实验报告：在 LevelDB 中构建二级索引的设计与实现

---

目录

• 一，实验目的
• 二，项目背景概述
  • 1. 背景与需求
  • 2. 设计目标
• 三，LevelDB二级索引设计思路
  • 1. 设计结构
  • 2.1 核心组件
  • 2.2 数据结构
  • 2.3 字段管理
  • 2.4 数据结构关系图
  • 3. 计划实现细节
    • 3.1 数据插入流程 (Put)
    • 3.2 数据删除流程 (Delete)
    • 3.3 查询流程
  • 4. 动态索引管理
    • 4.1 动态创建索引
    • 4.2 动态删除索引
  • 5. 事务与回滚机制
    • 5.1 事务设计
    • 5.2 回滚机制
  • 6. 设计的优势
  • 7. 未来优化方向
• 四，具体实现
  • 1. DBImpl 类的设计
  • 2. 二级索引的创建
  • 3. 二级索引的查询
  • 4. 二级索引的删除
  • 5. Put 和 Delete 方法的内容
  • 6. 数据插入与删除的原子性实现
• 五，性能测试
  • 1. 测试流程
  • 2. 结果分析
• 六，问题与解决方案
• 七，总结

---

一，实验目的

在 LevelDB 的基础上设计和实现一个支持二级索引的功能，优化特定字段的查询效率。通过此功能，用户能够根据字段值高效地检索对应的数据记录，而不需要遍历整个数据库。

---

二，项目背景概述

1. 背景与需求

LevelDB 是一个高性能、轻量级的键值存储引擎，但其查询能力仅限于主键。在许多应用场景中，需要支持基于非主键字段的高效查询（例如按用户 ID 或类别查询数据）。因此，设计并实现二级索引系统，为 LevelDB 增强多字段查询能力，成为一个核心需求。

二级索引的概念

二级索引是一种额外的数据结构，用于加速某些特定字段的查询。在 LevelDB 中，键值对的存储是以 key:value 的形式。通过创建二级索引，我们将目标字段的值与原始 key 建立映射关系，存储在独立的索引数据库中，从而支持基于字段值的快速查询。

例如，原始数据如下：

k_1 : name:Customer#000000001|address:IVhzIApeRb|phone:25-989-741-2988
k_2 : name:Customer#000000002|address:XSTf4,NCwDVaW|phone:23-768-687-3665
k_3 : name:Customer#000000001|address:MG9kdTD2WBHm|phone:11-719-748-3364

为字段 name 创建索引后，索引数据库中的条目如下：

name:Customer#000000001-k_1 : k_1
name:Customer#000000001-k_3 : k_3
name:Customer#000000002-k_2 : k_2

---

2. 设计目标

• 高效性：二级索引查询性能接近主键查询。
• 一致性：保证主数据库与二级索引的一致性，支持事务和回滚机制。
• 灵活性：允许用户指定需要创建索引的字段，支持动态创建和删除索引。
• 易用性：通过统一接口隐藏索引管理的复杂性，保持与原始 LevelDB 类似的用户体验。

---

三，LevelDB二级索引设计思路

1. 设计结构

在 LevelDB 的基础上扩展，补充并实现以下组件：

2.1 核心组件

1. 主数据库（DBImpl）：
   存储用户原始数据的键值对，提供 Put、Delete 和 Get 方法。

2. **二级索引数据库（indexDb_）**：
   专门存储索引数据，键为 fieldName:fieldValue，值为主数据库中对应的主键。

2.2 数据结构

1. 主数据库键格式：
   使用字符串表示，例如：userID:123|name:JohnDoe，包含多个字段。

2. 索引键格式：
   例如：userID:123，方便通过字段值快速查询。

3. 映射关系：
   二级索引数据库的值存储主数据库的主键，用于指向完整数据记录。

2.3 字段管理

• fieldWithIndex_：一个集合，用于管理需要创建索引的字段，支持动态增删。

2.4 数据结构关系图

以下是主数据库和二级索引数据库的逻辑关系示意图：

lessCopy code                     主数据库 (DBImpl)
+-------------------------------------------------------+
| key   | value                                         |
+-------+-----------------------------------------------+
| k_1   | name:Customer#000000001|address:IVhzIApeRb|.. |
| k_2   | name:Customer#000000002|address:XSTf4,NCwDVaW |
+-------+-----------------------------------------------+

