Leveldb/Rocksdb/Accumulo簡(jiǎn)單比較

Leveldb是一個(gè)google實(shí)現(xiàn)的非常高效的kv數(shù)據(jù)庫(kù)菇篡,目前的版本1.2能夠支持billion級(jí)別的數(shù)據(jù)量了。 在這個(gè)數(shù)量級(jí)別下還有著非常高的性能,主要?dú)w功于它的良好的設(shè)計(jì)。特別是LMS算法,但是Leveldb是單進(jìn)程的服務(wù)证逻,而且它只是一個(gè) C/C++ 編程語(yǔ)言的庫(kù), 不包含網(wǎng)絡(luò)服務(wù)封裝, 所以無(wú)法像一般意義的存儲(chǔ)服務(wù)器(如 MySQL)那樣, 用客戶端來(lái)連接它. LevelDB 自己也聲明, 使用者應(yīng)該封裝自己的網(wǎng)絡(luò)服務(wù)器.所以它只能做一個(gè)嵌入式數(shù)據(jù)來(lái)使用,目前淘寶的Tair系統(tǒng)將它做了封裝抗斤。

Rocksdb其實(shí)是Leveldb的改進(jìn)版囚企,RocksDB支持一次獲取多個(gè)K-V,還支持Key范圍查找瑞眼。LevelDB只能獲取單個(gè)Key,RocksDB除了簡(jiǎn)單的Put龙宏、Delete操作,還提供了一個(gè)Merge操作伤疙,說(shuō)是為了對(duì)多個(gè)Put操作進(jìn)行合并银酗。站在引擎實(shí)現(xiàn)者的角度來(lái)看辆影,相比其帶來(lái)的價(jià)值,其實(shí)現(xiàn)的成本要昂貴很多黍特。

下面是性能對(duì)比

Accumulo是一個(gè)使用谷歌BigTable的設(shè)計(jì)思路蛙讥,基于Hadoop、Zookeeper和Thrift構(gòu)建的灭衷,可靠的次慢、可伸縮的、高性能的排序分布式KV數(shù)據(jù)存儲(chǔ)系統(tǒng)翔曲。這個(gè)開(kāi)源項(xiàng)目是由美國(guó)國(guó)家安全局開(kāi)發(fā)经备,并于2011年發(fā)布的。目前部默,Accumulo屬于Apache的頂級(jí)項(xiàng)目,它具有BigTable中所沒(méi)有的一些功能造虎,例如基于單元的訪問(wèn)控制傅蹂。

下面我們看看Accumulo都有哪些主要特性:

1、對(duì)數(shù)據(jù)保護(hù)的安全性高

從下圖可以清楚的看到Accumulo是如何控制單元的訪問(wèn)控制的算凿。


2份蝴、支持ACID原則

3、讀寫(xiě)性能強(qiáng)

麻省理工2013的性能測(cè)試報(bào)告

MIT Lincoln laboratories has recently released performance data for Apache Accumulo.In this paper MIT reached ~400,000 writes per second per node across an 8 node cluster.This is impressive performance given that MIT cites HBase as supporting ~60,000 writes per second per node and Cassandra as supporting ~35,000 writes per second per node.

在8節(jié)點(diǎn)集群的每個(gè)節(jié)點(diǎn)上氓轰,accumulo每秒達(dá)到40萬(wàn)次的寫(xiě)入婚夫,hbase達(dá)到6萬(wàn)次的寫(xiě)入,Cassandra達(dá)到3.5萬(wàn)次的寫(xiě)入署鸡。


為什么會(huì)寫(xiě)入這么快呢案糙?原因如下:

因?yàn)閍ccumulo使用了動(dòng)態(tài)分布式空間數(shù)據(jù)模型(The Dynamic Distributed Dimensional?Data Model (D4M)),Accumulo沒(méi)有直接使用Hadoop的MapReduce并行編程模型靴庆,而是使用了pMatlab的并行編程環(huán)境时捌。

