building_data_management_systems.Xuanzhou.2024Fall.DaSE
/
LevelDB_TTL_
23
0
Förgrening 0
Kod Ärenden 0 Pull-förfrågningar 0 Släpp 0 Wiki Aktiviteter
Bläddra i källkod

更新 'README.md'

main
姚凯文 3 veckor sedan
förälder
85d42da3cf
incheckning
4f84b9bf07
1 ändrade filer med 501 tillägg och 4 borttagningar
Delad Vy
Diff Options
Show Stats Download Patch File Download Diff File
  1. +501
    -4
      README.md

+ 501
- 4
README.md Visa fil

@ -1,9 +1,506 @@
# LevelDB TTL 实验报告
**本仓库提供TTL基本的测试用例**
> StuName：姚凯文
>
> StuID：10224507041
克隆代码：
```bash
git clone --recurse-submodules https://gitea.shuishan.net.cn/building_data_management_systems.Xuanzhou.2024Fall.DaSE/leveldb_base.git
## 实验背景及要求：
**TTL（Time To Live）**，即生存时间，是指数据在存储系统中的有效期。设置TTL可以使得过期的数据自动失效，减少存储空间占用，提高系统性能。
**为什么需要TTL功能：**
- **数据自动过期**：无需手动删除过期数据，简化数据管理。
- **节省存储空间**：定期清理无效数据，优化资源利用。
- **提高性能**：减少无效数据的干扰，提升读写效率。
**要求：**
- 在LevelDB中实现键值对的TTL功能，使得过期的数据在**读取时自动失效**，并在适当的时候**被合并清理**。
- 修改LevelDB的源码，实现对TTL的支持，包括数据的写入、读取和过期数据的清理。
- 编写测试用例，验证TTL功能的正确性和稳定性。
## 设计思路
在本次实验中，为了给 LevelDB 增加 TTL（Time-to-Live）功能，我的设计思路主要围绕以下几个方面：
1. **TTL 数据存储设计**：通过在每个 key-value 对中引入过期时间字段，使每条数据都能记录其有效期。为了实现这一点，需要在数据写入时自动附加 TTL 值，并在读取数据时检查该 key 是否过期。设计中决定将 TTL 时间戳和数据一起存储，使其在写入或读取时简单易行。
2. **过期数据的判断与清理**：在数据查询过程中加入检查机制，确保返回的数据都是未过期的。特别是在 `DBImpl::Get`、`MemTable::Get` 等方法中加入过期判断逻辑。对于过期的数据，在读取时会返回“未找到”状态。在定期清理方面，手动触发合并和删除机制，通过手动调用 `CompactRange` 来清理过期数据，以避免占用存储空间。
3. **手动合并策略**：为了在特定时间点清理过期数据，本次实验中禁用了 LevelDB 的自动合并机制。在所有数据写入完成后，通过手动调用 `db->CompactRange(nullptr, nullptr);` 触发合并，以删除过期的数据文件。这样设计的目的是为确保在批量写入后清理过期数据，减少额外开销。
计划在以上设计的基础上实现levelDB的TTL 功能，使得在 LevelDB 中可以较为高效地处理过期数据，并且在性能和存储空间之间取得平衡。
## 实现过程：
1. **数据格式调整**：为每条数据附加过期时间戳，将时间戳和实际数据一起存储在 value 中。
- 新增 `AppendExpirationTime` 函数：将 TTL 过期时间戳作为小端序添加到 value 的前部。
- 新增 `ParseExpirationTime` 函数：解析出附加在 value 前部的过期时间戳。
- 新增 `ParseActualValue` 函数：提取并返回去掉过期时间戳的实际数据值。
```
//TTL ToDo : add func for TTL Put
void AppendExpirationTime(std::string* value, uint64_t expiration_time) {
// 直接将小端序的过期时间戳（64位整数）附加到值的前面
value->append(reinterpret_cast<const char*>(&expiration_time), sizeof(expiration_time));
}
uint64_t GetCurrentTime() {
// 返回当前的Unix时间戳
return static_cast<uint64_t>(time(nullptr));
}
// 解析过期时间戳
uint64_t ParseExpirationTime(const std::string& value) {
// 假设过期时间戳在值的前 8 字节
assert(value.size() >= sizeof(uint64_t));
uint64_t expiration_time;
memcpy(&expiration_time, value.data(), sizeof(uint64_t));
return expiration_time; // 直接返回小端序的值
}
// 解析出实际的值（去掉前面的过期时间戳部分）
