按缓冲池、写前日志、MVCC 落点、脏页写出与故障模式对照 PostgreSQL、InnoDB、RocksDB 与 WiredTiger；只谈机制与代价，不写未实测延迟排名。

用部署形态、写并发、查询形态与持久化需求收束 SQLite / PostgreSQL·InnoDB / DuckDB / RocksDB 选型；给出站内阅读地图、全系列学术谱系与开放问题，标志 SQLite 内核系列完成。

本文总结了TiKV/HTAP系列的核心内容，包括选型决策树、站内阅读地图及学术谱系。读者可以理解如何选择合适的KV存储，特别是在数据规模、分布式事务和新鲜度要求方面。系列共18篇，探讨了从Region切分到Multi-Raft复制的各个环节，并指出了当前的开放问题，如千万级Region的运维上限和跨Region的可观测性。

> 本文是写作规划，不是可发布正文。拆解对象：RocksDB 主线（facebook/rocksdb 9.x）；LevelDB 1.23 作 fork 基线对照。不写 SQL 教程，不写 storage/32 参数 cookbook 重复，不写 TiKV/Raft 全文。 > > 关联文档：index.md（读者入口）…

本目录为 [RocksDB 内核系列](../index.html) 提供可复现实验脚本。

本文介绍了RocksDB的内核机制及其在存储引擎中的位置和适用场景。作为写优化的LSM引擎，RocksDB适合高写入负载的应用，如TiKV、Flink和Kafka Streams。文章还分析了RocksDB与LevelDB的区别及其在不同系统中的嵌入方式，强调了其在生产环境中的重要性和调优策略。

本文讨论了LevelDB 1.23的架构及其与RocksDB的差异，重点介绍了DBImpl的核心成员、读写路径、后台任务处理以及SST文件与MANIFEST的语义。LevelDB设计简洁，但存在单线程压缩和无列族等限制，这促使了RocksDB的开发，以满足更高的并发和多租户需求。

RocksDB 是 Facebook 基于 LevelDB 的改进版本，专注于多核利用和可观测性。与 LevelDB 相比，RocksDB 引入了多线程后台处理、独立的列族和更强的监控能力，架构演进包括并行化的 Flush 和 Compaction 机制、RateLimiter 限流和 Direct I/O 支持，显著提升了性能和可维护性。

本文探讨了RocksDB的写路径架构，重点介绍了WriteBatch的使用、WAL记录格式及其持久化机制。RocksDB通过Group Commit合并多个写操作，确保数据在崩溃后可恢复。写入顺序为先写WAL，再写MemTable，最后更新序列号。sync选项影响数据持久性，确保已写入的数据不会丢失。文章还对比了RocksDB与LevelDB的不同之处，强调了多线程写入和Column Family的支持。

本文讨论了RocksDB中MemTable的结构与功能，重点介绍了MemTable在写路径中如何与写前日志（WAL）协作，以确保数据的持久性和原子性。MemTable采用跳表实现，支持并发写入，并通过FlushJob将数据写入排序字符串表（SST）。文章分析了MemTable的生命周期、Flush调度及其对性能的影响，强调合理配置write_buffer_size和max_write_buffer_number的重要性，以优化写入效率和减少写放大。

本文讨论了RocksDB的FlushJob和MemTable的刷写过程，介绍了SST文件的结构，包括数据块、索引块和过滤块。阐述了MANIFEST文件的作用，管理SST文件的版本和层级，以及VersionSet的工作机制。最后提到sst_dump工具用于验证SST文件的属性和一致性。

本文探讨了RocksDB的读取路径，重点分析了GetImpl函数的实现。读取过程涉及MemTable、Immutable MemTable和SST文件的查找，使用SuperVersion确保读操作的一致性。详细讨论了Internal Key的设计和sequence number的管理，以确保返回最新版本。此外，提及了Snapshot的管理和合并操作的特殊情况，强调了RocksDB在多版本控制和一致性方面的机制。

本文讨论了RocksDB中Iterator的实现，重点介绍了如何在SuperVersion上进行范围查询。通过多个InternalIterator和MergeIterator的组合，DBIter将多版本的用户键折叠为用户可见的记录，并处理tombstone的可见性。文章详细阐述了NewInternalIterator的构建过程、MergeIterator的堆归并机制以及DBIter的可见性判断，强调了tombstone对扫描性能的影响。

本文讨论了RocksDB的读取性能优化，重点在于Table Cache和Block Cache的作用。Table Cache缓存已打开的TableReader，避免重复打开SST文件；Block Cache缓存数据块，减少I/O开销。使用Bloom Filter和Ribbon Filter可以跳过不存在的键的I/O，Partitioned Index则通过分割大型索引降低读取成本。调参时需综合考虑文件数和缓存策略，以优化读取性能。

本文讨论了RocksDB的Leveled Compaction机制，重点在于如何维护层级结构以优化读写性能。L0层文件重叠会导致读放大，因此需要通过compaction将数据逐层下推，以保持L1及以下层不重叠。文章分析了compaction的触发条件、分数计算及动态层级字节配置，并强调了L0文件数对读放大和写停滞的影响。实验结果表明，短时间内可能看不到compaction，需要延长测试以获取准确数据。

本文讨论了RocksDB中通过层级分数和LevelCompactionPicker控制L0与Size Ratio的机制，介绍了Universal、FIFO和TTL等不同的Compaction策略，以及Write Stall的触发条件和处理方式。重点分析了WriteController的作用，如何通过状态机管理写入延迟和停止，以优化数据库性能。最后强调了通过GetProperty和统计信息监测写入状态的重要性。

本文讨论了RocksDB相较于LevelDB的多线程flush和compaction机制，重点介绍了CompactionJob的生命周期、Env线程池的调度策略以及RateLimiter的工作原理。实验对比了不同速率限制下的写入性能，强调了RateLimiter在控制写入带宽和避免写入阻塞中的重要性，指出RocksDB在多核并行compaction方面的优势。

本文讨论了RocksDB中的列族（Column Family, CF）机制，强调其共享WAL和独立MemTable/SST的特性。CF允许在同一数据库实例中实现多组比较器和独立的压缩策略，以满足不同状态变量的隔离需求。文章还介绍了Flink如何将多种状态变量映射到不同的CF，以优化性能和管理。WAL的回收机制与CF的flush操作密切相关，影响整体性能。

本文讨论了RocksDB的事务机制，包括悲观锁和乐观事务的实现。WriteBatch确保批内原子性，但不处理并发冲突。TransactionDB使用悲观锁进行冲突检测，而OptimisticTransactionDB在提交时检查冲突。WritePrepared优化了两阶段提交的路径。TiKV在分布式层实现事务，RocksDB事务API为本地引擎提供能力，适用于低冲突和高冲突的事务处理场景。

本文讨论了RocksDB的三种数据搬运机制：Checkpoint、BackupEngine和SstFileWriter。Checkpoint通过硬链接创建一致性快照，BackupEngine支持增量备份和跨文件系统恢复，SstFileWriter用于离线生成SST文件。这三种机制在一致性和操作方式上各有不同，适用于不同的生产运维场景。