sdb 数据库 sdb

yemingfeng • 3630 次点击    
这是一个分享于 的项目,其中的信息可能已经有所发展或是发生改变。
## [SDB](https://github.com/yemingfeng/sdb) :纯 golang 开发、数据结构丰富、持久化的 NoSQL 数据库 ------ ### 为什么需要 SDB? 试想以下业务场景: - 计数服务:对内容的点赞、播放等数据进行统计 - 评论服务:发布评论后,查看某个内容的评论列表 - 推荐服务:每个用户有一个包含内容和权重推荐列表 以上几个业务场景,都可以通过 MySQL + Redis 的方式实现。 这里的问题是:MySQL 更多的是充当持久化的能力,Redis 充当的是在线服务的读写能力。 那么只使用 Redis 行不行? 答案是否定的,因为 Redis 无法保证数据不丢失。 那有没有一种存储能够支持高级的数据结构,并能够将数据进行持久化的呢? 答案是:非常少的。有些数据库要么是支持的数据结构不够丰富,要么是接入成本太高,要么是不可控。 为了解决上述问题,SDB 产生了。 ------ ### SDB 简单介绍 - 纯 golang 开发,核心代码不超过 1k,代码易读 - 数据结构丰富 - [string](https://github.com/yemingfeng/sdb/blob/master/api/protobuf-spec/string.proto) - [list](https://github.com/yemingfeng/sdb/blob/master/api/protobuf-spec/list.proto) - [set](https://github.com/yemingfeng/sdb/blob/master/api/protobuf-spec/set.proto) - [sorted set](https://github.com/yemingfeng/sdb/blob/master/api/protobuf-spec/sorted_set.proto) - [bloom filter](https://github.com/yemingfeng/sdb/blob/master/api/protobuf-spec/bloom_filter.proto) - [hyper log log](https://github.com/yemingfeng/sdb/blob/master/api/protobuf-spec/hyper_log_log.proto) - [pub sub](https://github.com/yemingfeng/sdb/blob/master/api/protobuf-spec/pub_sub.proto) - 持久化 - 兼容 [pebble](https://github.com/cockroachdb/pebble) 、[leveldb](https://github.com/syndtr/goleveldb) 、[badger](https://github.com/dgraph-io/badger) 存储引擎 - 监控 - 支持 prometheus + grafana 监控方案 - 限流 - 支持每秒 qps 的限流策略 - 慢查询查看 - 可查看慢查询的请求,进行分析 ------ ### 快速使用 #### 服务端使用 ```shell sh ./scripts/quick_start.sh ``` **默认使用 pebble 存储引擎**。启动后,端口会监听 9000 端口 #### 客户端使用 ```go package main import ( "github.com/yemingfeng/sdb/pkg/pb" "golang.org/x/net/context" "google.golang.org/grpc" "log" ) func main() { conn, err := grpc.Dial(":9000", grpc.WithInsecure()) if err != nil { log.Printf("faild to connect: %+v", err) } defer conn.Close() // 连接服务器 c := pb.NewSDBClient(conn) setResponse, err := c.Set(context.Background(), &pb.SetRequest{Key: []byte("hello"), Value: []byte("world")}) log.Printf("setResponse: %+v, err: %+v", setResponse, err) getResponse, err := c.Get(context.Background(), &pb.GetRequest{Key: []byte("hello")}) log.Printf("getResponse: %+v, err: %+v", getResponse, err) } ``` #### 更多客户端例子 - [string 操作](https://github.com/yemingfeng/sdb/blob/master/examples/string.go) - [list 操作](https://github.com/yemingfeng/sdb/blob/master/examples/list.go) - [set 操作](https://github.com/yemingfeng/sdb/blob/master/examples/set.go) - [sorted set 操作](https://github.com/yemingfeng/sdb/blob/master/examples/sorted_set.go) - [bloom filter 操作](https://github.com/yemingfeng/sdb/blob/master/examples/bloom_filter.go) - [pub sub 操作](https://github.com/yemingfeng/sdb/blob/master/examples/pub_sub.go) ------ ### [配置大全](https://github.com/yemingfeng/sdb/blob/master/configs/config.yml) 参数名 | 含义 | 默认值 ---- | --- | --- store.engine | 存储引擎,可选 pebble、level、badger | pebble store.path | 存储目录 | ./db server.grpc_port | grpc 监听的端口 | 9000 server.http_port | http 监控的端口,供 prometheus 使用 | 8081 server.rate | 每秒 qps 的限制 | 30000 server.slow_query_threshold | 慢查询记录的阈值,单位为 ms | 100 ------ ### 性能测试 测试脚本:[benchmark](https://github.com/yemingfeng/sdb/blob/master/examples/benchmark_sdb.go) 测试机器:MacBook Pro (13-inch, 2016, Four Thunderbolt 3 Ports) 处理器:2.9GHz 双核 Core i5 内存:8GB **测试结果: peek QPS > 12k,avg QPS > 7k,set avg time < 70ms,get avg time < 0.2ms** <img src="https://github.com/yemingfeng/sdb/raw/master/docs/benchmark.png" width=80% /> ------ ### 监控 #### 安装 docker 版本 grafana、prometheus(可跳过) - 启动 [scripts/run_monitor.sh](https://github.com/yemingfeng/sdb/blob/master/scripts/run_monitor.sh) #### 配置 grafana - 打开 grafana:http://localhost:3000 (注意替换 ip 地址) - 新建 prometheus datasources:http://host.docker.internal:9090 (如果使用 docker 安装则为这个地址。如果 host.docker.internal 无法访问,就直接替换 [prometheus.yml](https://github.com/yemingfeng/sdb/blob/master/scripts/prometheus.yml) 文件的 host.docker.internal 为自己的 ip 地址就行) - 将 [scripts/dashboard.json](https://github.com/yemingfeng/sdb/blob/master/scripts/dashboard.json) 文件导入 grafana dashboard 最终效果可参考:性能测试的 grafana 图 ------ ### SDB 背后的思考 #### SDB 存储引擎选型 SDB 项目最核心的问题是数据存储方案的问题。 首先,我们不可能手写一个存储引擎。这个工作量太大,而且不可靠。 我们得在开源项目中找到适合 SDB 定位的存储方案。 SDB 需要能够提供高性能读写能力的存储引擎。 单机存储引擎方案常用的有:B+ 树、LSM 树、B 树等。 还有一个前置背景,golang 在云原生的表现非常不错,而且性能堪比 C 语言,开发效率也高,所以 SDB 首选使用纯 golang 进行开发。 那么现在的问题变成了:找到一款纯 golang 版本开发的存储引擎,这是比较有难度的。收集了一系列资料后,找到了以下开源方案: - LSM 树 - [go-leveldb](https://github.com/golang/leveldb/) :是一个 unstable 的项目,无法使用 - [syndtr-goleveldb](https://github.com/syndtr/goleveldb) - [badger](https://github.com/dgraph-io/badger) - [pebble](https://github.com/cockroachdb/pebble) - B+ 树 - [boltdb-bolt](https://github.com/boltdb/bolt) :是废弃的项目,无法使用 - [etcd-bolt](https://github.com/etcd-io/bbolt) :主要是用于分布式环境下的数据同步,无法应对高并发的数据读写 综合来看,golangdb、badger、pebble 这三款存储引擎都是很不错的。 为了兼容这三款存储引擎,SDB 提供了抽象的[接口](https://github.com/yemingfeng/sdb/blob/master/internal/store/engine/interface.go) ,进而适配这三个存储引擎。 ------ #### SDB 数据结构设计 SDB 已经通过上面三款存储引擎解决了数据存储的问题了。 但如何在 KV 的存储引擎上支持丰富的数据结构呢? 以 pebble 为例子,首先 pebble 提供了以下的接口能力: - set(k, v) - get(k) - del(k) - batch - iterator 接下来,我以支持 List 数据结构为例子,剖析下 SDB 是如何通过 pebble 存储引擎支持 List 的。 List 数据结构提供了以下接口:LPush、LPop、LExist、LRange、LCount。 