From 36aff3f66ba0fa008a7849b2c8e604a758c4854e Mon Sep 17 00:00:00 2001 From: Kun Liu Date: Thu, 13 Jun 2019 20:13:05 +0800 Subject: [PATCH 1/2] =?UTF-8?q?=E4=BF=AE=E6=AD=A3LSM=E6=8F=8F=E8=BF=B0?= =?UTF-8?q?=E7=9A=84=E4=B8=A4=E5=A4=84?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- README.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/README.md b/README.md index ec91eef..b16b00f 100644 --- a/README.md +++ b/README.md @@ -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) From 2757c413a17e08f42225fc4798a4d86ac3a0bb02 Mon Sep 17 00:00:00 2001 From: Kun Liu Date: Thu, 13 Jun 2019 20:36:32 +0800 Subject: [PATCH 2/2] Update README.md --- README.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/README.md b/README.md index b16b00f..e8f08a0 100644 --- a/README.md +++ b/README.md @@ -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)。