有人了解过梁博的 THUIRDB 这个东东吗？每秒查询 112 万次，美军在用。

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 2176 天前的主题，其中的信息可能已经有所发展或是发生改变。

这两天刚刚文本细读研究了一下梁博的微博，发现了这么个好东西。据说梁博的爬虫底层也是用这个数据库的。梁博之后也没再分享了。但是看美军据说在用？

2013-01-08 单机，从空库开始，插入 1 亿条微博长度的 key-value paire，耗时 5m26s，每秒插入 30 万条，把这 1 亿条微博随机 query 出来，并写入磁盘，耗时 1m29s，每秒查询 112 万次。很快就要发布和大家见面啦，这次不采用 THUIRDB 的推广方式，我们换个花样。对了这个 DB 的名字，马老师钦定叫#THUIRDB-D#。D 表示动态的意思
回复 @果栋布丁: THUIRDB 是单机 100 亿。。可执行程序的 size，压缩比，速度，都完胜 leveldb 的。现在 thuirdb 已经在微博寻人上经受了很多考验，时机成熟我就开放自由使用，开源尚无时间表，因为现在开源，也没有意义，没有 feel。。 //@果栋布丁:和梁总的比呢? 梁总的也开源吧。 @梁斌 penny
2011-06-25 有 server-client 概念的 DB 是 TT，MemcacheDB，Redis，Mongodb 等 include 一个.h 文件，link 若干.lib 的内嵌概念的 DB 应该是 BDB，TC，LevelDB，THUIRDB 等。要把这两票人马分开
2011-05-24 前方捷报传来，查询速度提升 250%（ 2.5 倍）（ 10 万量级搜索耗时由 0.268 降低到 0.076s，不计读盘时间），解压速度十分给力。索引结构压缩方面，由 45k 降低到 24k，在此前压缩的基础上，再压掉 46%(21/45)。详细大数据量测试结果等 @THUIRDB 给出。理论上 100 亿条数据的索引差不多能从 2.5G 降低到 1.35G 。
2011-05-16 祝你成功 //@THUIRDB:另外 THUIRDB 做库过程可以看做是线性，非常快，我真希望有这么一个环境能够让我做这种顶峰体验啊 //@THUIRDB:假定一个 100 亿量级的数据集，那么索引不会超过：10G*3bit/8=3.75GB，也就是我曾说的，在一个 4G 内存的服务器上，可以支撑 100 亿的 KV 查询，每次查询只 touch 一次磁盘。
2011-05-15 今天差不多了，该回家了 //@THUIRDB:BDB 设了 3.5G 内存的 cache，做库时一直在内存中，最后才写库，因此很快，特此说明。
2011-05-15 转 //@THUIRDB:库文件小于原始语料，意味着可以在更大程度上让数据库能换入内存，例如如果一台测试机是 1G 内存，则 thuirdb 可以很容易全部加载进内存，而其他数据库，则存在部分无法加载到内存，这样总会有一定比例的数据去磁盘中读，速度必然慢。

其他线索摘抄到 pastebin 上了 https://pastebin.com/vyBnn3KV

thuirdb

内存

梁博

查询

13 条回复 • 2018-12-10 13:19:49 +08:00

KasuganoSoras

2018-12-09 22:38:52 +08:00 via Android

没了解过
打破 0 回复惨案

hugee

2018-12-09 22:43:14 +08:00 via Android

不认识，不了解，不过听起来很牛逼的样子。

chinvo

2018-12-09 23:03:44 +08:00

从来没听说过，稍微调查了下

50,000 us dollars for a company

并不提供个人授权

而且之前多次谈到开源也没实施

Mohanson

2018-12-10 01:18:44 +08:00 via Android

美军…美军…美军…

Solace202

2018-12-10 07:37:48 +08:00 via Android

只认识那个唱《男孩》、《日落大道》的梁博。。。

donyee

2018-12-10 08:40:32 +08:00

没有经过大规模战役检验，你也敢拿来使用；自己研究的话应该可以；（流泪...

dengtongcai

2018-12-10 08:51:45 +08:00 via iPhone

只知道 leveldb …

dengtongcai

2018-12-10 08:52:21 +08:00 via iPhone

再说收费的也没机会接触😂

iden

2018-12-10 09:52:59 +08:00

这是清华大学 IR 组的项目之一： http://www.thuir.cn/funding/

iden

2018-12-10 09:55:47 +08:00

这个组在 SIGIR 上还获得过 student best paper award，在 IR 领域是很牛的组了。

shellcodecow

2018-12-10 10:04:30 +08:00

我连发音都读不出来. 算了

chickplilita

2018-12-10 10:19:47 +08:00

@iden #10 牛

hearfish

2018-12-10 13:19:49 +08:00

https://github.com/pennyliang/social/blob/master/thuirdb/thuirdb.h

“ The most siginfication constrain of Thuid-db is that it cann't support inserting keys after building, and the second constain of it is inserting must make sure that the key is ascending.”

不说别的，这就是个基于树的查找吧，还是不可更改内容的那种

有人了解过梁博的 THUIRDB 这个东东吗？ 每秒查询 112 万次，美军在用。

有人了解过梁博的 THUIRDB 这个东东吗？每秒查询 112 万次，美军在用。