如果一个 List 的 key 为:[hello],该 List 的列表元素有:[aaa, ccc, bbb],那么该 List 的每个元素在 pebble 的存储为: pebble key | pebble value ---- | --- l/hello/{unique_ordering_key1} | aaa l/hello/{unique_ordering_key2} | ccc l/hello/{unique_ordering_key3} | bbb List 元素的 pebble key 生成策略: - 数据结构前缀:List 都以 **l** 字符为前缀,Set 是以 **s** 为前缀... - List key 部分:List 的 key 为 hello - unique_ordering_key:生成方式是通过雪花算法实现的,雪花算法保证局部自增 - pebble value 部分:List 元素真正的内容,如 aaa、ccc、bbb 为什么这么就能保证 List 的插入顺序呢? 这是因为 pebble 是 LSM 的实现,内部使用 key 的字典序排序。为了保证插入顺序,SDB 在 pebble key 中增加了 unique_ordering_key 作为排序的依据,从而保证了插入顺序。 有了 pebble key 的生成策略,一切都变得简单起来了。我们看看 LPush、LPop、LRange 的核心逻辑: ##### LPush ```go func LPush(key []byte, values [][]byte) (bool, error) { batchAction := store.NewBatchAction() defer batchAction.Close() for _, value := range values { batchAction.Set(generateListKey(key, util.GetOrderingKey()), value) } return batchAction.Commit() } ``` ##### LPop 在写入到 pebble 的时候,key 的生成是通过 unique_ordering_key 的方案。 无法直接在 pebble 中找到 List 的元素在 pebble key。在删除一个元素的时候,需要遍历 List 的所有元素,找到 value = 待删除的元素,然后进行删除。核心逻辑如下: ```go func LPop(key []byte, values [][]byte) (bool, error) { batchAction := store.NewBatchAction() defer batchAction.Close() store.Iterate(&store.IteratorOption{Prefix: generateListPrefixKey(key)}, func(key []byte, value []byte) { for i := range values { if bytes.Equal(values[i], value) { batchAction.Del(key) } } }) return batchAction.Commit() } ``` ##### LRange 和删除逻辑类似,通过 iterator 接口进行遍历。 [这里对反向迭代做了额外的支持](https://github.com/yemingfeng/sdb/blob/master/internal/store/engine/pebble/store.go#L93) 允许 Offset 传入 -1,代表从后进行迭代。 ```go func LRange(key []byte, offset int32, limit int32) ([][]byte, error) { index := int32(0) res := make([][]byte, limit) store.Iterate(&store.IteratorOption{ Prefix: generateListPrefixKey(key), Offset: int(offset), Limit: int(limit)}, func(key []byte, value []byte) { res[index] = value index++ }) return res[0:index], nil } ``` 以上就实现了对 List 的数据结构的支持。 其他的数据结构大体逻辑类似,其中 [sorted_set](https://github.com/yemingfeng/sdb/blob/master/internal/service/sorted_set.go) 更加复杂些。可以自行查看。 #### SDB 通讯协议方案 解决完了存储和数据结构的问题后,SDB 面临了【最后一公里】的问题是通讯协议的选择。 SDB 的定位是支持多语言的,所以需要选择支持多语言的通讯框架。 grpc 是一个非常不错的选择,只需要使用 SDB proto 文件,就能通过 protoc 命令行工具自动生成各种语言的客户端,解决了需要开发不同客户端的问题。 #### SDB 集群方案 SDB 的集群方案其实是在规划中的,之前也考虑了 TiKV 集群方案和 Redis 集群方案。 但目前 SDB 把注意力放在持久化、数据结构上。增加更多的数据结构,并将易用性做到极致。**之后再实现集群方案。** ------ ### 规划 - 支持更多的存储引擎 - LSM - B+ Tree - 支持对现有数据结构更多的操作 - 支持更丰富的数据结构 - geo hash - 倒排索引 - 向量检索 - 广告定向 - 搭建 admin web ui ------ ### 感谢 **感谢开源的力量,这里就不一一列举了,请大家移步 [go.mod](https://github.com/yemingfeng/sdb/blob/master/go.mod)**
授权协议:
BSD
开发语言:
gi 查看源码»
3630 次点击  
加入收藏 微博
暂无回复
添加一条新回复 (您需要 登录 后才能回复 没有账号 ?)
  • 请尽量让自己的回复能够对别人有帮助
  • 支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`
  • 支持 @ 本站用户;支持表情(输入 : 提示),见 Emoji cheat sheet
  • 图片支持拖拽、截图粘贴等方式上传