分析型嵌入式键值数据库：hamsterdb

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。

来自：http://www.infoq.com/cn/news/2014/08/hamsterdb