皮皮网

1.带你进入 etcd 的源码世界
2.BoltDB源码解析（六）Get操作
3.BoltDB 事务流程
4.BoltDB源码解析（七）Put和Delete操作
5.BoltDB源码解析（一）使用简介
6.BoltDB源码解析（二）事务

带你进入 etcd 的世界

       带你进入 etcd 的世界

       etcd 是一个可靠的分布式键值存储，基于 Raft 协议保证一致性，源码主要用在配置共享和服务发现。源码作为 CoreOS 公司开源的源码项目，其源代码地址为 /coreos/etcd，源码Apache 许可协议使其广泛应用。源码长沙互动直播系统源码下载

       优势与应用场景

       etcd 在服务注册选型中表现出色，源码比如与 Consul、源码Zookeeper、源码Eureka 等相比较。源码Kubernetes 的源码底层依赖就是 etcd，它在集群状态和配置管理上发挥关键作用。源码此外，源码超过 个 GitHub 项目，源码包括 Cloud Foundry，源码都使用了 etcd，GitHub 上的 Star 数量超过 （+），Fork 数量近 （）。

       原理与架构

       在分布式系统中，etcd 通过 Raft 算法确保一致性，即使在节点故障、网络分区等复杂情况下也能保持服务正常运行。Leader 选举和日志复制是其关键机制，通过比较日志记录确保数据一致性。在分区情况下，PreVote 状态优化了选举流程。

       客户端与存储

       etcd v2 采用 HTTP+JSON 接口，而 v3 则使用 GRPC，提供了更高效的网络连接。存储方面，v2 是内存存储，而 v3 利用 BoltDB，支持事务和多版本，通过 reversion 和 kvIndex 保证数据安全和高效查询。

BoltDB源码解析（六）Get操作

       在我们深入了解BoltDB的DB文件结构后，接下来我们将分析其CRUD操作中的Get方法。首先来看Bucket的Get API，这个操作相对简单，无论是读事务还是写事务，都可以通过它获取Bucket中指定key的value。以下是关键代码：

       代码的核心是Cursor对象，其seek方法在B-tree上定位key，返回存储在B-tree页面中的key和value指针。

       特别需要注意的是，如果查到的value是另一个Bucket，函数会返回nil，因为Get方法主要针对普通key，而非Bucket。如果需要操作Bucket，应使用Bucket方法，如rootBucket.Bucket("user")，jdbc源码面试就像在MySQL中操作表一样。

       Get方法和Bucket查找过程相似，都通过Cursor.seek定位，但Bucket方法多了openBucket步骤。相似的原因在于BoltDB将Bucket视为value类型存储在B-tree中，这样可以共用一个数据结构来存储Bucket和普通value，Cursor.seek则负责在不分类型的B-tree中查找。

       seek方法会在key不存在时返回大于该key的下一个key，这有利于通用性，包括insert、update和delete操作。Cursor的search方法递归查找，根据isLeaf属性决定是在node还是page上进行。

       BoltDB的写事务会先copy页面到node进行修改，因此读写操作在node和page的处理有所区别。Cursor的search方法根据当前事务类型，选择在node（写事务）或page（读事务）上搜索。

       searchNode和searchPage分别针对node和page执行递归搜索，使用一个stack记录递归路径，确保Cursor能够支持遍历B-tree的操作。BoltDB的高效体现在读操作中，全程基于mmap的page指针操作，实现了真正的零拷贝。

BoltDB 事务流程

       BoltDB 的事务流程主要围绕 Tx 结构体展开，它在设计上注重对单写控制和内存管理。事务的开始通常通过 db.Update，涉及到的 Rollback 和 Commit 操作在事务管理中起着关键作用。写事务使用 beginRWTx()方法，它通过互斥锁（rwlock）实现单写，避免了文件锁带来的问题。读事务则通过 beginTx()执行，该操作会锁定内存映射，可能影响性能，特别是当写事务频繁需要 remmap时。