                     二级索引数据库 (indexDb_)
+----------------------------------------+-------------+
| indexKey                               | indexValue  |
+----------------------------------------+-------------+
| name:Customer#000000001-k_1            | k_1         |
| name:Customer#000000001-k_3            | k_3         |
| name:Customer#000000002-k_2            | k_2         |
+----------------------------------------+-------------+

                     数据关联关系
主数据库  <------------->  二级索引数据库
 (key)         映射到字段值 (fieldName:fieldValue)

---

3. 计划实现细节

3.1 数据插入流程 (Put)

1. 用户调用 Put 将数据插入到主数据库。
2. 从用户数据中解析需要创建索引的字段及其值。
3. 构造二级索引的键值对，并插入到二级索引数据库中。
4. 如果任意数据库的写入失败，通过事务回滚保证一致性。

关键点：

• 需要先提交主数据库事务，再提交二级索引数据库事务。
• 索引更新时要考虑覆盖旧索引的场景。

3.2 数据删除流程 (Delete)

1. 用户调用 Delete 从主数据库删除数据。
2. 在删除前，读取原始数据以提取相关字段的索引键。
3. 删除主数据库中的数据。
4. 删除对应的二级索引键。
5. 如果任意数据库的删除失败，通过事务回滚恢复数据。

关键点：

• 删除前必须读取原始数据以提取相关索引信息。
• 回滚时需恢复原始主数据库记录。

3.3 查询流程

1. 用户指定查询条件（字段名和字段值）。
2. 从二级索引数据库中获取与查询条件匹配的主键。
3. 使用主键从主数据库获取完整记录。

---

4. 动态索引管理

4.1 动态创建索引

• 提供接口 CreateIndex(fieldName)，用于动态为字段创建索引：
  • 遍历主数据库的所有记录。
  • 根据指定字段生成索引键值对并插入到二级索引数据库。
  • 将字段名添加到 fieldWithIndex_ 集合。

4.2 动态删除索引

• 提供接口 DeleteIndex(fieldName)，用于动态删除字段索引：
  • 遍历二级索引数据库，删除与该字段相关的索引键。
  • 从 fieldWithIndex_ 集合中移除字段名。

---

5. 事务与回滚机制

5.1 事务设计

• 使用 WriteBatch 封装多个操作（如 Put 和 Delete）。
• 在主数据库和二级索引数据库上分别维护独立事务。

5.2 回滚机制

• 在主数据库操作失败时直接返回错误，不影响索引。
• 在二级索引操作失败时，回滚主数据库的写入或删除操作：
  • 对 Put 操作，删除已插入的数据。
  • 对 Delete 操作，恢复已删除的数据。

---

6. 设计的优势

1. 数据一致性强：通过事务和回滚机制，确保主数据库和二级索引数据库始终保持一致。
2. 查询高效：支持基于字段的快速查询，二级索引性能接近主键查询。
3. 易于扩展：动态索引创建和删除机制使得系统适应性更强。
4. 兼容性好：用户接口保持与原始 LevelDB 类似，降低学习成本。

---

7. 未来优化方向

1. 多字段联合索引：支持对多个字段的联合索引，提高复杂查询的效率。
2. 异步索引更新：通过异步任务队列优化索引构建和更新的性能。
3. 空间优化：采用压缩技术减少二级索引数据库的存储占用。
4. 并发支持：优化写锁机制以提高高并发场景下的性能。

