[论文解读] Stratified B-trees and versioned dictionaries

Andy Twigg, Andrew Byde+4 more|arXiv (Cornell University)|Jun 14, 2011

Algorithms and Data Compression参考文献 13被引用 12

一句话总结

本文提出了分层B树（stratified B-tree），一种新颖的外部内存版本化字典数据结构，可在空间、查询和更新成本之间实现最优权衡——与传统写时复制B树（copy-on-write B-trees）相比，后者因空间利用率低下且依赖随机I/O而性能不佳。分层B树通过将版本组织为分层结构，实现了快速更新和高效存储，确保了性能和空间使用上的渐近最优性。

ABSTRACT

External-memory versioned dictionaries are fundamental to file systems, databases and many other algorithms. The ubiquitous data structure is the copy-on-write (CoW) B-tree. Unfortunately, it doesn't inherit the B-tree's optimality properties; it has poor space utilization, cannot offer fast updates, and relies on random IO to scale. We describe the 'stratified B-tree', which is the first versioned dictionary offering fast updates and an optimal tradeoff between space, query and update costs.

研究动机与目标

• 为解决外部内存系统中写时复制（CoW）B树的低效问题，后者因空间利用率低下且随机I/O成本高而表现不佳。
• 设计一种版本化字典，使其在外部内存中维持空间、查询时间和更新时间之间的最优权衡。
• 通过引入分层的版本管理层次结构，消除对更新过程中随机I/O的依赖。
• 实现性能和空间使用上的渐近最优性，与B树的理论界限保持一致，同时支持版本控制。

提出的方法

• 分层B树将版本组织为多个分层，每个分层代表对基础B树的一组增量更新。
• 采用分层更新策略：新更新写入较高分层，而旧的、稳定的版本则被压缩并合并到较低分层，以减少空间开销。
• 通过限制分层数量并使用层间高效的合并操作，保持查询与更新成本之间的平衡。
• 通过按顺序遍历分层并从上至下组合结果，支持快速点查询，确保正确性与性能。
• 设计遵循外部内存原理，通过批量更新和跨分层的顺序写入，最大限度减少随机I/O。

实验结果

研究问题

• RQ1 在外部内存中，是否可以实现版本化字典在空间、查询成本和更新成本之间的最优权衡？
• RQ2 如何在不降低B树空间与I/O效率的前提下支持版本控制？
• RQ3 分层结构能否减少更新过程中对随机I/O的依赖，同时保持快速查询性能？
• RQ4 是否可以设计一种版本化字典，继承B树的最优性特性？

主要发现

• 分层B树在空间、查询成本和更新成本之间实现了渐近最优的权衡，与B树的理论界限完全一致。
• 通过将旧版本压缩到较低分层，其空间利用率显著优于写时复制B树。
• 通过批量更新和跨分层的顺序写入模式，有效降低了对随机I/O的依赖。
• 通过将版本组织为分层结构，实现了高效的遍历与合并，从而支持快速更新与查询。