       初始化阶段，写事务通过拷贝 db.meta 实现版本控制，每次写操作都会更新 metapage 并递增版本号。Commit 时，数据库信息的内存操作完成后，才会进行 B+树的分裂和平衡等ACID事务特性操作。BoltDB的存储基于页（page）和 B+树，每个页面大小通常为操作系统标准的4k，数据以 key-value 形式分布在 bucket 中的 B+树节点上，通过 MVCC机制确保并发控制。

       理解 Transaction Commit 的过程，关键在于理解 txid、metapage 和 mmap，这三个元素构成了 BoltDB MVCC机制的核心。对于存储结构和并发特性，可以通过阅读源代码和参考其他资源进行深入学习。源码在哪呢BoltDB适合于读多写少的场景，因为其内存映射策略和文件系统操作的方式。要全面掌握 BoltDB，还需要结合详细的代码和理解其内存布局和分页算法。

BoltDB源码解析（七）Put和Delete操作

       Put和Delete的实现

       上一篇文章我们了解了BoltDB的Get API的实现。现在，我们来探讨Put和Delete API的实现：

       Put API的主要功能是将一对键值对插入到Bucket中，如果键已经存在，则更新对应的值。首先，进行一些限制条件的检查，例如Put操作是否由写事务发起的，因为Put只能由写事务调用。此外，还需要检查键和值的大小是否符合限制条件。需要注意的是，Put操作和Get操作一样，这里也使用了Cursor来定位键应该放置的位置。

       在实际的Put操作中，会调用Cursor的一个不显眼的方法：

       这个方法实际上非常有用，它从当前Bucket的B-tree的根节点开始，一直到Cursor定位到的leaf page，为每个page创建一个对应的node结构。当然，如果一个page已经有对应的node，就直接使用它。

       为什么要这么做呢？这是因为事务篇中提到的修改操作具有“传染性”，修改B-tree的leaf节点会导致从root到leaf的所有page都需要修改，而BoltDB的修改操作都是在page对应的node里进行的，不是直接在page上修改，因此需要为这些page建立node结构。具体建立node结构的是Bucket的node方法：

       Bucket的node方法有两处需要注意，一个是新建的node会被追加到parent node的children中，记录下这些修改的node之间的关系，这个children在node持久化时会有用(node.spill方法)。另一个是node的数据是如何从page中读取的，这是由node的read方法完成的。

       node建立好之后，就在要修改的leaf对应的node上调用put方法：

       node的put方法相对简单，它是在inodes数组上查找对应的位置，如果exact为true，表示找到了相同的key，直接更新value；如果exact为false，相当于找到了应该插入的位置，然后在对应的inode上记录数据。我们来看一下inodes数组的定义：

       inodes数组是node实际存储数据的地方，由多个inode组成，每个不同的key对应一个不同的inode，inode之间是按key排序的。对于leaf节点来说，风云快手源码inode里使用key和value；对于branch节点来说，inode里使用key和pgid，pgid代表一个child page的id。value和pgid不会同时使用。

       put方法结束后，当前的Put操作也就结束了。也就是说，Put操作所做的仅仅是把新增或修改的数据放入到它所在的page对应的node内存中。

       顺便提一下Delete操作，它和Put操作非常类似，在建立起node结构之后，在对应的node的inodes数组中删除找到的key相等的inode就完成了，这里不再展开。

       那么，什么时候会把这些node里的数据持久化到DB文件里呢？是在整个写事务commit的时候。

       事务的Commit实现

       下面是事务commit的代码简化，保留了重要部分：

       Commit的整体流程比较长，下面一点一点进行说明。

       tx.root.rebalance()，这个root是root Bucket，rebalance是对root Bucket下所有子Bucket的所有node进行rebalance。这是什么意思？注意node的初始数据虽然来自一个page，但在经历了一些Delete操作后，有些node里面的数据可能过少，这时会先把这个node和它的左兄弟或右兄弟node合并(node的rebalance方法)，合并后node数会减少，但不存在node里数据过少的情况。这个操作对应于B-tree的merge操作，只不过这些node都是Go的内存结构，合并起来非常简单。当然，合并后把这些node spill到page的操作，需要的page总数也会减少。

       tx.root.spill()，这个方法是把root Bucket下所有子Bucket的所有node的内容都写入这个事务分配的dirty page里。注意这些dirty page是这个事务临时分配在内存里的，结构和DB文件的page完全一样，但还不是mmap映射的DB的page。

