PalDB 详解
轉自：http://www.jianshu.com/p/23db015e81a5
github：https://github.com/linkedin/PalDB
簡介
PalDB是 Linkedin 公司開源的一款只讀型的 KV 存儲數據庫，目的是在某些場景下替代 HashMap/HashSet 或 LevelDB，在性能和內存之間做了一個良好的平衡。下面是官方給出的測試圖表：
讀的吞吐量是 leveldb 和 rocksdb 的5倍
內存使用是 hashset 的1/6
使用方式
作為一個存儲工具包，其使用方式也很簡單，一看就會明白：
//寫數據
StoreWriter writer = PalDB.createWriter(new File("store.paldb"));
writer.put("foo", "bar");
writer.put(1213, new int[] {1, 2, 3});
writer.close();
//讀數據
StoreReader reader = PalDB.createReader(new File("store.paldb"));
String val1 = reader.get("foo");
int[] val2 = reader.get(1213);
reader.close();
應用場景
PalDB 適合一次寫入，多次讀取，且數據量較大的場景，如：
Hadoop/Spark 計算時產生的一些中間結果
機器學習訓練出的模型
詞典
實現原理
PalDB 本質上是一個哈希表，用開放尋址法處理哈希沖突。下面從讀寫兩方面來分析其實現細節。
寫
寫數據的過程主要分為3塊：序列化，預寫入，最終寫入。
序列化：序列化過程主要負責將準備寫入的 key-value 值進行序列化。PalDB 自己實現了對 java 基本對象的序列化，對數據進行了一定的壓縮（如果覺得壓縮的仍不夠，PalDB 默認支持 Snappy 壓縮算法，可手動開啟）。
預寫入：程序每調用一次 writer.put(Object key, Object value) ，PalDB 就進行一次預寫入。預寫入負責寫兩類文件：
索引文件：存儲 key 以及 value 在數據文件中的位置
數據文件：存儲 value 長度以及 value
這兩類文件都有一個或者多個，成對出現，文件數量決于 key（序列化后）的長度，一個 key 長度對應一對<索引文件，數據文件>。也就是說，key 長度是一個一級索引，這個在讀的時候會用到。下面用一張圖總結下預寫入的過程。
預寫入工程
預寫入過程中還會記錄一些重要的值，如：value 位置的最大長度，key 總數以及每個 key 長度下的 key 數量。
3.最終寫入
當寫完數據最終調用 writer.close() 時就進入最終寫入階段。預寫入生成的索引文件只是順序的存儲了 key 以及 value 在數據文件中的位置，最終寫入階段負責將索引文件轉化成哈希表，跟索引文件一樣，每一個 key 長度對應一個哈希表。對每一個哈希表：
哈希表 slot 數量 = 該 key 長度下的 key 數量 / loadFactor（默認0.75，可手動指定）
每個 slot 的大小是固定的，等于 key 長度 +? value 位置的最大長度（因此，slot 里的數據其實是有部分空閑的）。
寫這個哈希表的過程是順序讀預寫入階段生成的索引文件，按 key? hash 到指定 slot（用開放尋址法處理哈希沖突）并寫入 key 以及 value 位置的過程。
遍歷處理完所有 key 長度對應的索引文件后，將所有哈希表、數據文件、meta 信息拼接，形成最終的數據庫文件。文件結構如下：
最終數據庫文件結構
讀
首先 PalDB 會將數據庫文件初始化，初始化過程分為三步：
讀取 meta 信息，如 key 數據，key 長度數量、每個 key 長度對應的索引文件 slot 數等，并存儲在內存中。
以一個只讀內存映射文件方式（MappedByteBuffer）打開 key 索引集合。由于 PalDB 將 key 索引集合當做一個文件打開，由于內存映射文件的大小限制，key 索引集合的大小不能超過 2G。
以一個或多個只讀內存映射文件方式打開數據文件集合。如果數據文件過大（大于2G），PalDB 會將其切分成多塊。
初始化完成后，就可以調用 reader.get(Object o) 方法進行數據讀取，數據讀取的流程如下：
讀取數據流程
總結
PalDB 的實現原理還是比較簡單的，但是在某些場景下效果會比常規方法更好。就筆者的實踐來說，用 PalDB 存儲推薦模型來代替之前的文件 load 到內存的方式，在性能影響很小的情況下大大減少了內存的使用，值得一試。
作者：兩棵橘樹
鏈接：http://www.jianshu.com/p/23db015e81a5
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。
總結
- 上一篇： 蓝港CIO韩明顺谈零售数字化转型：面向体
- 下一篇： Docker安装及配置