传统迁移流程
1. 数据提取阶段：从 Leader 的 LSM-Tree 中遍历提取特定 key range 的数据。数据可能分散在不同层级、多个 SST 文件；需要逐条扫描和筛选，IO 开销大。
2. 数据传输阶段：逐条发送 KV 数据到目标端，传输效率低，网络利用率差。
3. 数据写入阶段：目标端先写入 external SST，再 ingest 到 LSM-Tree。需要与本地 SST 文件聚合，产生额外压缩开销。
4. 副本删除阶段：从 LSM-Tree 中移除数据，需要遍历底层 SST 文件，IO 开销大。
优化方案：SST 文件边界对齐
在底层数据压缩（compaction）过程中，增加对 SST 文件和数据分片 Region 边界对齐的逻辑处理。
实现机制
在后台执行 compaction 过程时，系统会调用名为 SST partitioner 的模块。在 compaction 检测到文件较大时，按 Region 边界进行拆分，确保同一 SST 文件仅包含单一数据分片的数据，而不会将不同 region 的数据合并在一起。
如下图所示，L1层：100-200, 200-300, 300-400等范围清晰分离；L2/L3层：无数据跨越 Region 边界。
优化后的迁移流程
1.1 文件直接识别：无需遍历数据，直接确定 Region 对应的 SST 文件。
1.2 整文件传输：直接传输压缩后的 SST 文件到目标端。
1.3 直接 ingest：目标端无需复杂压缩，直接插入数据。
技术细节处理：迁移前先将 L0 层乱序数据 compaction 到 L1 层。由于 L0 层数据由 memtable 刷写而来，其数据量相对有限，压缩开销可接受。
性能提升
compaction 相关 IO 开销下降。
迁移、全量备份性能提升。
区间物理删除性能提升。
为批量导入（Bulk Load）功能提供了技术基础，实现了 SST 文件的高效传输和加载，显著提升了 TDStore 的数据迁移效率。
方案 | 速率 | 备注 |
stream RPC 传输 KV (优化前) | 22.6M/s | 每个 RepGroup 数据量20G |
直接发送本地 SST (优化后) | 455.1M/s | |
