SlateDB迭代器重构：统一MemTable与SST的合并访问模式

在键值存储引擎SlateDB的开发过程中，迭代器作为核心数据访问抽象层，其设计直接影响系统性能与扩展性。当前版本存在MemTable与Block迭代器实现割裂的问题，亟需架构级重构。本文将深入探讨技术方案选型与异步化设计策略。

现状与挑战

当前SlateDB存在三类迭代器实现差异：

1. MemTable使用标准Rust迭代器Iter<Bytes, Bytes>
2. 块数据访问采用自定义BlockIterator
3. SST文件层尚未实现迭代器抽象

这种碎片化实现导致：

• 合并查询逻辑复杂化
• 无法实现统一的Range Scan API
• 未来扩展新存储引擎成本高

统一迭代器架构设计

核心接口定义

采用分层设计思想，同时提供底层控制和高层便利接口：

pub trait RawIterator {
    fn seek(&mut self, key: &[u8]) -> Result<()>;
    fn key(&self) -> &[u8];
    fn value(&self) -> &[u8];
    fn next(&mut self) -> Result<()>;
    fn valid(&self) -> bool;
}

pub trait AsyncKeyValueIterator {
    async fn next(&mut self) -> Option<KeyValuePair>;
}

关键技术决策

1. 异步化设计：

   • 仅对next()方法异步化，平衡性能与复杂度
   • 支持远程对象存储的按需加载
   • 避免全量预加载导致的启动延迟

2. 内存效率优化：

   • 使用Bytes替代Vec<u8>减少拷贝
   • 零成本抽象保证内联优化

3. 合并迭代器实现：

   pub struct MergeIterator {
       iters: Vec<Box<dyn RawIterator>>,
       current: usize,
   }
   

   采用最小堆维护多个数据源的有序合并

工程实践要点

1. 错误处理：

   • 区分I/O错误与数据损坏错误
   • 实现错误传播保证数据一致性

2. 生命周期管理：

   • 使用Pin<Box<dyn AsyncIterator>>处理自引用结构
   • 明确迭代器失效条件

3. 性能优化：

   • 预取策略减少IO等待
   • 批处理模式降低异步调度开销

未来演进方向

1. 支持反向迭代(Prev操作)
2. 实现细粒度的迭代器状态快照
3. 自动感知存储层级的热点数据

该重构方案已通过核心团队评审，即将进入实施阶段。统一后的迭代器架构将使SlateDB具备更强大的查询能力和存储引擎扩展性。