最近在做项目时，遇到了一个问题，现在没有非常好的落地数据的key-value的库。下面就总结一下现有的实现方式，结合使用过程中发现的问题，最后找到一个简单的实现自用的库的方法。
首先总结一下现有的实现方式
1.在mysql上层封装一层接口，将mysql变成一个落地数据的key-value库，然后加上memcache。
这种方式比较适合域读多写少的地方，因为mysql的写性能比较差。读的时候多数会命中memcache所以性能比较好。
针对写性能差的缺点，mysql也有自己的解决方法：读写分离加上主从同步。
建立多个mysql节点，一个节点设置为master，然后其他节点设置为slave（这是扁平的mysql架构）。
在master上开启bin-log，然后slave会读取master的bin-log。
问题：
在一块磁盘上的分表作用有多大？
考虑只读的情况，对建立索引的查询，大部分都是一次IO就可以完成读操作。分表的作用就比较小
如果有写的情况，mysql如果只是锁记录的话，则分表做的作用也非常小。
2.leveldb
leveldb是一个非常好的支持落地数据的key-value的库，它的读性能和写性能都非常好。
性能分析：
读性能：在写不是很多的时候，能保证一次磁盘IO就能得到随机读的数据。
写性能：leveldb采取了合并写的模式，普通的写都是写到内存中，然后过一段时间会顺序的写到一个disk上。所以写的性能也是非常好的。
然后分析一下具体使用问题
在使用的过程中也发现了非常多的问题：
1.leveldb的读性能不是很稳定。我们几个开玩笑的时候说，如果一个库一般情况性能好，但是在某些情况下的性能差，还不如在所有情况下都比较差。因为在评估机器的时候，如果性能差，可以采用scale-out的方式来扩展。
leveldb的merge是一个非常耗时的操作，在通常情况下，merge会涉及到11-12个文件，一个文件2M，就是所涉及到22M文件的读写，这个会花费200ms（200M/s)，这个最坏的情况会涉及到24次寻道的时间，大约会花费200ms（一次10ms）。在这个时间内，如果有读请求需要磁盘IO，那么就非常困难了。
可能的解决方法：
1).缩小文件的大小有可能能解决这个问题，比如一个文件1M，这样能降低一次merge花费的时间，涉及的文件会变少。
2).通过merge中的限制，减少merge中间可能会涉及的文件的数目。在merge时，leveldb生成一个文件时，会考虑如果这个文件merge会涉及到多少文件，可以修改这个参数做到减少merge中间可能会涉及的文件的数目。
2.leveldb不支持主从同步。
这个问题比较容易解决，可以采用和mysql的解决方法一样的思路，dump+bin-log的方法。
组装自己的落地数据的key-value库
个性化的leveldb+主从同步，用组装这个词非常合适，嘻嘻。
附：mysql主从同步的实现思路。
今天还学习了一下mysql的bin-log的实现思路，bin-log中记录了insert，update，delete操作的具体内容，然后在slave上重现执行一下bin-log。这种bin-log在slave上的执行时间是和master上一样的，本来我还以为mysql会在binlog中记录内部数据的一些操作（比如B+树的操作和文件diff等等），这样应该能减少slave上的执行时间。但是这样就会让bin-log的设计非常复杂。