---

这套设计在功能性、一致性和性能之间达到了较好的平衡，能够为 LevelDB 提供高效、灵活的二级索引支持，同时保持其原有的高性能特性。

---

四，具体实现

1. DBImpl 类的设计

在 LevelDB 的核心类 DBImpl 中，增加了对二级索引的支持，包括：

• 索引字段管理：使用成员变量 fieldWithIndex_ 保存所有已经创建索引的字段名。
• 索引数据库：使用成员变量 indexDb_ 管理二级索引数据库。

class DBImpl : public DB {
private:
    std::vector<std::string> fieldWithIndex_; // 已创建索引的字段列表
    leveldb::DB* indexDb_;                    // 存储二级索引的数据库
};

2. 二级索引的创建

在 DBImpl 中实现 CreateIndexOnField 方法，用于对指定字段创建二级索引：

• 遍历主数据库中的所有数据记录。
• 解析目标字段的值。
• 在索引数据库中写入二级索引条目，键为 "fieldName:field_value-key"，值为原始数据的键。

示例：

核心代码：

Status DBImpl::CreateIndexOnField(const std::string& fieldName) {
    // 检查字段是否已创建索引
    for (const auto& field : fieldWithIndex_) {
        if (field == fieldName) {
            return Status::InvalidArgument("Index already exists for this field");
        }
    }

    // 添加到已创建索引的字段列表
    fieldWithIndex_.push_back(fieldName);

    // 遍历主数据库，解析字段值并写入索引数据库
    leveldb::ReadOptions read_options;
    leveldb::Iterator* it = this->NewIterator(read_options);

    for (it->SeekToFirst(); it->Valid(); it->Next()) {
        std::string key = it->key().ToString();
        std::string value = it->value().ToString();

        // 提取字段值
        size_t field_pos = value.find(fieldName + ":");
        if (field_pos != std::string::npos) {
            size_t value_start = field_pos + fieldName.size() + 1;
            size_t value_end = value.find("|", value_start);
            if (value_end == std::string::npos) value_end = value.size();

            std::string field_value = value.substr(value_start, value_end - value_start);
            std::string index_key = fieldName + ":" + field_value;

            // 在索引数据库中创建条目
            leveldb::Status s = indexDb_->Put(WriteOptions(), Slice(index_key), Slice(key));
            if (!s.ok()) {
                delete it;
                return s;
            }
        }
    }

    delete it;
    return Status::OK();
}

---

3. 二级索引的查询

在查询二级索引时，我们不再使用遍历所有索引的方式，而是直接利用 Get 方法根据索引键查找对应的值。这种方法避免了遍历所有索引的开销，提高了查询效率。

核心代码：

// 查询通过字段名索引的所有值
std::vector<std::string> DBImpl::QueryByIndex(const std::string& fieldName) {
    std::vector<std::string> results;

    leveldb::ReadOptions read_options;
    
    // 直接通过 Get 方法查找与 fieldName 相关的索引
    std::string indexKey = fieldName;  // fieldName 就是索引键
    std::string value;
    Status s = indexDb_->Get(read_options, Slice(indexKey), &value);
    
    // 如果成功找到对应的值，将其加入结果中
    if (s.ok()) {
        results.push_back(value);
    } else if (s.IsNotFound()) {
        // 如果没有找到，返回空结果
        std::cerr << "Index key not found: " << indexKey << std::endl;
    } else {
        // 处理其他错误
        std::cerr << "Error querying index: " << s.ToString() << std::endl;
    }

    return results;
}

关键点说明：

• Get 查询：直接通过 Get 方法查找 indexDb_ 中与 fieldName 对应的索引键。这样我们避免了遍历整个索引数据库，直接根据给定的键获取对应的值，查询效率得到了显著提高。

• 查询逻辑：我们使用 fieldName 作为索引键，执行查询操作。如果查询成功，我们将返回的值（即主数据库的键）添加到结果集中。如果查询失败（例如索引键不存在），我们会输出相应的错误信息。

