Merge pull request #102 from liukgg/patch-4

修正LSM描述的两处
This commit is contained in:
xingshaocheng
2019-06-17 08:31:45 +08:00
committed by GitHub
+3 -3
View File
@@ -417,11 +417,11 @@ MySQL是基于B+树聚集索引组织表
* B+树的叶子节点链表结构相比于 B-树便于扫库,和范围检索。
### LSM 树
LSM(Log-Structured Merge-Trees)和 B+ 树相比,是牺牲了部分读的性能来换取写的性能(通过批量写入),实现读写之间的。
LSM(Log-Structured Merge-Trees)和 B+ 树相比,是牺牲了部分读的性能来换取写的性能(通过批量写入),实现读写之间的平衡。
Hbase、LevelDB、Tair(Long DB)、nessDB 采用 LSM 树的结构。LSM可以快速建立索引。
* [《LSM树 VS B+树》](https://blog.csdn.net/dbanote/article/details/8897599)
* B+ 树读性能好,但由于需要有序结构,当key比较分散时,磁盘寻道频繁,造成写性能。
* B+ 树读性能好,但由于需要有序结构,当key比较分散时,磁盘寻道频繁,造成写性能较差。
* LSM 是将一个大树拆分成N棵小树,先写到内存(无寻道问题,性能高),在内存中构建一颗有序小树(有序树),随着小树越来越大,内存的小树会flush到磁盘上。当读时,由于不知道数据在哪棵小树上,因此必须遍历(二分查找)所有的小树,但在每颗小树内部数据是有序的。
* [《LSM树(Log-Structured Merge Tree)存储引擎》](https://blog.csdn.net/u014774781/article/details/52105708)
@@ -458,7 +458,7 @@ Hbase、LevelDB、Tair(Long DB)、nessDB 采用 LSM 树的结构。LSM可以
### 快速排序
* [《坐在马桶上看算法:快速排序》](http://developer.51cto.com/art/201403/430986.htm)
* 一侧比另外一次都大或小。
* 一侧比另外一侧都大或小。
### 归并排序
* [《图解排序算法(四)之归并排序》](http://www.cnblogs.com/chengxiao/p/6194356.html)
* 分而治之,分成小份排序,在合并(重建一个新空间进行复制)。