三種基本的存儲引擎比較

問題的本質仍是磁盤隨機操做慢，順序讀寫快的老問題。

 

傳統數據庫的核心一般是頁級緩存、B+樹、堆或索引組織表，這些機制，對隨機IO的抵抗能力，都無一例外的可 悲的差。

 

數據庫如何抵抗隨機IO的問題、方法與現實

https://blog.csdn.net/tianlianchao1982/article/details/8939309?locationNum=9&fps=1

 

 

1、Hash存儲引擎

表明數據庫：redis、memcache等

一般也常見於其餘存儲引擎的查找速度優化上。 Hash 索引結構的特殊性，其檢索效率很是高，索引的檢索能夠一次定位，不像B-Tree 索引須要從根節點到枝節點，最後才能訪問到頁節點這樣屢次的IO訪問，因此 Hash 索引的查詢效率要遠高於 B-Tree 索引。雖然 Hash 索引效率高，可是 Hash 索引自己因爲其特殊性也帶來了不少限制和弊端。

這裏列舉缺點：

（1）Hash 索引僅僅能知足"=","IN"和"<=>"查詢，不能使用範圍查詢。

（2）Hash 索引沒法被用來避免數據的排序操做。

（3）Hash 索引不能利用部分索引鍵查詢。

(4）Hash 索引在任什麼時候候都不能避免表掃描。

Hash碰撞，就是鏈式掃描：

因爲不一樣索引鍵存在相同 Hash 值，因此即便取知足某個 Hash 鍵值的數據的記錄條數，也沒法從 Hash索引中直接完成查詢，仍是要經過訪問表中的實際數據進行相應的比較，並獲得相應的結果。

（5）Hash 索引遇到大量Hash值相等的狀況後性能並不必定就會比B-Tree索引高。

2、B樹存儲引擎

表明數據庫：MongoDB、mysql(基本上關係型數據庫)等

 

還有一種算是B樹存儲引擎：COLA樹（CacheObliviousBTree）

表明數據庫：tokudb

爲了如何讓B樹更有效的執行，他們提出了一個緩存忘卻CacheOblivious算法，該算法在不須要明確知道存儲器層次中數據傳輸規模的狀況下，也能夠高效的工做。更多請參見：https://en.wikipedia.org/wiki/Cache-oblivious_algorithm。

說個你們熟悉的名稱TokuMX : 目前很是流行的NoSQL數據庫MongoDB的底層替換成與TokuDB一樣的存儲引擎[ ToKuMx]，達到了很是好的效 果

3、LSM樹（Log-Structured Merge Tree）存儲引擎

表明數據庫：nessDB、leveldb、hbase等

核心思想的核心就是放棄部分讀能力，換取寫入的最大化能力。LSM Tree ，這個概念就是結構化合並樹的意思，它的核心思路其實很是簡單，就是假定內存足夠大，所以不須要每次有數據更新就必須將數據寫入到磁盤中，而能夠先將最新的數據駐留在磁盤中，等到積累到最後多以後，再使用歸併排序的方式將內存內的數據合併追加到磁盤隊尾(由於全部待排序的樹都是有序的，能夠經過合併排序的方式快速合併到一塊兒)。

 

https://blog.csdn.net/moonpure/article/details/79788897