• 结果处理：如果查询成功，返回的值将作为结果添加到返回的 vector 中；如果查询失败，系统会输出相应的错误信息，确保在查询操作中的透明度和可维护性。

优点：

• 提高查询效率：通过直接使用 Get 方法，我们不再需要遍历所有索引，这大大提升了查询的效率。
• 简化代码：由于查询逻辑简化为一次 Get 调用，代码更加简洁易懂，减少了不必要的复杂性。
• 一致性保障：通过 Get 查询，直接从索引数据库中获取与特定字段名相关的索引值，确保了结果的准确性。

通过这种方式，我们优化了二级索引的查询方法，提高了系统在处理索引查询时的性能，并且保证了查询结果的一致性和准确性。

---

4. 二级索引的删除

在 DBImpl 中实现 DeleteIndex 方法，通过目标字段名移除对应的所有索引条目：

• 在 fieldWithIndex_ 中移除字段。
• 遍历索引数据库，删除所有以 fieldName: 开头的条目。

核心代码：

Status DBImpl::DeleteIndex(const std::string& fieldName) {
    auto it = std::find(fieldWithIndex_.begin(), fieldWithIndex_.end(), fieldName);
    if (it == fieldWithIndex_.end()) {
        return Status::NotFound("Index not found for this field");
    }

    // 从已创建索引列表中移除字段
    fieldWithIndex_.erase(it);

    // 遍历索引数据库，删除相关条目
    leveldb::ReadOptions read_options;
    leveldb::Iterator* it_index = indexDb_->NewIterator(read_options);

    for (it_index->SeekToFirst(); it_index->Valid(); it_index->Next()) {
        std::string index_key = it_index->key().ToString();
        if (index_key.find(fieldName + ":") == 0) {
            Status s = indexDb_->Delete(WriteOptions(), Slice(index_key));
            if (!s.ok()) {
                delete it_index;
                return s;
            }
        }
    }

    delete it_index;
    return Status::OK();
}

---

5. Put 和 Delete 方法的内容

以下是实验报告中对 Put 和 Delete 方法的描述，以及如何通过事务和回滚机制实现数据插入与删除的原子性。

Put 方法描述

Put 方法用于向主数据库和二级索引数据库中插入或更新数据。其关键步骤如下：

1. 主数据库写入：首先尝试向主数据库插入或更新数据。
2. 二级索引更新：遍历需要创建索引的字段 (fieldWithIndex_)，从新值中提取字段对应的索引键和值，并将索引插入到二级索引数据库。
3. 提交事务：
   • 提交主数据库的写入操作。
   • 提交二级索引数据库的写入操作。
4. 回滚机制：如果二级索引数据库的写入失败，会回滚主数据库的插入操作以确保数据一致性。

关键代码：

Status DBImpl::Put(const WriteOptions& o, const Slice& key, const Slice& val) {
  ...
  // 在主数据库写入新数据
  batch.Put(key, val);

  // 遍历字段并更新索引
  for (const auto& field : fieldWithIndex_) {
      ...
      indexBatch.Put(Slice(indexKey), Slice(indexValue));
  }

  // 提交主数据库事务
  s = this->Write(o, &batch);
  if (!s.ok()) {
      return s;
  }

  // 提交二级索引数据库事务
  s = indexDb_->Write(o, &indexBatch);
  if (!s.ok()) {
      // 如果二级索引写入失败，回滚主数据库写入
      for (const auto& insertedKey : keysInserted) {
          batch.Delete(insertedKey);
      }
      this->Write(o, &batch);
      return s;
  }
  ...
}

