← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1770.b

LSM写读取舍

理解等级:中级

LSM 树把随机写先落到内存和顺序日志,再批量合并成磁盘有序文件。它用读路径变长、后台合并和写放大,换取高吞吐写入;Bloom Filter 和缓存常用于弥补读损失。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 大数据常用的算法与数据结构 · 查看原书依据

      LSM树(Log-structured Merge-tree)的本质是将大量的随机写操作转换成批量的序列写,这样可以极大地提升磁盘数据写入速度,所以LSM树非常适合对写操作效率有高要求的应用场景。但是其对应付出的代价是读效率有所降低,这往往可以引入Bloom Filter或者缓存等优化措施来对读性能进行改善。

    参考来源

    - 位置:《大数据日知录:架构与算法》第3章《大数据常用的算法与数据结构》(来源项目:book-sources;源文件:extracted/大数据日知录_架构与算法/_epub-src/OEBPS/text00008.html) - 结论依据:原文以“LSM树(Log-structured Merge-tree)的本质”所在段落解释具体机制;本卡保留其条件,另将实现限制、勘误和教学推导在正文中明确区分。 - 原始内容:LSM树(Log-structured Merge-tree)的本质是将大量的随机写操作转换成批量的序列写,这样可以极大地提升磁盘数据写入速度,所以LSM树非常适合对写操作效率有高要求的应用场景。但是其对应付出的代价是读效率有所降低,这往往可以引入Bloom Filter或者缓存等优化措施来对读性能进行改善。