10｜稀疏索引：为什么高并发写不推荐关系数据库？

该思维导图由 AI 生成，仅供参考

本文介绍了关系数据库在高并发写入场景下的局限性，以及新型分布式数据库HTAP的OLAP与OLTP融合特性。文章首先分析了MySQL的B+Tree索引与数据量的关系，指出索引树的深度和数据量对查询效率的影响。随着数据量增加，查询效率会下降，限制了关系数据库对大数据的处理能力。此外，文章还探讨了MySQL在高并发写入场景下的问题，包括主从同步延迟、主库响应缓慢等。接着，文章介绍了稀疏索引LSM Tree的特点，以及RocksDB如何利用LSM索引实现写多读少的KV数据存储查询服务。LSM Tree通过顺序写入提高了写入性能，同时在读取时通过遍历子树来查找，减少了写入时对树的合并代价。这种存储方式适用于OLAP数据库，尤其在写多读少的场景下表现出更高的效率。文章还讨论了列存储数据库的优势，指出其能够提高OLAP查找性能的原因在于能够充分利用磁盘顺序读写的性能，并且更好进行数据压缩，从而在实时计算领域做数据统计分析时表现更好。最后，文章介绍了HTAP的发展趋势，即将OLAP和OLTP结合成一套数据库集群服务，共同对外提供数据服务，从而实现行数据库与列数据库的互补。文章通过对关系数据库和稀疏索引的对比分析，展现了稀疏索引在高并发写入场景下的优势，为读者提供了对关系数据库局限性的深入了解。