在写文章方面，惰性心理无时无刻不折磨着我，文章的标题已经列在那里很长时间，可是我就是不愿意打开，不愿意把心中所想描绘出来。类似的情况可能也折磨着很多的其他同学。虽然jackrabbit是一个小众的框架，看的人和想看的人非常的少，但是其中确实包含了很多值得我们学习和研究的技术和实现，当然也有很多不足，需要我们去改进。所以我强迫自己继续写下去。
上一篇文章讲到高亮和及时搜索的问题，在文章的最后我也提出了一些问题，就是如果将高亮去掉，那么势必会带来一个问题，那就是小文本文件的存储问题，一般有大型网络经验的人都知道，小文本存储在磁盘上，读取性能是非常低的，原因就是当前的磁盘的构造决定的。
当前市面的磁盘由磁头和磁片组成，数据都通过磁头写到磁片上，而写在磁片上又是根据磁道来划分，如果我们的小文件是单独存储的，那么一个磁头会将它们写在不同的磁道上，下次在读取的时候，磁头就需要不停的寻道，找到它想读取到的文件。寻道有两个过程，第一个是找到正确的磁道，而第二个过程是找到磁道上正确的起始位置。尤其是第一过程，寻道过程在大并发的情况下，磁头需要不停的进行寻道的工作，这个寻道是非常的消耗时间的。
所以小文件存储讲究的合并，即将小文件合并成大文件。
同样，在jackrabbit中，由于二进制文档数据被提取之后，是放到索引文件的，所以带来的一个问题是索引文件的大小成倍增加，在索引同步的时候，代价明显增大，这一点ahuaxuan在前文中也有较为相信的描述。而现在，我们就是要解决这个问题，提取之后的文本数据究竟应该放在什么地方。
是单独放在目录里面吗？对目录进行分级，一般多个大文件，比如视频文件之类的都会采取这种做法。对于一个平均长度是100kb-200kb的文本数据来说，如果也采取目录分级的方法来存放的话，那势必会存在非常多的这种文件，一旦又涉及到集群，那么对于jackrabbit来说，这一定是一场噩梦。
最好的方法是能够将这些小文件存储到一个大文件中，而且可以通过nodeid直接取到这样的小文本。这个时候我们就自然而然的想到使用key-value数据存储系统。比如市面上有tc,bdb,等等，但是他们都是local的，还是做不了数据的共享，无法使用到集群的场景下，一个clustorNode的数据无法和其他clustorNode共享。
这个时候我们又自然而然的想到memcachedb, tt+tc, mina+bdb.通过在local的key-value存储系统上套一个socket服务，一个local的key-value存储系统变成了一个remote的key-value系统，任何人都可以调用它们的服务。即使是在集群的环境下，也没有问题了。
大的方向确定之后，就是做各种性能测试。第一个排除的是memcachedb，之前有人跟我讲它的性能不是很好，我还不相信，经过自己的一轮测试下来，发现，在100kb文本的情况下，50000次save操作，耗时超过了我吃饭的时间。调整参数之后再测，稍微快一点，但是还是太慢了，有空整理一下我的测试结果。
为了确保bdb没有这么差的性能，我开始测试java版本的bdb在100k文本下的性能，经过多次测试，在我这块7000转的磁盘上，每秒钟的写入速度可以达到23m/s,读取速度38m/s，每秒钟读取100kb文本可以到350requests/second，这证明bdb是没有问题的。
那么memcachedb不够快应该是其本身的问题（当然也不排除我的参数配置不准确，即使不准确，也不应该差这么多）。
于是，我自定义了一个简单二进制协议，用mina+bdb,实现java版本的memcachedb，同样的测试，结果为写入14m/s,读取17m/s，每秒平均请求数为150 requests/s.