       刚开始看到spill这个方法时，感觉它代价有些高，感觉像是把整个B-tree都走了一遍。后来仔细看才发现不是这么回事。这个spill只对有node结构的节点进行处理，那些没修改过的page没有对应的node，根本不会处理。

       注意在经过多次Put操作后，node里存放的数据可能出现一个page写不下的情况，比如insert了几千个key value。spill会先把这样的node split成多个大小合适的node(node的split方法)，然后把这些node分别写入不同的ea源码世界page中。这个操作对应于B-tree的split操作。和rebalance方法类似的道理，因为这些node都是Go的内存结构，split起来非常容易。

       if tx.meta.pgid > opgid，这个判断是看当前事务需要的page数是否大于事务执行前DB文件有的page数，如果大于，说明DB文件放不下了，就调用db.grow增大文件，以容纳新增的page。

       紧接着是freelist的持久化操作，因为写事务可能使用了freelist里的一些page，同时也可能释放了一些page到freelist里，所以freelist很可能发生了变化，需要持久化。

       tx.write()，这个方法就是把所有的临时分配的dirty page都写入DB文件对应的page里。

       tx.writeMeta()，这个方法是把这个tx里的meta写到meta0或者meta1里面（写事务会交替写这两个meta page，这也是个常用技术，叫ping-pong buffer）。它的代码值得看一下：

       首先把meta写到临时分配的buf里，然后用文件IO写到DB文件里，最后调用fdatasync，把OS文件的buffer cache持久化到磁盘上。至此，写事务的所有数据都已经落盘完毕。后面新开启的事务会因为这个meta的txid是最大的，而选择使用这个最新的meta page。而这个meta page包括最新的root bucket，最新的freelist，最新的pgid，这些总体构成了一个DB的最新版本，保证新开启的事务读到最新版本的数据。

       看tx.write()和tx.writeMeta()的实现可以发现，写入数据用的是db.ops.writeAt，而这个方法默认值就是File.WriteAt方法，所以实际写入文件用的是文件IO，而不是直接写mmap内存。而BoltDB使用mmap一开始就把mmap映射的内存标记为只读的，压根不允许直接写mmap内存。为什么要这么做呢？

       猜测可能是为了安全。前面讲到Get操作为了性能是zero copy的，发现Get返回来的value是mmap上数据的指针，如果mmap设置为可读写的，应用程序代码五花八门，可能会通过指针一不小心修改了mmap上的数据，这样的修改因为走的不是API是无法保证事务的。把mmap设置为只读的消除了这种可能性。反过来说，如果mmap设置为可读写的，Get就不能返回mmap上的指针了，为了安全一定要copy一份数据出来才行，降低了Get的性能。

       这里还有个很自然而且很重要的问题是，如果事务commit失败了呢，BoltDB如何保证事务的原子性（ACID的A），确保这个写事务的所有操作，不论是落盘的，还是没落盘的，都不会生效？

       原子性要求，不管是commit走到哪一步，哪怕是已经把修改的数据，甚至包括修改的freelist已经落盘，只要最终事务commit失败，都不能对正确性产生任何影响。这里的正确性是指，数据库的状态（有实际的key value数据，freelist， pgid等共同构成）必须是在这个写事务运行之前的状态，数据不能被破坏，这个写事务也不能留下可被后续事务读到的任何更新。

