读写模型整理笔记

读模型

1、主键读

最常见的读模型，说是主键，其实也包括其它索引键，或者联合主键。

常见实现：hash，时间复杂度可以接近 O(1)；B 树或变种：时间复杂度接近 O(log(n))。

关于 B 树和变种：

B 树（B-树）：本质上是二叉查找树的升级版，变成了平衡的 N 叉查找树，这个 N 的范围根据磁盘一次读取的块大小来调整，这样复杂度 log n 的底数就从 2 变成一个更大的数，减少了树的高度。除此以外，还有一些额外的优化，比如为了插入和删除的性能考虑，通常准备一些预留的空间，只要在当前块或者邻近块中找到空间写入，就避免了开销巨大的所有记录向后偏移的操作。

B 树的阶：

1. 一棵 m 阶的 B 树最多有 m 棵子树；
2. 根节点至少有两棵子树；
3. 每个非根分支节点至少有 ceil(m/2) 棵子树；
4. 叶节点全部在同一层；
5. 有 x 个孩子的非叶节点恰有 x-1 个递增排列的关键字。

图片来自此页面。

B+树：和 B 树相比，改变的地方包括：

1. 全部关键字信息都放在叶子节点；
2. 所有叶子节点串成一个 linked list 以便搜索；
3. 存放重复的搜索键。

具体的区别可以参见 《Difference between B Tree and B+ Tree》，（下图出处）。

B*树在 B+树基础上做了进一步改进：

1. 非叶子节点增加指向兄弟节点的指针（用以在节点满时，可以往兄弟节点放数据，减少节点创建的情况）；
2. 非叶子节点至少为 2/3 满的（关键字字数至少为最大值的 2/3）。

2、指定页查询

指定页就意味着具备分页的概念，比如在 DynamoDB 的查询接口设计上，可以传入一个 LastEvaluatedKey 这样的对象，通过主键读的方式定位到本页读取的起始位置。但是，如果要随机指定页码号的查询，这种情况的复杂度在不同实现的情况下就有很大差异了，有的可以直接算出该页的位置，有的则需要从第一页开始一页页找下去。

常见实现：指定起始位置，条件查询的情况下返回数据子集。

3、范围查询

首先，数据可以根据某一属性排序，然后才存在范围查询的概念。比如用户的年龄在某个区间之内的查询。

常见实现：B 树及其变种（这种情况下 B+树比 B 树优越的地方就体现出来了，B+树可以直接扫描叶子节点的 linked list 即可）。

4、全数据扫描

这种访问模型通常意味着低速和高开销，一般多用作异步任务，比如报表系统，在低访问时段做定时的数据统计。通常非索引键查询本质上也是全数据扫描。

例子：数据库全表扫描，Hadoop 上的数据集处理任务。

5、全文检索

常见实现：倒排索引。

6、前缀/后缀匹配

前缀匹配：Trie 树；后缀匹配：后缀树。参见 《Trie 树和其它数据结构的比较》。

7、条件查询

常见实现：全表扫描；R 树；Space-filling Curve。

写模型

1、异步更新

先返回，不关注更新的事务性，更新操作在后台完成，这种方式具备最快的结果返回速度。

2、队列/双端队列

这种情况适用于吞吐量比较大并且非常不稳定的情形，借助队列的缓冲作用；也有一种是需要处理写入次序的问题，借助优先级队列的有序性。

3、批量写

很多情况下是异步的数据处理，比如数据回填、批量数据导出等等。

4、根据查询结果更新

就是把查询和更新这两步过程合并，使之具备原子性。比如 Java 中的 compareAndSet 操作，比如数据库的 update 语句跟上 where 子句等等。

5、插入或更新

upsert，如同 hash map 中的 put，不管之前该记录是否存在，存在就覆盖，不存在就插入。

6、更新到多个 replication

几乎所有的产品化的存储系统都会考虑 replication，对于数据可靠性的问题，软件层面上冗余多份数据是唯一的办法。

文章未经特殊标明皆为本人原创，未经许可不得用于任何商业用途，转载请保持完整性并注明来源链接 《四火的唠叨》