std::string ParseActualValue(const std::string& value) {
// 去掉前 8 字节（存储过期时间戳），返回实际值
return value.substr(sizeof(uint64_t));
}
//finish modify
```
2. **支持 TTL 的 `Put` 方法**：扩展 `DBImpl::Put` 和 `DB::Put` 方法，使其支持指定 TTL。
- 计算当前时间加上 TTL 作为到期时间。
- 将到期时间添加到 value 前部，然后将完整的键值对写入数据库。
```
// TTL ToDo: add DBImpl for Put
// 新增支持TTL的Put方法
Status DBImpl::Put(const WriteOptions& o, const Slice& key, const Slice& val, uint64_t ttl) {
return DB::Put(o, key, val, ttl);
}
//TTL ToDo: add a func for TTL Put
Status DB::Put(const WriteOptions& opt, const Slice& key, const Slice& value, uint64_t ttl) {
// 获取当前时间并计算过期时间戳
uint64_t expiration_time = GetCurrentTime() + ttl;
// 将过期时间戳和值一起存储（假设值前面附加过期时间戳）
std::string new_value;
AppendExpirationTime(&new_value, expiration_time);
new_value.append(value.data(), value.size());
// 构造 WriteBatch，并将键值对加入到批处理中
WriteBatch batch;
batch.Put(key, new_value);
// 执行写操作
return Write(opt, &batch);
}
//finish modify
```
3. **数据清理策略**：在合并过程中清理过期数据。
- 修改 `Status DBImpl::DoCompactionWork(CompactionState* compact)`：在合并过程中检查每个键的过期时间，若已过期则将其标记为 `drop` 丢弃，不再写入下一层级。
- 添加过期键值对的计数器 `dropped_keys_count` 以跟踪被丢弃的条目数量。
```
Status DBImpl::DoCompactionWork(CompactionState* compact){
//...
// TTL ToDo: add expiration time check
// 检查是否为目标键
if (key == target_key) {
// 输出调试信息
Log(options_.info_log, "Found target key during compaction: %s\n", key.ToString().c_str());
}
Slice value = input->value();
if (value.size() >= sizeof(uint64_t)) {
const char* ptr = value.data();
uint64_t expiration_time = DecodeFixed64(ptr);
uint64_t current_time = env_->NowMicros() / 1000000;
if (current_time > expiration_time) {
drop = true; // 过期的键值对，标记为丢弃
dropped_keys_count ++; // 初始化计数器
}else{
bool flag = current_time > expiration_time;
}
}else{
bool bs = value.size() >= sizeof(uint64_t);
}
//...
}
```
4. **数据读取时的 TTL 检查**：扩展 `DBImpl::Get`，在读取时判断数据是否过期。
- 对获取到的 value 调用 `ParseExpirationTime` 提取出过期时间。
- 若当前时间已超过过期时间，则返回 `NotFound`，否则解析实际数据并返回。
```
Status DBImpl::Get(const ReadOptions& options, const Slice& key,
std::string* value) {
//...
// TTL ToDo : add check for TTL
// 如果从 memtable、imm 或 sstable 获取到了数据，则需要检查TTL
if (s.ok()) {
// 从 value 中解析出过期时间戳（假设值存储格式为：[过期时间戳][实际值]）
uint64_t expiration_time = ParseExpirationTime(*value);
uint64_t current_time = GetCurrentTime();
// 如果当前时间已经超过过期时间，则认为数据过期，返回 NotFound
if (current_time >= expiration_time) {
s = Status::NotFound(Slice());
} else {
// 数据未过期，解析出实际的值
*value = ParseActualValue(*value);
}
}
// //finish modify//...
