java - 京都内阁/伯克利 DB : Hash table size limitations

Question

我很难在我的 SSD 上存储数亿个 16/32 字节的键/值对和哈希数组。

With Kyoto Cabinet:正常工作时，它以 70000 条记录/秒的速度插入。一旦下降，它就会下降到 10-500 条记录/秒。使用默认设置，丢弃发生在大约一百万条记录之后。查看文档，这是数组中桶的默认数量，所以这是有道理的。我将这个数字增加到 2500 万，事实上，在大约 2500 万条记录之前它工作正常。问题是，一旦我将桶的数量推到 3000 万或更多，插入率从一开始就下降到 10-500 条记录/秒。 Kyoto Cabinet 没有设计成在创建数据库后增加桶的数量，所以我不能插入超过 2500 万条记录。

1/为什么一旦桶数超过 25M，KC 的插入率就会变得很低？

使用 Berkeley DB:我得到的最好速度比 KC 略低，接近 50000 条记录/秒，但还可以。使用默认设置，就像 KC 一样，速度在大约一百万条记录后突然下降。我知道 BDB 旨在逐渐扩展其存储桶数量。不管怎样，它尝试增加初始数量，使用 HashNumElements 和 FillFactor，但任何这些尝试都使情况变得更糟。所以我仍然无法使用 DBD 插入超过 1-2 百万条记录。我尝试激活非同步事务，尝试不同速率的检查点，增加缓存。没有任何改进下拉菜单。

2/什么会导致 BDB 的插入率在插入 1-2 百万次后下降？

注意:我正在使用 java，当速度下降时，CPU 使用率降低到 0-30%，而在正常速度下工作时则为 100%。
注意:停止进程并恢复插入不会有任何改变。所以我认为这与内存限制或垃圾回收无关。

谢谢。

Answer 1

下面是我如何在 KC 遇到写入限制的情况下设法存储数十亿条记录。

我费了好大劲，还是没有解决Kyoto Cabinet和Berkeley DB的问题。不过，我想出了一个使用 Kyoto Cabinet 的有趣解决方法。

我注意到我不能在一个 KC 文件上写入超过 25M 的记录，但是读取没有这样的限制——它总是很快，不管数据库的大小。我找到的解决方案是为每 25M 条新记录创建一个新的 KC 文件(一个新的数据库)。这样，读取发生在许多 KC 文件上并且仍然很快，而写入仅发生在最后创建的文件上并且速度也很快。唯一剩下的问题是允许更新/删除以前文件的记录。为此，我复制了 SSTables 方法，即:

• 0到N-1个文件都是只读的，N个文件是读写的。
• 任何插入/更新/删除都写在文件N中。
• 读取查看文件 N 到 0，并返回第一次看到/最后写入的插入/更新/删除。
• 布隆过滤器附加到每个文件，以避免访问没有所需记录的文件。
• 一旦文件 N 达到 25M 条记录，它将变为只读并创建文件 N+1。

注释:

• 就像 SSTables 一样，如果执行大量更新/删除，我们可能需要执行压缩。然而与 SSTables 相反，这里的压缩不需要重写文件。过时的记录只是从 KC 文件中删除，如果 KC 文件变得非常小，它可以被删除——重新插入文件 N 中的记录——或者重新打开以进行新的插入——前提是下一个文件是紧凑的。
• 删除不会删除记录，而是写入一个特殊值来标识记录已删除。在压缩过程中，删除的记录会被真正删除。
• 检查记录是否存在通常需要查看数据库。多亏了布隆过滤器，大多数否定答案都可以在没有任何磁盘访问权限的情况下给出。