<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Lsm-Tree on PlumePHP</title><link>https://plumephp.com/tags/lsm-tree/</link><description>Recent content in Lsm-Tree on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Sat, 26 Sep 2026 00:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/lsm-tree/index.xml" rel="self" type="application/rss+xml"/><item><title>LSM-Tree 存储引擎深度解析：MemTable、WAL、Compaction 与读写放大</title><link>https://plumephp.com/database-lsm-tree/</link><pubDate>Sat, 26 Sep 2026 00:00:00 +0800</pubDate><guid>https://plumephp.com/database-lsm-tree/</guid><description>&lt;p&gt;LSM-Tree（Log-Structured Merge-Tree）是与 B+ 树并驾齐驱的存储引擎范式，被 RocksDB、LevelDB、Cassandra、HBase、TiKV 等大量写密集系统采用。它的核心哲学是&amp;quot;&lt;strong&gt;把随机写变成顺序写&lt;/strong&gt;&amp;quot;：所有写入先追加到内存中的 MemTable，再批量刷成不可变的 SSTable，最后通过后台 Compaction 分层合并。对机械盘或 SSD 而言，顺序写远比随机写快，这让 LSM-Tree 在写入吞吐上轻松碾压 B+ 树——代价是读路径要检查多层文件，存在&lt;strong&gt;读放大&lt;/strong&gt;。本指南从零构建 LSM-Tree 的心智模型，深入 MemTable、WAL、SSTable、Compaction 策略、Bloom Filter 与读写放大权衡，并给出 RocksDB 的生产调优实践。&lt;/p&gt;</description></item></channel></rss>