LevelDB 存储引擎 专栏导览
专栏定位
本专栏聚焦 LevelDB 存储引擎的核心实现——作为 LSM-Tree 架构的经典实现，LevelDB 由 Google 的 Jeff Dean 和 Sanjay Ghemawat 编写，代码精炼优雅，是学习存储引擎设计的最佳入门。从 MemTable 的 SkipList 实现，到 SSTable 的文件格式与 Block 结构，再到分层 Compaction 的合并策略和 MVCC 版本管理——这些设计思想直接影响了 RocksDB、Clickhouse、TiKV 等现代存储引擎。
目标读者
- 希望理解 LSM-Tree 架构和存储引擎底层原理的后端/基础架构工程师
- 使用 RocksDB 作为底层存储（Kafka Streams/Flink/TiKV）但希望理解其设计根源的开发者
- 对数据结构和算法在工程中应用感兴趣的技术爱好者
专栏目录
| 序号 | 标题 | 核心内容 |
|---|---|---|
| 01 | 01 LevelDB 全局架构——LSM-Tree 的写优化设计 | 写放大 vs 读放大 vs 空间放大的三角权衡、MemTable → Immutable MemTable → SSTable 的写入流程、WAL 的持久化保证 |
| 02 | 02 MemTable 与 SkipList | MemTable 的 SkipList 实现、Arena 内存分配器、Key 的 InternalKey 编码（UserKey + SequenceNumber + Type） |
| 03 | 03 SSTable 的文件格式与 Block 结构 | Data Block/Meta Block/Index Block/Footer 的布局、Block 内的前缀压缩与重启点、Bloom Filter 的快速判否 |
| 04 | 04 Compaction——分层合并与版本管理 | Minor Compaction（MemTable → L0）与 Major Compaction（Ln → Ln+1）、Level 大小限制与触发策略、Version/VersionEdit/VersionSet 的 MVCC 版本管理 |
| 05 | 05 从 LevelDB 到 RocksDB——优化与演进 | RocksDB 的 Column Family、Universal Compaction、Rate Limiter、多线程 Compaction、在 Kafka/Flink/TiKV 中的应用 |
推荐阅读路径
按顺序阅读：01 → 02 → 03 → 04 → 05
前置知识
- 数据结构基础（跳跃表、B+ 树、布隆过滤器）
- 操作系统基础（文件 IO、mmap）
关联专栏
- Elasticsearch：Lucene Segment 合并与 LSM-Tree Compaction 思路类似
- Ceph：BlueStore 使用 RocksDB 存储元数据
- Kafka：Kafka Streams 的状态存储基于 RocksDB
- 文件系统：SSTable 的顺序写、mmap 与磁盘 IO 特性