博客
关于我
FastDB 磁盘和无盘模式
阅读量:717 次
发布时间:2019-03-21

本文共 1432 字,大约阅读时间需要 4 分钟。

FastDB的高效性能与磁盘模式的实现机制解析

在进行数据库性能测试时,FastDB展现出了优越的性能表现,尤其在批量提交事务时,其速度甚至比SQLite高出3-10倍。然而,这种优势在逐条提交事务时却会急剧下降,主要原因在于磁盘模式下的频繁IO操作,性能暴跌几倍。这是FastDB设计时需要权衡的重要问题。

磁盘模式的实现原理

file.cpp文件中,我们可以观察到FastDB在磁盘模式下的核心实现逻辑。FastDB在磁盘模式下首先尝试打开主目录下的文件*.fdb,使用标准的文件操作函数:

fd = ::open(name, open_flags, 0666);

如果文件打开失败(fd < 0),系统会记录错误信息并返回错误代码:

int orig_errno = errno;dbTrace("failed opening file '%s' - fd - %d, errno - %d\n", name, fd, orig_errno);return orig_errno;

接下来,FastDB使用mmap()函数将数据库以文件映射到内存中:

mmapAddr = (char*)mmap(NULL, mmapSize, (flags & read_only) ? PROT_READ : PROT_READ|PROT_WRITE, mmap_attr, fd, 0);

如果mmap()失败(mmapAddr == (char*)-1),系统同样会记录错误信息并关闭文件:

status = errno;mmapAddr = NULL;if (fd >= 0) {    ::close(fd);}return status;

需要注意的是,mmap()映射的有名文件机制是一种高效的数据同步方式,能够确保数据库文件与内存数据保持一致。

无盘模式的实现引擎

FastDB默认采用磁盘模式,但通过修改config.h文件并重新编译,可以切换至无盘模式。无盘模式的核心思想是完全放置数据库在内存中,避免与物理磁盘进行频繁IO操作。在sync.cpp中,系统通过以下步骤实现了无盘模式:

  • 首先打开一个临时文件:
  • int fd = ::open(fileName, O_RDWR|O_CREAT, ACCESS_PERMISSION_MASK);
    1. 检查文件打开结果:
    2. if (fd < 0) {    if (fileName != name) {        delete[] fileName;    }    return false;}
      1. 创建共享内存块:
      2. shm = shmget(key, DOALIGN(size, 4096), IPC_CREAT|ACCESS_PERMISSION_MASK);
        1. 检查共享内存的映射结果:
        2. if (shm < 0) {    return false;}
          1. 将共享内存挂载到本进程:
          2. ptr = (char*)shmat(shm, NULL, 0);

            这种设计充分利用了内核_VM Thanh's机制,确保所有数据库操作均在内存完成,从而极大提升了性能表现。

            结论

            综上所述,FastDB通过磁盘模式提供数据持久性保证,但在高频IO场景下性能不足。为解决这一问题,同系开发者提出了两种解决方案:定时备份和无盘模式。无盘模式通过完全依赖内存操作,显著提升了数据库性能表现,是在性能与持久性之间做出的优化选择。

    转载地址:http://tybrz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
    查看>>
    OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
    查看>>
    OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    OpenCV中的监督学习
    查看>>
    opencv中读写视频
    查看>>
    OpenCV中遇到Microsoft C++ 异常 cv::Exception
    查看>>