近日， Christoph Rupp 在 highscalability.com 上发表了一篇文章，介绍由他创建的分析型嵌入式键值数据库 hamsterdb 。它用 C/C++ 编写，是一个速度非常快的轻量级 NoSQL 数据库引擎，支持事务、数据库游标、内存数据库和远程网络访问，类似谷歌的 leveldb 和甲骨文的 BerkeleyDB。
据作者介绍，hamsterdb 并不是细分市场上的一个新晋竞争者。事实上，它已经出现超过 9 年了。在这段时间里，它发展非常快，其重点已经从单纯的键值存储转向了分析型数据库，提供类似列式存储数据库的功能。
hamsterdb 是单线程、非分布式的，用户通常直接将它链接到他们自己的应用程序中。它提供了独特的事务实现以及其它独特的功能，非常适合于分析型工作负载。它可以在本地 C/C++ 中使用，也有面向 Erlang、Python、Java、 .NET，甚至是 Ada 的绑定。它被用在嵌入式设备和本地应用程序中，也可以为云实例提供缓存和索引服务，已经有数以百万计的部署。
hamsterdb 有一个独特的功能，它能识别模式信息。大多数键值存储并不关心键的类型，而它支持两种类型的键：二进制键和数值键。hamsterdb 数据库是 BTree 索引，既可以存储在文件中，也可以存储在内存中。而 BTree 的实现是它成为分析型数据库的关键。其实现方式非常紧凑，减少了 I/O，而且可以更好的利用 CPU 缓存。
另外，hamsterdb 有与 SQL 命令 COUNT、COUNT DISTINCT、SUM 和 AVERAGE 等价的 API，并支持可变长度的键，允许键重复，以及支持 read-committed 隔离级别的 ACID 事务。
按照 Rupp 的说法，hamsterdb 最强力的特性是可测试性。数据库的根本——甚至比性能都重要——就是不应该丢失数据。在 9 年的开发过程中，他不断地重写部分代码或者尝试新的想法，但高测试覆盖率给了他自信，认为这些更改不会破坏任何东西。他有大约 1800 个单元测试和 35000 个验收测试，以及一组模拟崩溃的测试，用于测试 hamsterdb 的可恢复性。这些测试都是高度自动化的。
Rupp 还介绍了 hamsterdb 的商业版本 hamsterdb pro。该版本提供了针对键、记录、日志的重量级压缩，AES 加密，及针对叶节点查找的 SIMD 优化。还有更多的压缩算法正在进行或规划中。
在文章的最后，Rupp 用谷歌的基准测试将 hamster 2.1.8 与 leveldb 1.15 作了性能对比。他得出了下面的结论：
对于随机读，hamsterdb 性能要好于 leveldb。对于随机写的情况，只要数据量不是太大，hamsterdb 就更快。而从 1 千万键及以上开始，hamsterdb 就会遭受 BTree 数据库的传统问题：大量的非序列性 I/O 和高磁盘寻道延迟。
作者认为，这可以很好地说明 hamsterdb 的分析能力。尤其是，sum 和 count 运算都可以很好地扩展。序列性插入和扫描也是其亮点，不管数据量多大，它都可以非常快。
有兴趣的读者可以下载查看全部的测试结果，以及从GitHub 上下载 hamsterdb 的源代码。
感谢郭蕾对本文的审校。
给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ）或者腾讯微博（ @InfoQ ）关注我们，并与我们的编辑和其他读者朋友交流。
暂无签名
中国开发者画像洞察研究报告 2024
分析开发者的行为模式、工作价值、职业发展等内容，帮助整个行业生态更深入地理解开发者，为他们提供更精准...
评论