LSM-Tree簡介
LSM Tree（Log Structure Merge Tree）是一種數據結構
從字面意思理解，是一種基於日志追加寫、有一定結構、並且會merge合並的樹（數據結構）
特點是：
①利用磁盤批量的順序寫要遠比隨機寫性能高出很多來支持隨機讀寫操作
②更適用於寫多讀少類型的場景
③廣泛應用在各大 NoSQL 中。比如基於 LSM 樹實現底層索引結構的 RocksDB，就是 Facebook 用 Golang 對 LevelDB 的實現，Hbase也是用LSM-Tree的數據結構實現的
LSM-Tree一種比較完善的原理圖
寫操作
write1：WAL
把操作同步到磁盤中WAL做備份（追加寫、性能極高）
write2：Memtable
完成WAL后將(k,v)數據寫入內存中的Memtable，Memtable的數據結構一般是跳表或者紅黑樹
內存內采用這種數據結構一方面支持內存內高速增刪改查（時間復雜度O(logM)），另一方面可以保持有序，為寫入磁盤中的SSTable打基礎
write3：Immutable Memtable
Memtable存儲的元素達到一定數量后，就會把它拷貝一份出來成為Immutable Memtable （不可變的Memtable）並且不能對其修改了，新增的數據都寫入新的Memtable，這么做的好處是當需要將Memtable轉化為Immutable Memtable時無需暫停工作，至於為什么要拷貝一個Immutable Memtable ，這主要是為了后續落盤時做准備
write4：Minor Compaction
內存中的數據不可能無線的擴張下去，需要把內存里面Immutable Memtable 定期dump到到硬盤上的SSTable level 0層中，此步驟也稱為Minor Compaction
SSTable的數據結構是LSM-Tree設計的精髓，他一方面可以保持有序，一方面又能利用磁盤追加寫的高性能
SSTable的數據結構為兩部分，前半部分是key與value成對的數據連續存儲，這部分數據的key是有序的，后半部分是前半部分的索引，值存儲的是key所對應的offset，也是有序的，每次打開這個SSTable需要把索引加載到內存並利用二分搜索可以很快查找出要訪問的key的值
dump的過程中每個Immutable Memtable會對應一個SSTable的segment且不會對多個Immutable Memtable進行合並，而是直接將Immutable Memtable中有序的跳表或者紅黑樹遍歷並追加寫入到segment，這個過程速度很快。由於不會合並level 0層中的SSTable可能會出現相同的key。
write5、write6：Major Compaction merge
當level 0中的segment越來越多，查詢需要遍歷的segment也就會越來越多，並且隨着時間的推移，重復的key也會越來越多，在后面的步驟就需要對level 0層的segment進行合並merge
合並的過程中是吧多個有序的segment進行歸並合並，所以性能不會很差，多個老的segment會合並成一個更長的同樣有序的segment並設置到下一層
每一層的segment的數量和大小都會有限制，每當超出限制后，就會做合並操作
雖然定期合並可以有效的清除無效數據，縮短讀取路徑提升查詢效率，提高磁盤利用空間。但Compaction操作是非常消耗CPU和磁盤IO的，尤其是在業務高峰期，如果發生了Major Compaction，則會降低整個系統的吞吐量，這也是一些NoSQL數據庫，比如Hbase里面常常會禁用Major Compaction，並在凌晨業務低峰期進行合並的原因。
修改流程
write1：WAL
write2：找到key直接修改或新增key
write3：Immutable Memtable
write4：Minor Compaction
write5、write6…：較新的key（有序可以識別）會替代較老的key
刪除流程
write1：WAL
write2：找到key設置狀態為tombstone或新增key設置狀態為tombstone
write3：Immutable Memtable
write4：Minor Compaction
write5、write6…：因為不確定下層是否有被刪除的key，到最后一層merge時才真正刪除
讀操作
一、按照Memtable（內存）、Immutable Memtable（內存）、level 0 segments（磁盤）、level 1 segments（磁盤）、level 1 segments（磁盤）的順序查詢
二、每層先查新生成的segment
三、每個segment從后向前查
為什么LSM不直接順序寫入磁盤，而是需要在內存中緩沖一下？
單條寫的性能沒有批量寫快，很多中間件比如elasticsearch、kafka、mysql都有類似的內存緩沖設計
在磁盤緩沖的另一個好處是，針對新增的數據，可以直接查詢返回，能夠避免一定的IO操作
LSM-Tree和B+Tree的比較
LSM-Tree的優點是支持高吞吐的寫O1，這個特點在分布式系統上更為看重
針對讀取普通的LSM-Tree結構，讀取是On的復雜度
在使用索引或者緩存優化后的也可以達到O(logN)的復雜度。
適用於寫多讀少
B+tree的優點是支持高效的讀（穩定的O(logN)）
但是在大規模的寫請求下（O(LogN)），效率會變得比較低，因為隨着insert的操作，為了維護B+樹結構，節點會不斷的分裂和合並。操作磁盤的隨機讀寫概率會變大，故導致性能降低。
適用於寫少讀多或寫讀平衡