}
```
**所有修改的相关代码均标有`TTL ToDo`标签**，方便查看这样就实现了目标设计，使当前LevelDB 可以支持 TTL 功能，即能够在指定时间后自动删除过期的数据。完成了实验要求。
## 相关测试：
在原先测试脚本的基础上，为了更好的测试目标TTL设计，我在原先脚本的基础上进行了部分修改，包括但不限于修改随机种子，即使关闭数据库，添加调试信息等
```
#include "gtest/gtest.h"
#include "leveldb/env.h"
#include "leveldb/db.h"
#include <unordered_set>
using namespace leveldb;
constexpr int value_size = 2048;
constexpr int data_size = 128 << 20;
//--------------------------------------------------------------
void PrintAllKeys(DB *db) {
// 创建一个读选项对象
ReadOptions readOptions;
int LeftKeyCount = 0;
// 创建迭代器
std::unique_ptr<Iterator> it(db->NewIterator(readOptions));
int cnt = 20;
// 遍历所有键
for (it->SeekToFirst(); it->Valid()&&cnt; it->Next()) {
std::string key = it->key().ToString();
std::string value = it->value().ToString();
std::cout << "Key: " << key << std::endl;
LeftKeyCount++;
cnt--;
}
// 检查迭代器的有效性
if (!it->status().ok()) {
std::cerr << "Error iterating through keys: " << it->status().ToString() << std::endl;
}
std::cerr << "Key hasn't been deleted: " << LeftKeyCount << std::endl;
}
//------------------------------------------------------------------
Status OpenDB(std::string dbName, DB **db) {
Options options;
options.create_if_missing = true;
return DB::Open(options, dbName, db);
}
void InsertData(DB *db, uint64_t ttl/* second */) {
WriteOptions writeOptions;
int key_num = data_size / value_size;
srand(42);
// 用于存储成功写入的唯一键
std::unordered_set<std::string> unique_keys;
for (int i = 0; i < key_num; i++) {
std::string key;
do {
int key_ = rand() % key_num + 1;
key = std::to_string(key_);
} while (unique_keys.find(key) != unique_keys.end()); // 检查是否已存在
std::string value(value_size, 'a');
// 判断 key 是否在范围内
if (key >= "-" && key < "A") {
//std::cout << "Key: " << key << " is within the range (-, A)" << std::endl;
} else {
std::cout << "Key: " << key << " is outside the range (-, A)" << std::endl;
return;
}
Status status = db->Put(writeOptions, key, value, ttl);
if (!status.ok()) {
// 输出失败的状态信息并退出循环
std::cerr << "Failed to write key: " << key
<< ", Status: " << status.ToString() << std::endl;
} else {
unique_keys.insert(key); // 插入集合中，如果已经存在则不会重复插入
}
}
Iterator* iter = db->NewIterator(ReadOptions());
iter->SeekToFirst();
std::cout << "Data base First key: " << iter->key().ToString() << std::endl;
iter->SeekToLast();
std::cout << "Data base last key: " << iter->key().ToString() << std::endl;
delete iter;
// 打印成功写入的唯一键的数量
std::cout << "Total unique keys successfully written: " << unique_keys.size() << std::endl;
}
void GetData(DB *db, int size = (1 << 30)) {
ReadOptions readOptions;
int key_num = data_size / value_size;
// 点查
srand(42);
for (int i = 0; i < 100; i++) {
int key_ = rand() % key_num+1;
std::string key = std::to_string(key_);
std::string value;
db->Get(readOptions, key, &value);
}
Iterator* iter = db->NewIterator(ReadOptions());
iter->SeekToFirst();
std::cout << "Data base First key: " << iter->key().ToString() << std::endl;
int cnt = 0;
while (iter->Valid())
{
cnt++;
iter->Next();
}
std::cout << "Total key cnt: " << cnt << "\n";
delete iter;
}
TEST(TestTTL, ReadTTL) {
DB *db;
if(OpenDB("testdb", &db).ok() == false) {
std::cerr << "open db failed" << std::endl;
abort();
}
uint64_t ttl = 20;
InsertData(db, ttl);
ReadOptions readOptions;
Status status;
int key_num = data_size / value_size;
srand(42);
for (int i = 0; i < 100; i++) {
int key_ = rand() % key_num+1;
std::string key = std::to_string(key_);
std::string value;
status = db->Get(readOptions, key, &value);
// 检查 status 并打印出失败的状态信息
if (!status.ok()) {
std::cerr << "Key: " << key << ", Status: " << status.ToString() << std::endl;
}
ASSERT_TRUE(status.ok());
}
Env::Default()->SleepForMicroseconds(ttl * 1000000);
srand(42);
for (int i = 0; i < 100; i++) {
int key_ = rand() % key_num+1;
std::string key = std::to_string(key_);
std::string value;
status = db->Get(readOptions, key, &value);
// 检查 status 并打印出失败的状态信息
if (status.ok()) {
std::cerr << "Key: " << key << ", Status: " << status.ToString() << std::endl;
}
ASSERT_FALSE(status.ok());
}
delete db;
}
TEST(TestTTL, CompactionTTL) {
DB *db;
leveldb::Options options;
// options.write_buffer_size = 1024*1024*1024;
// options.max_file_size = 1024*1024*1024;
leveldb::DestroyDB("testdb", options);
if(OpenDB("testdb", &db).ok() == false) {
std::cerr << "open db failed" << std::endl;
abort();
}
uint64_t ttl = 20;
leveldb::Range ranges[1];
ranges[0] = leveldb::Range("-", "A");
uint64_t sizes[1];
db->GetApproximateSizes(ranges, 1, sizes);
ASSERT_EQ(sizes[0], 0);
InsertData(db, ttl);
//leveldb::Range ranges[1];
ranges[0] = leveldb::Range("-", "A");
//uint64_t sizes[1];
db->GetApproximateSizes(ranges, 1, sizes);
ASSERT_GT(sizes[0], 0);
ttl += 10;
Env::Default()->SleepForMicroseconds(ttl * 1000000);
std::cout << "Start drop\n";
db->CompactRange(nullptr, nullptr);
ranges[0] = leveldb::Range("-", "A");
db->GetApproximateSizes(ranges, 1, sizes);
PrintAllKeys(db);
ASSERT_EQ(sizes[0], 0);
delete db;
}
int main(int argc, char** argv) {
srand(42);
// All tests currently run with the same read-only file limits.