显然，这里有很大的优化的余地。至少网络io上不应该成为瓶颈。而且可以大胆的预测，在真正的存储系统中，磁盘将会是主要性能瓶颈。支持多磁盘的key-value存储系统可以有效的提高系统的整体读写性能。
同样我也测试过tc+tt，50000次100kb的save，耗时1300秒，在大文本的情况下性能也不咋滴。而且它还不支持多磁盘。更正，上面的结果是受网络环境的限制。我的测试网络带宽一会4m,一会20m,晕倒，等会把测试代码放到tc+tt server上测试
同时也希望使用过memcachedb存储大文本的同学出来说说它的性能到底如何。
上一篇文章讲到高亮和及时搜索的问题，在文章的最后我也提出了一些问题，就是如果将高亮去掉，那么势必会带来一个问题，那就是小文本文件的存储问题，一般有大型网络经验的人都知道，小文本存储在磁盘上，读取性能是非常低的，原因就是当前的磁盘的构造决定的。
当前市面的磁盘由磁头和磁片组成，数据都通过磁头写到磁片上，而写在磁片上又是根据磁道来划分，如果我们的小文件是单独存储的，那么一个磁头会将它们写在不同的磁道上，下次在读取的时候，磁头就需要不停的寻道，找到它想读取到的文件。寻道有两个过程，第一个是找到正确的磁道，而第二个过程是找到磁道上正确的起始位置。尤其是第一过程，寻道过程在大并发的情况下，磁头需要不停的进行寻道的工作，这个寻道是非常的消耗时间的。
所以小文件存储讲究的合并，即将小文件合并成大文件。
同样，在jackrabbit中，由于二进制文档数据被提取之后，是放到索引文件的，所以带来的一个问题是索引文件的大小成倍增加，在索引同步的时候，代价明显增大，这一点ahuaxuan在前文中也有较为相信的描述。而现在，我们就是要解决这个问题，提取之后的文本数据究竟应该放在什么地方。
是单独放在目录里面吗？对目录进行分级，一般多个大文件，比如视频文件之类的都会采取这种做法。对于一个平均长度是100kb-200kb的文本数据来说，如果也采取目录分级的方法来存放的话，那势必会存在非常多的这种文件，一旦又涉及到集群，那么对于jackrabbit来说，这一定是一场噩梦。
最好的方法是能够将这些小文件存储到一个大文件中，而且可以通过nodeid直接取到这样的小文本。这个时候我们就自然而然的想到使用key-value数据存储系统。比如市面上有tc,bdb,等等，但是他们都是local的，还是做不了数据的共享，无法使用到集群的场景下，一个clustorNode的数据无法和其他clustorNode共享。
这个时候我们又自然而然的想到memcachedb, tt+tc, mina+bdb.通过在local的key-value存储系统上套一个socket服务，一个local的key-value存储系统变成了一个remote的key-value系统，任何人都可以调用它们的服务。即使是在集群的环境下，也没有问题了。
大的方向确定之后，就是做各种性能测试。第一个排除的是memcachedb，之前有人跟我讲它的性能不是很好，我还不相信，经过自己的一轮测试下来，发现，在100kb文本的情况下，50000次save操作，耗时超过了我吃饭的时间。调整参数之后再测，稍微快一点，但是还是太慢了，有空整理一下我的测试结果。
为了确保bdb没有这么差的性能，我开始测试java版本的bdb在100k文本下的性能，经过多次测试，在我这块7000转的磁盘上，每秒钟的写入速度可以达到23m/s,读取速度38m/s，每秒钟读取100kb文本可以到350requests/second，这证明bdb是没有问题的。
那么memcachedb不够快应该是其本身的问题（当然也不排除我的参数配置不准确，即使不准确，也不应该差这么多）。
于是，我自定义了一个简单二进制协议，用mina+bdb,实现java版本的memcachedb，同样的测试，结果为写入14m/s,读取17m/s，每秒平均请求数为150 requests/s.
显然，这里有很大的优化的余地。至少网络io上不应该成为瓶颈。而且可以大胆的预测，在真正的存储系统中，磁盘将会是主要性能瓶颈。支持多磁盘的key-value存储系统可以有效的提高系统的整体读写性能。
同样我也测试过tc+tt，50000次100kb的save，耗时1300秒，在大文本的情况下性能也不咋滴。而且它还不支持多磁盘。更正，上面的结果是受网络环境的限制。我的测试网络带宽一会4m,一会20m,晕倒，等会把测试代码放到tc+tt server上测试
同时也希望使用过memcachedb存储大文本的同学出来说说它的性能到底如何。
