本文来自华为云NoSQL数据库高级工程师杨涛老师，杨老师将出席5月29日MongoDB中文社区长沙大会分享，现场有金融证券、存储引擎、数据迁移同步等MongoDB一手干货分享，详情可查看：2021年MongoDB中文社区长沙大会 | 相聚岳麓，共话mongo！
简介：RocksDB引擎凭借特性丰富，社区活跃，应用范围广泛，且支持更为良好的硬件存储性能等特点，更适用于云场景。文档数据库Mongo on RocksDB是华为云基于RocksDB存储引擎开发的云数据库，完全兼容MongoDB接口。本文将针对RocksDB引擎特点进行详细介绍。
MongoDB作为一款优秀的NOSQL数据库，支持海量存储，查询能力丰富以及优秀的性能和可靠性，深受国内外用户和企业的认可。
MongoDB在早期设计时，能够支持多种不同类型的存储引擎，包括：MMAPV1，WiredTiger以及RocksDB。2014年，MongoDB公司收购WiredTiger后，从MongoDB 3.2版本开始，官方便将WiredTiger作为默认存储引擎并一直应用至今,基于RocksDB引擎则陷入沉寂。如今，基于RocksDB的新的MongoDB在华为云上已 “复活”。
RocksDB是Facebook公司基于LevelDB设计开发并开源的一款非常出名的存储引擎，该引擎具备极佳的硬件随机读写性能，其设计原理和LevelDB相同，都采用了LSM树存储，但同时也解决了LevelDB自身存在的问题，更适用在大型硬件，多核CPU，高性能SSD等场景中。该引擎被用在多款数据库上，社区活跃度高。
RocksDB 存储引擎的设计原理和特点
RocksDSM树（Log Structured Merge Tree）算法研发的，其前身是LevelDB，存储引擎的设计原理如下：
RocksDB存储引擎设计原理
RocksDB收到MongoDB的写入请求时，会直接将数据写入内存即RocksDB定义的区域Memtable，以及WAL（Write Ahead Logging，防止服务重置导致的数据丢失）中，当写入Memtable的数据达到阈值，则转为不可写入状态Immutable，同时申请新的Memtable供上层应用继续写入。RocksDB会通过异步的方式将数据Flush到SST数据文件中，RocksDB对SST文件的编排就采用了LSM树的管理方式，每层SST到达阈值，RocksDB会启动异步线程进行Compaction操作，将文件内的末端节点数据进行合并到下一层SST的文件中。
优势总结：
1、 RocksDB写入时，数据是直接写入内存，为确保写入性能，数据落盘以及Compaction都是异步流程。
2、 RocksDB允许每一层数据上下有定量的冗余，不及时清理的原因就是为了将更多的IO资源提供给数据写操作。
3、 RocksDB的后台Compaction操作会按照数据Key有序存储在SST中，读取数据时，RocksDB会通过Key前缀过滤，布隆过滤器等优化算法来降低SST文件的访问次数。
RocksDB的算法更加适用在写性能要求高的环境中，对IO也存在高吞吐，低延时的要求。在云场景中，虚拟机内存巨大，底层硬盘都已经使用了SSD和NVME的条件下，无疑这为RocksDB引擎良好的运行环境。
Mongo on RocksDB支持三种架构：单节点，副本集和集群架构。单节点主要用在测试和教学场景中，本文主要介绍副本集和集群架构，如下图所示：
三节点副本集架构
集群架构
以上两种架构和社区原生MongoDB的架构一致，由于MongoDB采用插件式的存储引擎接口，所以可以做到MongoDB 协议的完全兼容，上层应用在实际使用中并不会感受到接口上的差异。此外，基于RocksDB的MongoDB还继承了RocksDB的下列特点：
1、 由于RocksDB采用了优化的LSM算法，平均写性能有良好的表现。
2、 RocksDB支持多点快照的特性， 利用该特性，能实现独特的快照漫游功能，具体可参考下方的内容。
3、 RocksDB使用LSM数据落盘机制以及规定SST文件大小的存储管理，彻底解决了LAS文件膨胀以及B树的存储空洞问题，从而避免浪费磁盘存储空间.
针对如下场景的应用，数据库保存大量静态数据，数据只在维护时间窗内集中更新，每次更新的数据量在上百GB。在数据更新期间，并不希望这部分数据被访问。
整个过程为：
1、 创建名称为Stable的快照，终端用户默认访问T1时间点“稳定的历史数据”。
2、 客户维护工程师开始更新数据，直到时间点T2，数据维护完成，未验证，不对外发布。
3、 到达T3时间点，数据更新完成，新版本数据发布，释放快照，终端用户访问最新版本数据。
通过新开发的Snapshot创建快照命令，该命令调用了RocksDB的API，RocksDB会自动捕获在创建的时间点的DB一致性视图，并保持在内存中。客户在T1和T2分别创建快照，无论数据如何变化，当用户切换到某快照视图时，应用查到的都只有对应时间点版本的数据，从而即简单又快捷的满足了需求。
数据库快照并非RocksDB的独特能力，WiredTiger也有快照，但WiredTiger的快照功能并不像RocksDB那样提供一个显性接口，他被内部设计在多文档事务数据检查点（CheckPoint特性）的特性中使用，它并不能被接口显性调用，且关键制约是，引擎对快照的设计只支持了单快照，并不支持同时打多个点的快照。而对比RocksDB，则支持创建多个不同点的快照，且提供了对外的接口，这就为时间漫游的应用模式提供了独一无二的基础。
Compact命令是MongoDB下发给存储引擎的关键命令，其主要作用是让存储引擎对集合数据和索引进行碎片整理。MongoDB对集合数据做删除操作时（排除drop集合和数据库的操作），MongoDB会对删除数据打一个标记，而并非真正对集合数据做删除，等异步线程在后台慢慢删除，这么做好处是大规模的数据删除操作并不会对IO有巨大影响，但问题是会带来磁盘碎片以及数据高水位线问题。Compact操作就是通过重写集合和索引数据，真正的释放磁盘空间给操作系统。
Compact过程中，用户无法对所在数据库进行操作，所以该命令在大多数实际场景下只能在系统维护期间执行。当被Compact的集合数据量越大，该命令的执行时间也就越长，这种场景下会影响客户的业务运行。
RocksDB引擎的特点刚好可以应对这样的场景，由于使用分层的SST存储，每个SST设定了64M的阈值，清理时，只针对需要清理的SST文件进行了锁和重写，Compact的阻塞范围就天然比B树小了很多，由于阻塞范围大幅降低，所以在做Compact操作时就灵活了很多，可以不阻塞数据库的读写操作。
在云场景下，由于SSD硬盘的普遍使用，让RocksDB引擎的特点更充分的发挥，适合应用在低成本，大量数据频繁操作的应用场景，例如：网络游戏，物联网，车联网，大数据计算等众多领域。
希望对Mongo on RocksDB相关技术进行进一步探讨或者有使用需求的小伙伴，欢迎邮件交流。此外，招聘通道也同步开启，欢迎投递简历。
联系方式：work.yangtao@huawei.com
5月28日参加完广州·Gdevops全球敏捷运维峰会，北上长沙来参加5月29日MongoDB中文社区2021年第一场线下大会吧！金融证券、存储引擎、数据迁移同步等诸多MongoDB一手实践干货在现场等你来！
MongoDB中文社区
评论前必须登录！
注册