LevelDB的数据插入首先会存储在内存表memdb内部，当数据量达到一定的大小之后才会被持久化到文件中。本文就内存数据表的结构及其操作相关源码进行分析。
1.memdb结构
memdb的定义如下, 该db内部有三个主要的数据结构：1).byte[]kvData 用于存储用户插入的key-value数据; 2).[]int 类型的nodeData 用于对kv数据建立一个调表格式的索引; 3).preNode，这是辅助nodeData的数据查询以及插入使用的，后续进行详细介绍。
type DB struct {
cmp comparer.BasicComparer //key的比较器
rnd *rand.Rand //随机数生成器，产生随机的调表层高
mu sync.RWMutex
kvData []byte //存储key value的序列化数据
// Node data:
// [0] : KV offset
// [1] : Key length
// [2] : Value length
// [3] : Height
// [3..height] : Next nodes
nodeData []int //存储key value的索引信息
prevNode [tMaxHeight]int
maxHeight int
n int //键值对的数量
kvSize int
}
kvData 和nodeData的数据结构如下,其中kvData的实现比较简单，就是用一个byte类型的数组将key-value 对一个个存储下来。nodeData通过一个int数组实现了一个随机的调表。如下如所示对于nodeData我们可以将其视为n个node所组成，每个node表示了一个kv对的索引。
如图所示每个node包含了kv对的索引信息和调表信息，其中kvOffset指向了具体kv的起始位置，keyLen和valueLen分别用于key和value的读取。
除此之外每个node中还包含了该node所有层级的指针，Height表示当前node的所有层高，后面的h1 ~ h(Height)的位置表示该层该节点的后继节点的指针。如下图所示是论文skip-list的配图，memdb中的node的h1到h(Height)就如图中的垂直方向的指针结构。
2.memdb关键操作
memdb中的所有操作都是通过nodeData进行，也就是说memdb中涉及的插入、查找、删除等都通过调表的数据结构去实现。
2.1 查找函数findGE
findGE用于调表中数据的检索，即检索大于等于key的相关信息，这里有一点值得关注的是preNode的数据结构，该结构就是图skip-list的search path数据，存储了新key的搜索路径，如图插入的17号节点，那么其查询会从最高层进行查询，查询之后，preNode中比17号节点height高的preNode[i]中保存了比17大的后继节点，比17号小的或者等于的记录了17号节点对应层级的前置节点，这为后续的插入提供了层级上节点插入的辅助。
func (p *DB) findGE(key []byte, prev bool) (int, bool) {
node := 0
h := p.maxHeight - 1
for {
next := p.nodeData[node+nNext+h] //+h 表示从Node节点高度为h的层次开始查找
cmp := 1
if next != 0 {
o := p.nodeData[next]
cmp = p.cmp.Compare(p.kvData[o:o+p.nodeData[next+nKey]], key)
}
if cmp < 0 {
// Keep searching in this list
node = next
//当前的kvData中key比目标key小，继续向前查找
} else {
//cmp >= 0, 表示当前值大于等于目标key，则目标key要么替代该位置，要么得插入在当前key的后面
if prev {
p.prevNode[h] = node
} else if cmp == 0 {
return next, true //恰好找到相同的key
}
if h == 0 {
return next, cmp == 0
}
h-- // 按层级查找
}
}
}
2.2 插入函数Put
func (p *DB) Put(key []byte, value []byte) error {
p.mu.Lock()
defer p.mu.Unlock() //mem的数据操作直接通过互斥锁进行并发控制
if node, exact := p.findGE(key, true); exact { // key == node key
kvOffset := len(p.kvData)
p.kvData = append(p.kvData, key...)
p.kvData = append(p.kvData, value...)
p.nodeData[node] = kvOffset
m := p.nodeData[node+nVal]
p.nodeData[node+nVal] = len(value)
p.kvSize += len(value) - m
return nil
}
//插入新key
h := p.randHeight()
if h > p.maxHeight {
for i := p.maxHeight; i < h; i++ {
p.prevNode[i] = 0 //prevNode链接各个层级的node的第一个node
//如果maxHight增加，则新增的preNode的节点指向最底层的数据
}
p.maxHeight = h
}
kvOffset := len(p.kvData)
p.kvData = append(p.kvData, key...) //存储key value数据
p.kvData = append(p.kvData, value...)
// Node 构建node节点
node := len(p.nodeData)
p.nodeData = append(p.nodeData, kvOffset, len(key), len(value), h) //插入索引node信息
for i, n := range p.prevNode[:h] { //p.prevNode的每个元素当前所的node 的key应该 <= newkey
m := n + nNext + i
p.nodeData = append(p.nodeData, p.nodeData[m]) //添加一个新的node节点，保证nodeData始终有足够的节点数存储层级索引
//preNode记录所查找节点的所有前置节点位置
//1.将newNode节点的前置节点的该层指向的位置复制给newNode的第h层
//2.将newNode节点的前置节点的指向改为指向newNode
p.nodeData[m] = node
}
p.kvSize += len(key) + len(value)
p.n++
return nil
}
memdb的其他相关操作也是类似地借助skip-list进行的。
