这是我今年一月份在 team 内部的一次分享。介绍了主流的数据存储方案,包括:内存,文件,数据库和消息队列,以及数据序列化/反序列化的方法。很多时候,工具就在那里,我们只是不知道它们的存在而已。
比如说在client端,有很多 embedded database 可以使用,并不需要局限于 sqlite;而当我们存储数据于缓存服务器中,json 未必是最好的序列化方式,有些场合可以考虑 protobuf / msgpack 等。
在内存中处理数据时,除了一般程序语言自带的 map / list / set 之外,还有很多性能卓绝的数据结构可以考虑,比如 bloomfilter,各种 tree 等。bloomfilter 是一个经常被人忽视的强大工具,它常常可以起到四两拨千斤的作用。讲一个实际的例子。我们做 web 的,经常需要做各种各样的过滤,比如 blacklist。对于每一个请求,你都要走一遍可能涉及到读数据库或者读缓存的 blacklist 操作,这样不经济。如果 blacklist 改动不是很频繁,那么可以在 blackblist 变动之后生成一个 bloomfilter,当请求到达的时候,检查请求是否命中这个 bloomfilter,如果没命中,这肯定是一个被允许的请求,直接放过,如果命中了,这有可能是一个要被拒绝的请求,这时候才需要访问数据库(或者缓存)详细查询。事实上,google chrome 正是利用 bloomfilter 进行恶意 URL 的检测:浏览器会维护一个恶意 URL 的 bloomfilter,任何用户输入的 URL 都会经过这个检查,只有当这个 bloomfilter 被命中,这个 URL 会发送给 google 的服务器进一步检查。(注:见 http://blog.alexyakunin.com/2010/03/nice-bloom-filter-application.html)。
废话不多说,大家看 slides 吧(注:上次程序君承诺会尝试对 slides 中文录音以便大家更好地理解,可惜这几天事情太多,没工夫弄,争取下次放 slides 的时候录音)。