LSM树数据结构
简介
传统关系型数据库，一般都选择使用B+树作为索引结构，而在大数据场景下，HBase、Kudu这些存储引擎选择的是LSM树。LSM树，即日志结构合并树(Log-Structured Merge-Tree)。
-
LSM树主要目标是快速建立索引
-
B+树是建立索引的通用技术，但如果并发写入压力较大时，B+树需要大量的磁盘随机IO，而严重影响索引创建的速度，在一些写入操作非常频繁的应用场景中，就不太适合了
-
LSM树通过磁盘的顺序写，来实现最好的写性能
LSM树设计思想
-
LSM 的主要思想是划分不同等级的结构，换句话来理解，就是LSM中不止一个数据结构，而是存在多种结构
-
一个结构在内存、其他结构在磁盘（HBase存储结构中，有内存——MemStore、也有磁盘——StoreFile）
-
内存的结构可以是B树、红黑树、跳表等结构（HBase中是跳表），磁盘中的树就是一颗B+树
-
C0层保存了最近写入的数据，数据都是有序的，而且可以随机更新、随机查询
-
C1到CK层的数据都是存在磁盘中，每一层中key都是有序存储的
LSM的数据写入操作
-
首先将数据写入到WAL（Write Ahead log），写日志是顺序写，效率相对较高（PUT、DELETE都是顺序写）
-
数据项写入到内存中的C0结构中
-
只有内存中的C0结构超过一定阈值的时候，将内存中的C0、和C1进行合并。这个过程就是Compaction（合并）
-
合并后的新的C1顺序写磁盘，替换之前的C1
-
但C1层达到一定的大小，会继续和下层合并，合并后旧的文件都可以删除，只保留最新的
-
整个写入的过程只用到了内存结构，Compaction由后台异步完成，不阻塞写入
LSM的数据查询操作
-
先在内存中查C0层
-
如果C0层中不存在数据，则查询C1层
-
不断逐层查询，最早的数据在CK层
-
C0层因为是在内存中的结构中查询，所以效率较高。因为数据都是分布在不同的层结构中，所以一次查询，可能需要多次跨层次结构查询，所以读取的速度会慢一些。
-
根据以上，LSM树结构的程序适合于写密集、少量查询的场景
