参数设置的不合理，可以通过更精确的参数设置来提升整体性能。

e.g.The Log-Structured Merge-Bush&the Wacky Continuum
在最后一层使用Level Compaction，之上使用Tier Compaction，通过在除了最后一层以外的SST加大BloomFilter的bits数来规避 Tier Compaction带来的点查劣化。

avatar
文章
阅读
粉丝