1. 整體架構
LevelDB是一個寫性能十分優秀的存儲引擎，是典型的LSM數(Log Structured-Merge Tree)實現。LSM樹的核心思想就是放棄部分讀的性能，換取最大的寫入能力。
LSM樹寫性能極高的原理，簡單地來說就是儘量減少隨機寫的次數。對於每次寫入操作，並不是直接將最新的數據駐留在磁盤中，而是將其拆分成：(1)一次日誌文件的順序寫；(2)一次內存中的數據插入。LevelDB正是實踐了這種思想，將數據首先更新在內存中，當內存中的數據達到一定的閾值，將這部分數據真正刷新到磁盤文件中，因而獲得了極高的寫性能。
1.1 memtable
memtable就是一個在內存中進行數據組織與維護的結構，所有的數據按用戶定義的排序方法排序之後按序存儲，等到其存儲內容的容量達到閾值時，便將其轉換成一個不可修改的memtable，與此同時創建一個新的memtable，供用戶繼續進行讀寫操作。memtable底層使用了一種跳錶數據結構。
immutable memtable
memtable的容量到達閾值時，便會轉換成一個不可修改的memtable，也稱爲immutable memtable。當一個immutable memtable被創建時，leveldb的後臺壓縮進程便會將利用其中的內容，創建一個sstable，持久化到磁盤文件中。
1.2 sstable
對於Level0層的sstable，存儲的數據範圍是重疊的，在查找時，需要遍歷Level0的所有sstable文件。對於其它Level層，存儲的數據範圍是不重疊的，可以通過每個sstable的範圍，定位到sstable文件。
Level0層的sstable是memtable文件compaction形成的，無法進行sstable文件的歸併。其它Level層的sstable文件是由上層的sstable文件compaction形象，可以保障各個sstable的數據範圍不重疊。
1.3 log
爲了增加讀取效率，日誌文件中按照block進行劃分，每個block的大小爲32KB。每個block中包含了若干個完整的chunk。
一條日誌記錄包含一個或多個chunk。每個chunk包含了一個7字節大小的header，前4字節是該chunk的校驗碼，緊接的2字節是該chunk數據的長度，以及最後一個字節是該chunk的類型。其中checksum校驗的範圍包括chunk的類型以及隨後的data數據。
chunk共有四種類型：full，first，middle，last。一條日誌記錄若只包含一個chunk，則該chunk的類型爲full。若一條日誌記錄包含多個chunk，則這些chunk的第一個類型爲first, 最後一個類型爲last，中間包含大於等於0個middle類型的chunk。chunk數據塊存儲多個entry數據。
1.4 manifest
manifest文件專用於記錄版本信息。leveldb採用了增量式的存儲方式，記錄每一個版本相較於上一個版本的變化情況。當進行compaction的時候，會有新的sstable文件生成或刪除。版本信息變化會封裝到VersionEdit中，追加到manifest文件中。
解析manifest得到版本變化VersionEdit：
VersionEdit{comparatorName='leveldb.BytewiseComparator', logNumber=null, previousLogNumber=null, lastSequenceNumber=null, compactPointers={}, newFiles={0=[FileMetaData{number=11, fileSize=216956, smallest=InternalKey{key=0, sequenceNumber=2004, valueType=VALUE}, largest=InternalKey{key=Tampa, sequenceNumber=2003, valueType=VALUE}, allowedSeeks=1073741824}, FileMetaData{number=8, fileSize=21735, smallest=InternalKey{key=0, sequenceNumber=1003, valueType=VALUE}, largest=InternalKey{key=Tampa, sequenceNumber=1002, valueType=VALUE}, allowedSeeks=1073741824}, FileMetaData{number=5, fileSize=21735, smallest=InternalKey{key=0, sequenceNumber=2, valueType=VALUE}, largest=InternalKey{key=Tampa, sequenceNumber=1, valueType=VALUE}, allowedSeeks=1073741824}]}, deletedFiles={}}
VersionEdit{comparatorName='null', logNumber=15, previousLogNumber=0, lastSequenceNumber=22004, compactPointers={}, newFiles={0=[FileMetaData{number=14, fileSize=216956, smallest=InternalKey{key=0, sequenceNumber=12005, valueType=VALUE}, largest=InternalKey{key=Tampa, sequenceNumber=12004, valueType=VALUE}, allowedSeeks=1073741824}]}, deletedFiles={}}
