5.2 Compaction 三大策略对比

5.2 Compaction 三大策略对比：三家搬运公司的报价单

本节摘要：层级式、通用式、先进先出，三种压缩策略像三家报价结构完全不同的搬运公司：层级式按次搬运、秩序最好、单价最高；通用式按需拼车、单价温和、但车上常年塞着重叠行李；先进先出式不搬运只淘汰，专做有时效的生意。本节把三家的报价单并排摊开——写放大、读放大、空间放大各收多少，参数抓手在哪，什么负载该签哪家的合同。

三家公司的报价单

上一节说过，策略选择的本质是替负载挑一个最不心疼的亏法。这话要成立，前提是你看得懂各家的报价单。我们把三本放大账当成三种收费：写放大是搬运费，读放大是查询时的开门费，空间放大是仓储费。三家公司给你的套餐完全不同，没有一家能三项全免。

先给一个总判断，再去细看：读多写少、要预算可控，签层级式；写入凶猛、读路径宽容，签通用式；数据自带保质期、过期即无效，签先进先出式。 三个名字对应的配置枚举分别是层级压缩、通用压缩、先进先出压缩，按列族配置，一个实例里可以多列族各签各家。

层级式：秩序最好，搬运费最贵

层级式是默认策略，气质像一位恪守章程的会计：每个文件入账后必须放到严格有序的层级里，层内文件键范围互不重叠，层与层之间容量十倍递增。零层是新账，满四笔就往一层归并；一层超容就挑文件向二层搬，如此类推。

它的报价特点来自「层内无重叠」这条铁律：一次点查在每层至多翻一个文件，布隆过滤器再打折，读放大的上界清晰可算；每层容量有明确上限，磁盘占用可以提前预算——理论空间放大上界约二点一倍，一 TB 有效数据顶多占二点一 TB 盘。这两条让它在读敏感、要容量规划的负载里几乎无可替代。

代价写在搬运费上：一笔数据从零层沉到最深层，每层几乎完整重写一遍，写放大轻松过十。另一个隐患是停顿风险：深层归并一时消化不完，上层积压，三道闸门就开始刹车。默认参数对写密集负载偏保守，靠调参能缓解但翻不了盘——层级式的写放大是结构性的，调参只是讨价还价，不是改商业模式。

通用式：按需拼车，仓储费偏贵

通用式换了一套商业逻辑：不搞严格层级，所有文件按大小排序共处一层，归并由「邻居协商」触发——新刷出的文件和大小相近、重叠够多的邻居拼成一车，合并成一个更大的文件，再等下一轮拼车。它的触发条件看两个比值：相邻文件大小比例达到阈值（常见配置二成左右），或者重叠文件的总大小不超过若干倍，就发车。

拼车模式省搬运费：一笔数据不再逐层重写，而是搭着批量归并的便车一次沉底，写放大常能压到层级式的几分之一，写入曲线也平稳——没有「某层超容」这种全局性触发，停顿天然少。代价在仓储：拼车前新旧文件长期共存，同一份数据的有效副本和过期副本同时在库，空间放大明显抬头；读路径也要翻更多重叠文件，靠布隆过滤器兜底。它适合写吞吐是一号矛盾、读延迟要求宽松、磁盘买得起的负载——时序采集、日志汇聚、消息索引这类「写得狠、读得少」的业务。

先进先出式：不搬运，只淘汰

第三家最极端：根本不搬运。所有新文件堆在第一层，堆到总容量上限就把最老的文件整批扔掉，数据寿终正寝。没有归并就没有写放大（除刷盘外接近于零），没有层级就没有停顿，实现简单到近乎任性。

它只有一种合法生意：数据自带保质期，过期即无效。监控样本、会话流水、时效性缓存落盘，这类数据「新的一定比旧的有价值」，整批淘汰完全不伤业务。签它家合同的前提是承认数据会被物理丢弃——通用负载拿它当默认策略，等于把仓库租给了碎纸机。容量阈值就是它的空间放大上限，账目倒是出奇地好算。

图5-2 三种策略的文件形状与账目对比

签约前的尽调清单

报价单之外，签约前要做的尽调就三件事。第一，量化自己的读写比例与延迟承诺：把点查 P99 的服务目标、写入吞吐峰值、可接受的空间冗余三组数字写下来，任何一组缺失，策略选择就是拍脑袋。第二，做对照基准：引擎自带的基准工具支持指定压缩策略跑同一份负载，把三本放大的实测数字拿出来比，比任何经验文章都可靠。第三，检查配套参数是否跟着策略走：零层触发数、文件目标大小、触发比值这些参数在三种策略下含义不同，换了策略不换参数，等于签了新合同还按旧价目表付钱。

三个常见误判

报价单之外，选型讨论里反复出现三个误判，值得逐个纠正。

误判一：「写入快的策略读一定慢」。通用式的读放大高于层级式是对的，但高多少取决于布隆过滤器与缓存的质量——第 6 章的两张折扣券打完折，不少点查型负载在通用式下的读延迟与层级式相差无几。用「理论形状」推「实际账单」会得出过于悲观的结论，基准实测才是准数。

误判二：「层级式是默认所以最安全」。默认值对默认负载成立；写入持续高于消化能力的负载，层级式的停顿风险反而是最大的安全隐患。安全与否看负载形态，不看出身。

误判三：「策略定了就不能换」。列族的压缩策略可以在线调整，新写入按新策略组织，旧数据在后续归并中逐步迁移——换策略是渐进过程而非一刀切。真正要慎重的是换策略后的观察期：两套形状并存期间，读放大的波动是正常现象，别在过渡期里下结论。三个误判合起来是一句话：策略是负载的函数，不是信仰的分支——一切以自己负载的实测数字为准。

再把三家的关键参数并成一表，便于签约时逐项核对：

本节要点

• 选型讨论先对表再站队：三份报价单、一张参数表、三个误判，够开一场有据的评审会；

• 策略选择是挑亏法：层级式亏在搬运费，通用式亏在仓储费，先进先出式只适合有时效的数据；

• 层级式读放大最低、空间可预算、写放大结构性偏高，读敏感与容量规划敏感负载的首选；

• 通用式写放大低、写入曲线平稳，代价是重叠副本推高读与空间的账，写凶读宽业务的生意；

• 先进先出式接近零搬运，专伺候过期即无效的数据，通用负载误用等于租了个碎纸机；

• 多列族可混合签约，按账本分而治之；换策略后必须重做基准，旧参数别带进新合同。