       要做到原子性貌似挺难的，因为事务的commit里包括很多步骤，这些步骤都不是原子性的。不过重要的一点是，不论commit运行到哪一步，因为tx.writeMeta是最后一步，只有这一步运行成功commit才算成功，如果说commit失败了，那么tx.writeMeta一定是没运行，或者运行了半截，这个meta page没写完整，机器断电了。总之，这些情况下我们不会得到一个合法的新的meta page(这种情况下meta的validate方法会失败，因为meta的checksum不对)。这时候ping-pong buffer的meta page就起重要的作用了，因为交替写meta page的原因，即使这个写事务新的meta page没写成功，这个写事务运行前版本的meta page还在，而这个meta page包括这个写事务运行前的DB版本所有的状态（kv数据，freelist，pgid等）。这个meta page会被后续事务使用，就像那个失败的写事务从来没有运行过一样。而那个写事务留下的kv数据的page，freelist的page，即使是持久化了，也因为没有写成新的meta，没有机会被用到。

       还有个自然的疑问，即使这个失败的写事务写的page因为没有合法的meta无法被引用，不会影响正确性，但无法被引用是不是也意味着这些page无法被回收，浪费了磁盘空间？

       答案是也不会。在原来版本的meta里的free list和pgid的共同作用下，这些page会被视为free的，还可以使用，不会出现无法回收这些page的情况。

       还有个疑问，既然BoltDB交替写meta0和meta1，是不是连续两个事务commit正好在写meta时失败，数据库就废了？

       仔细研究发现，还是没事！因为写事务的txid也是meta的一部分，一个写事务失败，导致txid不会增长，下一次写事务的txid还是一样，meta的交替写是因为txid的变化引起的，既然没变化，就不交替了。所以下一个写事务即使写meta还失败了，也还是写的上一个写事务写的那个meta，不会把两个meta都写坏。

       总结一下，ping-pong buffer的meta page真是设计得精巧，是BoltDB达到原子性的关键！

BoltDB源码解析（一）使用简介

       BoltDB是一个纯Go语言实现的key value存储，提供库形式而非独立server进程。它是一个简单的存储系统，不支持SQL，但用户可以通过Bolt的API对key value进行增删查改。

       使用BoltDB只需一个文件作为DB的持久化文件。与一般数据库不同，Bolt没有单独的日志文件，也不像LevelDB那样需要创建多个文件并执行Compaction。Bolt以mmap内存映射的方式打开DB文件，增删查改操作直接在内存中进行，操作系统负责磁盘和内存之间的数据传输。

       Bolt支持Bucket概念，可以理解为namespace，用于分类组织不同类别的数据。用户可以创建多个Bucket来组织数据，例如在电商网站中，可以将users、orders、items数据分别放入不同的Bucket。

       以下是一个示例程序，展示了BoltDB的常规操作：

       bolt.Open用于传入要使用的DB文件参数，并返回一个db实例。db.Close用于关闭数据库。

       db.Update的入参是一个function，这是Bolt支持transaction的方式。db.View的入参也是一个function，但transaction只能是只读的。

       CreateBucketIfNotExists根据名称打开或创建Bucket。

       bucket.Put(key, value)将一对key value写入Bucket，若key已存在，则用新value替换旧value。

       val := bucket.Get(key)返回key对应的value，若key不存在，则返回nil。

       Bolt还支持Cursor概念，用于按照key顺序遍历DB。Cursor支持prefix scan和range scan，具体介绍可参考Bolt的README。

       可能有同学疑惑，Bolt似乎只能存储string类型数据，如何存储结构化数据？实际上，Bolt不关心value的结构，将其视为字节序列。我们可以将结构化数据序列化为字节序列存储在Bolt中，使用时再反序列化为结构。Go语言中的序列化反序列化方法（如JSON、Gob、Protobuffers等）均可用于此。

       Bolt的基本使用介绍到此，接下来将进行源码解析。

BoltDB源码解析（二）事务

       最近几天一直在研究BoltDB的代码，现在对它有了更深入的了解。这篇主要介绍BoltDB的事务处理。

       BoltDB的事务主要分为两类：一类是只读事务，另一类是读写事务。只读事务仅允许读取操作，而读写事务则可以同时进行读取和写入操作。在并发控制方面，BoltDB允许任意多个只读事务同时进行，但读写事务只能有一个。

