键值存储中的反向索引和数据建模

Reverse Indexing and Data modeling in Key-Value store

我是 key-value 商店的新手。我的 objective 是使用嵌入式键值存储来保持持久数据模型。如果使用传统 RDBMS 设计,数据模型包含很少的相关 table。我正在检查 medium article 为键值存储建模 table。尽管这篇文章将 Level DB 与 Java 结合使用,但我计划在我的工作中将 RocksDBFASTER 与 C++ 结合使用。

它使用一种方案,其中一个键用于每行的每个属性,如下例所示。

$table_name:$primary_key_value:$attribute_name = $value

当用户代码确切知道要获取哪个键时,以上内容适用于点查找。但是有一些场景,比如搜索具有相同电子邮件地址的用户,或者搜索某个年龄以上的用户或搜索特定性别的用户。在搜索场景中,文章对所有键执行线性扫描。在每次迭代中,它都会检查键的模式,并在找到具有匹配模式的键后应用业务逻辑(检查匹配值)。

看来,这种搜索效率很低,最坏的情况下需要遍历整个商店。解决这个问题需要反向查找table。我的问题是

How to model the reverse lookup table ? Is it some sort of reinvention of wheel ? Is there any alternative way ?

一个容易想到的解决方案是为每个可索引 属性 设置一个 separate ? 存储,如下所示。

$table_name:$attribute_name:$value_1 = $primary_key_value 

使用这种方法,直接的问题是

How to handle collisions in this reverse lookup table ? because multiple $primary_keys may be associated with the same vale.

作为即时解决方案,可以存储 array 多个主键,而不是存储单个值,如下所示。

$table_name:$attribute_name:$value_1 = [$primary_key_value_1, ... , $primary_key_value_N]

但是这种类型的建模需要用户代码从字符串中解析数组,并在多次操作后再次将其序列化为字符串(假设底层键值存储不知道数组值)。

Is it efficient to store multiple keys as array value ? or there exists some vendor provided efficient way ?

假设像设计这样的字符串数组有效,每个可索引属性都必须有这样的索引。因此,这提供了对索引内容和不索引内容的细粒度控制。想到的下一个设计决定是这些索引将存储在哪里?

should the indexes be stored in a separate store/file ? or in the same store/file the actual data belongs to ? Should there be a different store for each property ?

对于这个问题,我没有任何线索,因为这两种方法都需要或多或少相同数量的 I/O。然而,拥有大数据文件将在磁盘上有更多的东西而在内存上更少的东西(所以更多 I/O),而对于多个文件,内存上的东西会更多,因此页面错误会更少。根据特定键值存储的架构,这个假设可能是完全错误的。同时,拥有太多文件变成了管理复杂文件结构的问题。此外,维护索引需要用于插入、更新和删除操作的事务。拥有多个文件会导致多个树中的单个更新,而拥有单个文件会导致单个树中的多个更新。

Is transaction more specifically transaction involving multiple store/files supported ?

不仅索引还有一些 table 的元信息,这些信息也需要与 table 数据一起保存。要生成新的主键(自动递增),需要事先了解最后生成的行号或最后一个主键,因为 COUNT(*) 之类的东西不起作用。此外,由于所有键都未编入索引,meta 信息可能包括哪些属性已编入索引以及哪些属性未编入索引。

How to store the meta information of each table ?

meta table 也出现了同样的一组问题。例如meta 应该是一个单独的 store/file 吗?此外,正如我们注意到并非所有属性都被索引,我们甚至可能决定将每一行存储为数据存储中的 JSON 编码值,并将其与索引存储一起保存。底层键值存储供应商会将 JSON 视为字符串值,如下所示。

$table_name:data:$primary_key_value = {$attr_1_name: $attr_1_value, ..., $attr_N_name: $attr_N_value}
...
$table_name:index:$attribute_name = [$primary1, ..., $primaryN]

但是通过指向主键的索引仍然可以进行反向查找。

Is there any drawbacks of using JSON encoded values instead of storing all properties as separate keys ?

到目前为止,除了强制用户使用 JSON 编码和 JSON encoding/decoding 的一些堆分配外,我找不到使用此方法的任何缺点。

上述问题并非特定于任何特定应用程序。这些问题非常普遍,可以与使用 key-value 商店的所有开发相关联。所以知道有没有再造轮子是很有必要的。

Is there any defacto standard solution of all the problems mentioned in the question ? Does the solutions differ from the one stated in the question ?

How to model the reverse lookup table ? Is it some sort of reinvention of wheel ? Is there any alternative way ?

  • 您描述的所有方式都是创建索引的有效方式。
  • 它不在RocksDB中重新发明轮子,因为RocksDB不支持索引。
  • 这取决于数据,一般情况下你需要将索引值和主键复制到另一个space来创建索引。

How to handle collisions in this reverse lookup table ? because multiple $primary_keys may be associated with the same vale.

您可以使用 JSON(或其他方式)序列化 pks。这种方法的问题是当 pks 变得非常大时(这可能是也可能不是问题)。

Is it efficient to store multiple keys as array value ? or there exists some vendor provided efficient way ?

有了 RocksDB,你什么都做不了 "easier"。

你没有提到下面的方法:

$table_name:$attribute_name:$value_1:$primary_key_value_1 = ""
$table_name:$attribute_name:$value_1:$primary_key_value_2 = ""
...

$table_name:$attribute_name:$value_1:$primary_key_value_n = ""

其中值为空。索引 pk 是键的一部分。

should the indexes be stored in a separate store/file ? or in the same store/file the actual data belongs to ? Should there be a different store for each property ?

这取决于键值存储。使用 rocksdb,如果你需要事务,你必须坚持一个 db 文件。

Is transaction more specifically transaction involving multiple store/files supported ?

只有 Oracle Berkeley DB 和 WiredTiger 支持该功能。

How to store the meta information of each table ?

元数据可以在数据库或代码中。

Is there any drawbacks of using JSON encoded values instead of storing all properties as separate keys ?

是的,就像我上面说的,如果你把所有的pk编码成一个值,当pk的数量很大时,可能会导致下游出现问题。例如,您需要阅读整个列表才能进行分页。

Is there any defacto standard solution of all the problems mentioned in the question ? Does the solutions differ from the one stated in the question ?

总结一下:

  • 使用 RocksDB,使用单个数据库文件
  • 在索引中,将主键编码在键中,并将值留空,以便能够分页。