Delete 方法描述

Delete 方法用于从主数据库和二级索引数据库中删除数据。其关键步骤如下：

1. 获取原始数据：在删除前从主数据库读取原始值，确保在删除失败时可以回滚。
2. 主数据库删除：从主数据库中删除目标键。
3. 二级索引删除：遍历字段，计算对应的索引键，并将其从二级索引数据库中删除。
4. 提交事务：
   • 提交主数据库的删除操作。
   • 提交二级索引数据库的删除操作。
5. 回滚机制：如果二级索引数据库的删除失败，会尝试将主数据库的删除操作回滚为原始状态。

关键代码：

Status DBImpl::Delete(const WriteOptions& options, const Slice& key) {
  ...
  // 从主数据库删除目标键
  batch.Delete(key);

  // 遍历字段并删除索引
  for (const auto& field : fieldWithIndex_) {
      ...
      indexBatch.Delete(Slice(indexKey));
  }

  // 提交主数据库事务
  s = this->Write(options, &batch);
  if (!s.ok()) {
      return s;
  }

  // 提交二级索引数据库事务
  s = indexDb_->Write(options, &indexBatch);
  if (!s.ok()) {
      // 如果二级索引删除失败，回滚主数据库删除
      if (!originalValue.empty()) {
          batch.Put(key, originalValue);
      } else {
          batch.Put(key, "");
      }
      this->Write(options, &batch);
      return s;
  }
  ...
}

6. 数据插入与删除的原子性实现

通过以下策略确保数据插入与删除操作的原子性：

1. 事务机制：
   • 主数据库和二级索引数据库的写入操作分别使用 WriteBatch 封装，并在提交前记录必要的数据以支持回滚。
2. 错误处理与回滚：
   • 如果二级索引数据库的写入或删除操作失败，主数据库的写入或删除操作将被回滚。
   • 在回滚过程中，主数据库会恢复为操作前的状态（插入操作时删除新数据，删除操作时恢复原始数据）。

实现意义

这种设计确保了主数据库和二级索引数据库的一致性，即便在部分写入或删除操作失败的情况下，仍能通过回滚机制保证数据的完整性和原子性。

---

五，性能测试

1.测试流程

单元测试：

1. 插入原始数据：

   k_1 : name:Customer#000000001|address:IVhzIApeRb|phone:25-989-741-2988
   k_2 : name:Customer#000000002|address:XSTf4,NCwDVaW|phone:23-768-687-3665
   

2. 创建索引：
   • 调用 CreateIndexOnField("name")，索引数据库生成条目：

     name:Customer#000000001-k_1 : k_1
     name:Customer#000000002-k_2 : k_2
     

3. 查询索引：
   • 调用 QueryByIndex("name:Customer#000000001")，返回 ["k_1"]。
4. 删除索引：
   • 调用 DeleteIndex("name")，移除所有 name: 开头的索引条目。

测试结果：

性能测试：

Benchmark测试运行结果及分析：

2.结果分析

1. 插入时间 (Insertion time for 100001 entries: 516356 microseconds)

这个时间（516356 微秒，约 516 毫秒）看起来是合理的，特别是对于 100001 条记录的插入操作。如果数据插入过程没有特别复杂的计算或操作，这个时间应该是正常的，除非硬件性能或其他因素导致延迟。

2. 没有索引的查询时间 (Time without index: 106719 microseconds)

这个时间是查询在没有索引的情况下执行的时间。106719 微秒（大约 107 毫秒）对于没有索引的查询来说是可以接受的，尤其是在数据量较大时。如果数据库没有索引，查找所有相关条目会比较耗时。

3. 创建索引的时间 (Time to create index: 596677 microseconds)

这个时间（596677 微秒，约 597 毫秒）对于创建索引来说是正常的，尤其是在插入了大量数据后。如果数据量非常大，索引创建时间可能会显得稍长。通常情况下，创建索引的时间会随着数据量的增加而增大。

4. 有索引的查询时间 (Time with index: 68 microseconds)

