嗨，无聊么
磁盘数据库(DRDB) 需要频繁地访问磁盘来进行数据的操作，由于对磁盘读写数据的操作一方面要进行磁头的机械移动，另一方面受到系统调用（通常通过CPU中断完成，受到CPU时钟周期的制约）时间的影响，当数据量很大，操作频繁且复杂时，就会暴露出很多问题。 内存数据库数据处理速度比传统数据库的数据处理速度要快很多，一般都在10倍以上。
典型的磁盘数据库就是最常用的 Oracle，Mysql，Mongodb、postgresql等。
支持ACID事务特性，数据完整性好
数据库可用性高
发展时间较长，产品及配套工具成熟度高
磁盘数据库缺点
需要缓冲处理，占用大量系统资源
数据存取速度慢
数据存取时间不一致，且难以预测
对数据读写性能要求不高的常规场景
磁盘数据库和内存数据库，在安全和性能方面各有优劣。因此许多企业为满足多重约束， 主要采取“磁盘数据库+内存数据库”配套使用的解决方案，分别处理冷热数据。
数据集成和应用集成是组织利用来自不同系统的数据的方法，但它们满足不同的需求。它们经常被错误地视为相同，然而应用程序集成和数据集成的概念有很大的不同，尤其是在它们的使用方式和用途方面。
数据集成是集成两个或多个数据库数据的过程(process)。关注于管理数据流，并且每个标准化的信息获取方式；是面向批处理的，它处理静态数据。换句话说，数据集成是对应用系统已产生并“落地”后的数据进行感知、抽取、传输、处理、加载到目标库的整个过程，即数据集成的任务开始时，源端应用系统的数据产生过程已完成了。
数据集成领域还包括一些特殊的应用场景，如异构数据库间的复制同步(即按事务边界实时复制Replicate)、 CDC(日志DML、DDL获取及同步)、 数据文件(txt、csv、excel等)加载数据库、以及非结化文件交换传输(文件目录、FTP、HDFS)等应用场景。
应用集成是指两个或多个应用之间的协同处理过程(process)。在两个或多个应用程序之间创建连接器，以确保它们可以一起运行。应用程序集成过程涉及实时处理小数据集；这使公司能够在与性能相关的问题、新信息等出现时加快响应速度。
定义：Log-Structured Merge Tree，简称 LSM-Tree.
遥想当年，谷歌发表了 “BigTable” 的论文， 它所使用的文件组织方式，这个方法更一般的名字叫 Log Structured-Merge Tree。
LSM是当前被用在许多产品的文件结构策略：比如 Apache HBase, Apache Cassandra, MongoDB 的 Wired Tiger 存储引擎, LevelDB 存储引擎, RocksDB 存储引擎等、 SQLite,甚至在mangodb3.0中也带了一个可选的LSM引擎（Wired Tiger 实现的）。
LSM 有趣的地方是他抛弃了大多数数据库所使用的传统文件组织方法，LSM把一棵大树拆分成N棵小树，它首先写入内存中，随着小树越来越大，内存中的小树会flush到磁盘中，磁盘中的树定期可以做merge操作，合并成一棵大树，以优化读性能。将对数据的修改增量保持在内存中，达到指定的大小限制后将这些修改操作批量写入磁盘，不过读取的时候稍微麻烦，需要合并磁盘中历史数据和内存中最近修改操作，所以写入性能大大提升，读取时可能需要先看是否命中内存，否则需要访问较多的磁盘文件。
简单地说，LSM 的设计目标是提供比传统的 B+ 树更好的写性能。LSM 通过将磁盘的随机写转化为顺序写来提高写性能 ，而付出的代价就是牺牲部分读性能、写放大（B+树同样有写放大的问题）。
从上图中我们可以直观的看出来，顺序读写磁盘（不管是SATA还是SSD）快于随机读写主存，而且快至少N个数量级。这就要我们在设计的时候要避免随机读写，最好是顺序读写。通常LSM-tree适用于索引插入比检索更频繁的应用系统。 而LSM-tree通过滚动合并和多页块的方法推迟和批量进行索引更新，充分利用内存来存储近期或常用数据以降低查找代价，利用硬盘来存储不常用数据以减少存储代价。
所有的方法都可以有效的提高了读操作的性能，都强加了总体的结构信息在数据上，数据被按照特定的方式放置，可以很快的找到特定的数据，但是却对写操作不友善，让写操作性能下降。更糟糕的是，当我们需要更新hash或者B+树的结构时，需要同时更新文件系统中特定的部分，这就是上面说的比较慢的随机读写操作。
LevelDB 为代表的 LSM 存储引擎实现的是优化后的 LSM，LevelDB 的写速度非常快，写操作主要由两步组成：
基本的思路与原始的LSM类似，memtable 写“满”后，会转换为 immutable memtable，然后被后台线程 compaction 成按 Key 有序存储的 sst 文件（顺序写）。由于 sst 文件会有多个，所以 LevelDB 的读操作可能会有多次磁盘 IO（LevelDB 通过 table cache、block cache 和 bloom filter 等优化措施来减少读操作的磁盘 IO 次数）。
参考链接: http://www.benstopford.com/2015/02/14/log-structured-merge-trees/