这系列文章主要是讲key-value结构的存储引擎，比如bitcask、sstable、LSM-tree等。不涉及内存型的key-value，比如redis。
一、数据写入与查找
对于数据写入磁盘，最简单最快的方式就是顺序写入磁盘，用简单追加日志文件的方式(Append)，就达到了性能的最高效。假设我们把key-value在文件中的offset也记录下来，那么我们就能从磁盘中查找到这对key-value。
二、数据查找的速度
假设我们先不考虑key-value的更新，数据写完磁盘后，用哈希表的形式把key-value的offset放到内存，大家都知道哈希表（hash map）的查找时间复杂度是O(1)，这时只需要一次磁盘寻址，就可以把value从磁盘加载到内存。如果那部分数据文件已经在文件系统缓存中，则读取根本不需要任何的磁盘I/O。结构如下图：
三、如何解决key更新的问题
上面已经讲过，key-value用追加日志文件的方式写入，当更新一对key-value时，就会追加写入一对新的key-value，而旧版的key-value不会被覆盖。如何解决读到最新的数据？这个也很好解决，只要保证读取时，从最新写入的文件偏移量中读取即可。但是同样的key，更新值使用追加的方式，又会带来新的问题（假设key是电影名，value是播放次数，100万次播放，就会产生100万条记录，其中只有1条是有效记录，旧的版本都是废弃的），这就会带来磁盘空间快速消耗的问题。
四、数据压缩和查找
一个好的解决方案是将日志文件分解成一定大小的段，当文件达到一定大小时就关闭它，并将后续写入到新的段文件中。然后在这些段上执行数据合并压缩，压缩是指丢弃重复的键，并且只保留每个键最新值，压缩可以在后台线程处理。如下图，"new"这个key写了5次，合并后只保留了最新值1082：
也可以将多个段合并成一个段，如下图：
每个段都有自己的内存哈希表，用来保存全部的key和value偏移量。为了找到key的值，首先检查最新的段的hash map，如果键不存在，检查第二新的段，以此类推。
五、局限性
1，由于key需要全部放内存，当key越多，需要的内存资源越多。
2，不支持区间查询，查找指定范围的一批数据，需要全盘扫描。
3，进程重启后，内存中的key就会丢失，需要重新加载。可以把哈希表提前备份到磁盘，这样可以避免进程重启时，需要全量扫描数据重建索引。
六、小结
以上就是bitcask的基本设计思想
参考《数据密集型应用系统设计》
原文出自：https://blog.csdn.net/daiyudong2020/article/details/104687575
end