知识卡片
写优化存储牺牲查询与删除
推模式的瓶颈偏向大量插入,可选用面向写入优化的存储结构减少随机写;但原书的TokuDB案例同时指出查询和删除较弱,依赖缓存缓解查询并利用低删除频率。存储选型必须匹配读写比例,不能只看写吞吐。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 信息流设计(一):通用信息流系统的推模式要如何做? · 查看原书依据
分形树结构和我们在11讲中提到的LSM一样,可以将数据的随机写入转换成顺序写入,提升写入的性能。另外,TokuDB相比于InnoDB来说,数据压缩的性能更高,经过官方的测试,TokuDB可以将存储在InnoDB中的4TB的数据压缩到200G
参考来源
- 位置:《高并发系统设计40问》第39讲《信息流设计(一):通用信息流系统的推模式要如何做?》(源文件:_epub-src/text/part0044_split_003.html)
- 结论依据:原文以分形树把随机写转顺序写说明写入优势,同时明确比较TokuDB与InnoDB的查询、删除代价及缓存补偿。
- 原始内容:分形树结构和我们在11讲中提到的LSM一样,可以将数据的随机写入转换成顺序写入,提升写入的性能。另外,TokuDB相比于InnoDB来说,数据压缩的性能更高,经过官方的测试,TokuDB可以将存储在InnoDB中的4TB的数据压缩到200G