testing::InitGoogleTest(&argc, argv);
return RUN_ALL_TESTS();
}
```
修改后的测试脚本主要分为以下几个部分：
1. **InsertData函数**：
- 通过随机生成键值对并将其写入数据库，测试数据库的写入操作。
- 添加一个 TTL（time-to-live）时间，并确保键值在TTL时间到期后会被删除。
- `unique_keys`集合用于存储唯一键，确保写入的数据没有重复键。
2. **GetData函数**：
- 通过随机键读取数据，检查点查功能。
- 使用迭代器统计并打印当前数据库中的总键数。
3. **PrintAllKeys函数**（调试信息）：
- 迭代数据库中的所有键，并打印出部分键信息。
- 用于检查在过期和压缩操作后是否仍然存在未删除的键。
4. **TestTTL ReadTTL测试**：
- 测试数据库中的TTL功能是否正确。
- 首先插入数据，然后在TTL时间到期前读取，确保数据存在。
- 然后，等待TTL时间到期后再次读取数据，确保数据已经过期并被删除。
5. **TestTTL CompactionTTL测试**：
- 测试压缩过程中TTL数据的清理功能。
- 插入数据后，利用`GetApproximateSizes`函数获取数据大小。
- 等待TTL过期后，调用`CompactRange`函数手动触发压缩。
- 再次使用`GetApproximateSizes`检查数据库大小，确保过期数据已被清理。
通过这个脚本，能够全面验证LevelDB的TTL功能和压缩清理机制。
**运行结果截图：**
![](.\png\result.png)
## 实验中遇到的相关问题：
1.脚本中的随机种子问题：
*问题描述：*
初始脚本中使用的随机生成key可能有重复，导致没有完整的65536个数据，存在重复写入，get时也随机生成的话有大概率会生成没有写入过的key从而导致abort。
*解决方案：*
在与TA交流后，确认了该问题存在，在将随机种子改为统一的之后修复了这个问题。随后TA在水杉上对源码进行了修改。
2.大小端问题
*问题描述*：
在存储和解析TTL时间戳时，需要确保数据在不同系统架构上能正确读取。不同架构可能使用不同的字节序（小端或大端），因此直接存储时间戳会导致在不同平台上读取错误。
*解决方案：*
为了解决这个问题，我选择将小端序作为时间戳存储格式。这一选择基于以下几点：
1. **兼容性**：大多数现代硬件（包括我的实验环境）默认使用小端序，因此直接采用小端序可以避免额外的转换开销。
2. **跨平台一致性**：即使在大端系统上，通过明确指定小端序可以确保数据格式在不同平台上保持一致。
3. **简化操作**：在存储和读取TTL时间戳时，我采用了 `reinterpret_cast` 和 `memcpy` 方法直接对数据进行小端序读写，避免了复杂的转换逻辑。
3.Compaction自动合并问题
*问题描述：*
手动合并可能无法保证合并所有数据，导致无法完全丢弃过期数据。leveldb的自动合并可能提前把一些数据合并为有序，而CompactRange(nullptr, nullptr)函数只会合并剩下没完全有序的数据。
*解决方案：*
通过修改函数中的判断条件在决定数据向下一层的迁移方式时禁用`DBImpl::BackgroundCall()`中的`TrivialMove`方法，迫使所有数据进入`DoCompactionWork()`，并且适当调整`Option.h`中level0的大小，减少自动合并的次数，同时针对levelDB中在满足条件时将level0中文件自动迁移到level2的这类特殊优化，由于其会干扰`DBImpl::CompactRange`正常合并，所以在`DBImpl::CompactRange`中将遍历扩大一层以覆盖所有文件。
```
for (int level = 0; level <= max_level_with_files; level++) {
TEST_CompactRange(level, begin, end);
}
```

Skriv Förhandsgranska
Laddar…
Avbryt
Spara