分享嘉宾 ：拓扑岭 CEO、创始人 雷鹏
整顿：墨天轮社区
导读
这两年云原生的概念十分火爆，相应的，就有了“云原生数据库”的概念，然而，绝大多数自称“云原生”的数据库，只是把“数据库软件”搬到云上，变成“数据库 SaaS”，然而在其架构上，并未充分利用“云计算”的各种劣势。
作为一款专为云原生而生的数据库，明天我将为大家解读在新时代背景下，ToplingDB 如何充分利用共有云存储和计算的弹性伸缩，真正为企业实现降本增效。
ToplingDB 的性能劣势
ToplingDB，fork 自 RocksDB，实现了 SidePlugin 旁路插件化体系，从而，应用 ToplingDB 的代码，可仅通过配置来应用第三方组件，而不须要引入任何对第三方代码的依赖，同时，在 SidePlugin 体系内，内嵌了一个 Web Service，能够在线查看 ToplingDB 的各种配置信息和外部状态，在线批改配置，甚至在线执行一些操作(Compact/Flush……)，还能够通过 web 导出 Prometheus 格局的 metrics，以最低的开发成本实现了监控。
图 1 ToplingDB VS RockDB
基于维基百科中的测试数据显示，对于总共 109G，3800 万条，均匀长度 2.8K 大规模数据，ToplingDB 的压缩率相比 RocksDB 要高得多，同时在内存限度的状况下，随机读的性能高了 20 倍以上，这就是 ToplingDB 内存压缩算法的劣势。
ToplingDB 新思潮：LSM Tree
1、老传统：B+Tree
RocksDB 采纳传统的 B + Tree，索引节点只蕴含 Kry，同时叶子节点 Kry,Value 相邻存储。
这样的形式会减少治理复杂度，传统流式压缩是通用的压缩算法，不是为 DB 专门设计，输入输出都是字节流，无奈实现高效搜寻。
图 2 老传统：B+Tree
2、新思潮：LSM Tree
图 3 新思潮：LSM Tree
RocksDB 采纳 LSM Tree，它的核心思想是“Append Only”，可能实现：随机写、升高随机读与程序读。
图 4 B+Tree VS LSM Tree
不仅如此，LSM Tree 中 Compaction 也提供了福利，Compact 的单个 SST 波及的数据高达数十 MB、甚至 GB 级别，给了咱们在大尺度上窥视 / 剖析数据全貌的机会。
到底 ToplingDB 如何展示数据库新思维？内存压缩与弹性计算的劣势怎么体现？欢送大家返回文档 & 视频专区下载学习。
更多精彩内容，欢送大家观看现场视频回放与会议材料
●视频回放 ：https://www.modb.pro/video/6184
● 会议材料：KV 数据库新思维 - 雷鹏
- 查看原文：https://www.modb.pro/db/397311
- 查看【国产数据库沙龙】键值数据库专场文章、视频回放资源：https://www.modb.pro/topic/379708
欲了解更多能够进入👉墨天轮，围绕数据人的学习成长提供一站式的全面服务，打造集新闻资讯、在线问答、流动直播、在线课程、文档阅览、资源下载、常识分享及在线运维为一体的对立平台，继续促成数据畛域的常识流传和技术创新。
关注官网公众号：墨天轮、墨天轮平台、墨天轮成长营、数据库国产化、数据库资讯