4、分布式

Accumulo采用分布式存儲(chǔ)炉抒。當(dāng)Accumulo表不斷的變大時(shí)奢讨,表會(huì)被自動(dòng)分成塊,數(shù)據(jù)可以存儲(chǔ)在不同的塊中焰薄。

5拿诸、分區(qū)

當(dāng)表的容量達(dá)到上限時(shí),accumulo會(huì)自動(dòng)將表進(jìn)行分割成默認(rèn)的大小塞茅。

Accumulo的使用場(chǎng)景

目前亩码,Accumulo都用在了政府的應(yīng)用中,除政府之外的企業(yè)用的比較少凡桥。Cloudera公司已經(jīng)將Accumulo 1.6.0的版本加入到了CDH 5.4.1中蟀伸。此外,Hadoop系統(tǒng)打算用Accumulo解決儲(chǔ)存海量數(shù)據(jù)的可擴(kuò)展性。

最后通過(guò)各維度的比較啊掏,三個(gè)數(shù)據(jù)庫(kù)的對(duì)比為


參考的相關(guān)鏈接

麻省理工的性能測(cè)試報(bào)告

Accumulo BeanchMarking

云端大數(shù)據(jù)安全:悟透關(guān)鍵挑戰(zhàn)

關(guān)于Hadoop你需要知道的幾件事情

云端大數(shù)據(jù)安全利器:亞馬遜DynamoDB和Accumulo訪問(wèn)控制

LevelDB存儲(chǔ)引擎實(shí)現(xiàn)介紹

RocksDB介紹:一個(gè)比LevelDB更彪悍的引擎

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末蠢络,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子迟蜜,更是在濱河造成了極大的恐慌刹孔,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,907評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件娜睛,死亡現(xiàn)場(chǎng)離奇詭異髓霞,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)畦戒,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,987評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén)方库,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人障斋,你說(shuō)我怎么就攤上這事纵潦。” “怎么了垃环?”我有些...
    開(kāi)封第一講書(shū)人閱讀 164,298評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵邀层,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我遂庄,道長(zhǎng)寥院,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,586評(píng)論 1 293
  • 正文 為了忘掉前任涛目,我火速辦了婚禮秸谢,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘霹肝。我一直安慰自己钮追,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,633評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布阿迈。 她就那樣靜靜地躺著元媚,像睡著了一般。 火紅的嫁衣襯著肌膚如雪苗沧。 梳的紋絲不亂的頭發(fā)上刊棕,一...
    開(kāi)封第一講書(shū)人閱讀 51,488評(píng)論 1 302
  • 那天,我揣著相機(jī)與錄音待逞,去河邊找鬼甥角。 笑死,一個(gè)胖子當(dāng)著我的面吹牛识樱,可吹牛的內(nèi)容都是我干的嗤无。 我是一名探鬼主播震束,決...
    沈念sama閱讀 40,275評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼当犯!你這毒婦竟也來(lái)了垢村?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 39,176評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤嚎卫,失蹤者是張志新(化名)和其女友劉穎嘉栓,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體拓诸,經(jīng)...
    沈念sama閱讀 45,619評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡侵佃,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,819評(píng)論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了奠支。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片馋辈。...
    茶點(diǎn)故事閱讀 39,932評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖倍谜,靈堂內(nèi)的尸體忽然破棺而出首有,到底是詐尸還是另有隱情,我是刑警寧澤枢劝,帶...
    沈念sama閱讀 35,655評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站卜壕,受9級(jí)特大地震影響您旁,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜轴捎,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,265評(píng)論 3 329
  • 文/蒙蒙 一鹤盒、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧侦副,春花似錦侦锯、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,871評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至译隘,卻和暖如春亲桥,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背固耘。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 32,994評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工题篷, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人厅目。 一個(gè)月前我還...
    沈念sama閱讀 48,095評(píng)論 3 370
  • 正文 我出身青樓番枚,卻偏偏與公主長(zhǎng)得像法严,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子葫笼,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,884評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容