       BoltDB支持一定程度的多版本并发控制（MVCC），这意味着读事务不会阻塞写事务，反之亦然。在程序运行过程中，你可能会发现多个读事务和一个写事务在同时进行。

       只读事务是通过db.View方法执行的，具体代码如下：

       Bolt的注释非常清晰，每一步都标明了具体操作。db.begin是新建一个transaction，而fn参数是用户传递的事务主体函数。

       注意，只读事务不会调用transaction的commit函数，除非发生error，此时需要调用t.Rollback()进行清理工作。

       读写事务是通过db.update执行的，整体上和View的代码类似，但是会创建一个读写事务。

       读写事务如果没有发生错误，最后会调用Commit方法，将事务进行的修改持久化到DB文件里，实现事务ACID特性里的“D"。

       BoltDB使用B-tree作为磁盘数据结构，在事务commit时，所有在内存中的修改都要持久化到磁盘上。在事务commit时，所有修改都需要持久化到多个新page里。

       读事务实现得比较简单，就是在基于mmap的B-tree上搜索到具体的key，返回对应的value。为了提升性能，BoltDB全程尽量避免copy。

       写事务比读事务要复杂，BoltDB如果需要修改一个page上的数据，首先会通过B-tree搜索定位到具体的key所在的leaf page，但它不会直接在这个page上修改，而是把这个page的数据copy到一个叫node的内存结构体里，修改是在node结构体里做的。

       在写事务中，所有的修改都暂存在内存里，在事务commit之前不会持久化。在事务commit的时候，所有的修改都要持久化。

       因此，BoltDB的使用建议是，一个事务做的事情不要太多，这样不必耗费太多内存保存中间状态，commit也不至于耗时太多。

深入浅出存储引擎

       深入浅出存储引擎

       本文详细探讨了数据库系统中的存储引擎相关概念，以及存储引擎如何实现高效的数据存储与检索。存储引擎是数据库系统的核心组件，负责处理数据的存储、检索和维护。

       首先，文章介绍了数据存储体系，包括OLTP、OLAP与HTAP，以及关系数据库、NoSQL数据库与NewSQL数据库的特性。接着，讨论了基于内存型与磁盘型存储组件的数据存储方式，以及读多写少、写多读少和读多写多组件的处理策略。文章进一步解释了数据存储与检索的过程，强调了存储引擎在其中的核心作用。

       文章详细分析了存储引擎的分类，包括基于B+树的存储引擎和基于LSM派系的存储引擎。基于B+树的存储引擎适合于读多写少的场景，而基于LSM派系的存储引擎则适用于写多读少的场景。文章还讨论了内存、持久化内存和磁盘在数据存储中的应用，以及它们的管理机制。

       从宏观角度，文章解析了B+树存储引擎的原理，包括其诞生背景、设计目标、数据结构选择、索引维护和存储策略。从微观角度，文章深入探讨了B+树存储引擎的工程细节，如边界条件处理、异常情况处理、事务管理和范围查询。

       文章进一步分析了BoltDB核心源码，从整体结构、page解析、node解析、Bucket解析到事务解析，详细解释了BoltDB存储引擎的实现机制。这为理解和实现类似的存储引擎提供了宝贵的参考。

       接着，文章深入理解了LSM Tree原理，从其发展背景、从零推导LSM Tree、架构演进和核心问题等角度进行了全面分析。文章详细探讨了LSM Tree的工程应用、KV分离存储技术WiscKey、Bitcask的核心原理以及Moss的核心原理，展示了LSM Tree在不同场景下的应用。

       最后，文章分析了LSM派系存储引擎，包括LSM Tree存储引擎、LSM Hash存储引擎、LSM Array存储引擎以及其他LSM存储引擎的特性和实现方法。文章提供了这些存储引擎的详细解析，有助于读者深入了解LSM存储引擎的实现细节。