这个时间（68 微秒）非常短，几乎可以认为是一个非常好的优化结果。通常，索引查询比没有索引时要快得多，因为它避免了全表扫描。因此，这个时间是非常正常且预期的，说明索引大大加速了查询。

5. 查询结果 (Found 1 keys with index)

这里显示索引查询找到了 1 个键。是正常的, name=Customer#10000 应该返回 1 条记录。

6. 数据库统计信息 (Database stats)

Compactions
Level  Files Size(MB) Time(sec) Read(MB) Write(MB)
--------------------------------------------------
  0        2        6         0        0         7
  1        5        8         0       16         7

这些信息表明数据库的压缩（Compaction）过程。Level 0 和 Level 1 显示了数据库的文件数和大小。此部分数据正常，意味着数据库在处理数据时有一些 I/O 操作和文件整理。

7. 删除索引的时间 (Time to delete index on field 'name': 605850 microseconds)

删除索引的时间（605850 微秒，约 606 毫秒）比创建索引的时间稍长。这个时间是合理的，删除索引通常会涉及到重新整理数据结构和清理索引文件，因此可能比创建索引稍慢。

benchmark运行结果总结：

整体来看，输出结果是正常的：

• 插入和索引创建时间：插入数据和创建索引所需的时间相对较长，但考虑到数据量和索引的生成，时间是合理的。
• 有索引的查询时间：索引加速了查询，这部分的时间（68 微秒）非常短，表现出色。
• 删除索引的时间：删除索引需要稍长时间，这也是常见的现象。

---

六，问题与解决方案

1. 问题：如何避免 **indexDb_** 的递归调用？

在实现 Put 和 Delete 方法时，由于 indexDb_ 也调用了 DBImpl 的方法，可能导致递归调用的问题。具体表现为在 indexDb_ 内部操作时仍会试图更新索引。

解决方案：

在 Put 和 Delete 方法中，添加检查逻辑。如果当前对象是 indexDb_，则仅对主数据库进行操作，而不再更新索引。例如：

if (indexDb_ != nullptr) {
    // 仅更新主数据库的事务
} else {
    // 更新索引
}

2. 问题：二级索引的事务回滚机制如何设计？

在二级索引更新失败时，需要确保主数据库的修改也能回滚，以保持数据一致性。

解决方案：

使用 WriteBatch 记录每次操作。在二级索引更新失败后，通过读取原始值或删除新插入的键，恢复主数据库的状态。示例代码如下：

if (!s.ok()) {
    for (const auto& insertedKey : keysInserted) {
        if (!originalValue.empty()) {
            batch.Put(insertedKey, Slice(originalValue));
        } else {
            batch.Delete(insertedKey);
        }
    }
    this->Write(o, &batch); // 执行回滚
}

3. 问题：如何高效管理多字段的动态索引？

如果需要为多个字段动态创建和删除索引，可能导致额外的开销以及管理复杂性。

解决方案：

1. 使用 fieldWithIndex_ 字段集中管理所有需要创建索引的字段。
2. 在动态操作中，通过扫描主数据库快速生成或删除指定字段的索引条目。
3. 提供统一的接口，用于添加和移除字段。

4. 问题：**Put** 和 **Delete** 方法如何确保原子性？

在更新主数据库和二级索引时，如果某一步骤失败，可能导致不一致。

解决方案：

通过事务 (WriteBatch) 确保多个操作要么全部成功，要么全部回滚。例如：

s = this->Write(o, &batch);
if (!s.ok()) {
    return s; // 确保写入失败时停止后续操作
}
s = indexDb_->Write(o, &indexBatch);
if (!s.ok()) {
    // 回滚主数据库操作
}

通过以上方案，有效解决了实验中遇到的问题，并提高了系统的稳定性和一致性。

---

七，总结

本实验通过在 DBImpl 中集成索引管理功能，实现了对二级索引的创建、查询和删除。二级索引数据存储在独立的 indexDb_ 中，通过高效的键值映射提升了字段值查询的效率。