VersionEdit{comparatorName='null', logNumber=15, previousLogNumber=0, lastSequenceNumber=27685, compactPointers={0=InternalKey{key=Tampa, sequenceNumber=1, valueType=VALUE}}, newFiles={1=[FileMetaData{number=16, fileSize=216960, smallest=InternalKey{key=0, sequenceNumber=12005, valueType=VALUE}, largest=InternalKey{key=Tampa, sequenceNumber=12004, valueType=VALUE}, allowedSeeks=1073741824}]}, deletedFiles={0=[14, 11, 8, 5]}}
從manifest文件中，可以讀取leveldb各個層所包含的sstable文件，以及各個sstable存儲數據key的最大值和最小值。根據這些信息可以構建leveldb的數據存儲結構，實現數據的快速查詢。
current
記錄當前版本所指定的manifest文件。在一定情況下，會對manifest文件記錄的各個VersionEdit數據進行歸併，形成一個新的manifest文件，current文件會指向新的manifest文件。
2. SST文件結構
2.1 Data Block結構
DataBlock存儲key-value鍵值對數據。當向SST文件追加key-value的時候，首先添加到DataBlock中，當DataBlock的數據量大於數據塊默認值(4KB)時，會將DataBlock數據塊寫入磁盤，並保留DataBlock數據庫的索引信息，待SST寫入完成時，添加到IndexBlock。
DataBlock中所有key-value對都是嚴格按序存儲的。爲了節省存儲空間，LevelDB並不會爲每一對key-value對都存儲完整的key值，而是存儲與上一個key非共享的部分，避免key重複內容的存儲。
每間隔若干個key-value對，將爲該條記錄重新存儲一個完整的key，每個重新存儲完整key的點成爲Restart Point。Restart Points數據可以加速查找過程。
2.2 Filter Block結構
爲了加快SST中數據查詢的效率，在直接查詢DataBlock中的內容之前，會先根據FilterBlock中的過濾數據判定DataBlock中是否有需要查詢的數據，若判斷不存在，則無需對整個DataBlock進行數據查找。
FilterBlock存儲的是DataBlock數據的一些過濾信息，這些過濾數據一般指代布隆過濾器的數據，用於加快查詢的速度。每個DataBlock在FilterBlock中對應一個FilterData。
2.3 數據寫入操作
- 向SST中追加文件，會先將數據寫入內存中的DataBlock，如果DataBlock數據量大於指定大小，會將內存中的DataBlock寫入磁盤。在將DataBlock寫入前，會寫入RestartPoint信息，數據壓縮，CRC校驗。最後將DataBlock的索引信息寫入IndexBlock
- 當SST寫入完成，寫入內存中的FilterBlock、MetaIndexBlock、 IndexBlock、Footer信息
2.4 數據讀取操作
- 讀取Footer字段，獲取IndexBlockIndex、MetaIndexBlockIndex，根據offset和length讀取IndexBlock、MeatIndexBlock數據
- 根據IndexBlock索引數據獲取查詢數據的DataBlock，然後根據FilterBlock數據判定查詢數據是否在定位的DataBlock中，加速數據查詢
- 讀取定位到的DataBlock，根據RestartPoint數據定位查詢的數據塊中的Entry
3. Compaction
有兩種方式，一種是memtable文件足夠大，需要dump成sstable，這種情況叫做Minor Compaction；另外一種是不同層級間sstable文件的合併，叫做Major Compaction。
執行Compaction操作的觸發條件，可以分爲兩種：
1. size compaction：該層文件容量大於該層文件容量初始閾值，執行compaction操作，該層sstable文件合併到下一層
2. seek compaction：當sstable文件miss seek的次數超過一定閾值，執行compaction操作。
seek compaction的目的是，如果一個sstable文件miss seek的次數過高，需要到下一層sstable文件繼續檢索，執行seek compaction操作，可以將數據反映相互重疊的sstable文件歸併，減少查詢sstable文件的個數，提高抄襲效率。
leveldb中sstable文件分層組織的形式。假設只有level0和level1兩層，那麼勢必會導致level1層有很多的sstable文件，當level0層到level1層執行compaction操作的時候，可能會選取很多個sstable執行compaction操作，導致compaction操作是一個很耗時的操作。而分層組織sstable文件的方式則可以有效控制單次compaction所涉及的sstable文件數。
根據leveldb的分層原則，下一層的文件數量是上一層文件數量的10，可以直觀地理解level n單個sstable文件所覆蓋的範圍比level n+1廣。經過多級的稀疏，level n層sstable和level n+1文件執行歸併操作，涉及的sstable文件數可控。
