当数据量超过物理内存容量时，数据库存储引擎面临一个根本性的工程矛盾：B-Tree 的页级组织导致整页缓存与单条记录更新之间的效率损耗，而 LSM-Tree 的顺序写入虽然优化了磁盘 I/O，却引入 compaction 带来的写放大与读放大。Microsoft Research 在 VLDB 2024 发表的 Bf-Tree 试图从根本上解决这一矛盾，其核心洞察是：缓存页不必是磁盘页的镜像。这一看似简单的认识转变，使得 Bf-Tree 在小记录场景下实现了 2.5 倍于 RocksDB 的扫描性能、6 倍于传统 B-Tree 的写入性能，以及两倍于两者的点查询性能。
传统索引结构的困境
理解 Bf-Tree 的设计动机，需要先审视现有方案在更大 - than-memory 场景下的局限性。传统 B-Tree 以 4KB 为基本单位组织数据，这个尺寸恰好匹配磁盘 I/O 的扇区大小，能够充分利用每次磁盘读取来缩小搜索空间。然而，这种页级组织在内存缓存层面产生了严重的效率损耗：当只有几条记录是热点时，整个 4KB 页面必须完整加载到缓存中；同样地，更新一条记录需要将整个页面写回磁盘，导致 4KB 页面的写放大。对于每秒处理数万次写入的工作负载而言，这种写放大可能成为系统的主要瓶颈。
LSM-Tree 通过将随机写入转换为顺序写入来缓解这一问题，但代价是后台 compaction 线程持续进行的数据迁移。Compaction 过程不仅产生显著的写放大，还会在资源竞争激烈的时段影响前台请求的延迟。此外，LSM-Tree 的分层结构意味着一次范围查询可能需要合并多个层次的数据页，带来读放大。B-Tree 和 LSM-Tree 的优化方向本质上是对立的：前者倾向读优化，后者倾向写优化，而 Bf-Tree 的目标是在同一结构中同时优化读写性能。
Mini-Page 抽象的设计原理
Bf-Tree 的创新在于引入 mini-page 这一细粒度抽象，将缓存页与磁盘页彻底解耦。在传统系统中，缓存页是磁盘页在内存中的精确副本，两者尺寸相同、内容一致。Bf-Tree 则将 mini-page 定义为磁盘页的一个子集，这个子集是经过「价值判断」后精选的热记录集合，而非简单的随机采样或完整镜像。这种设计使得缓存可以精确地只保存真正被频繁访问的记录，避免将冷数据占用宝贵的缓存空间。
Mini-page 承担四种相互关联的职责。作为记录级缓存，它比传统的页级缓存更高效地识别和保留热点记录，缓存命中率直接取决于访问模式的局部性程度，而非预定义的页面边界。作为写缓冲区，新写入的记录首先累积在 mini-page 中，直到累积到一定规模或时间窗口后批量刷新到磁盘，这种批处理显著减少了实际的磁盘写入次数。作为动态尺寸结构，mini-page 根据内部记录数量和使用频率自动增长或收缩，这种弹性使得内存使用更加精确，避免了传统固定大小页面的内部碎片问题。作为磁盘回写的最小单位，当 mini-page 过大或过冷时，整个 mini-page 作为原子单元刷新到磁盘，保持了数据的一致性和恢复的简易性。
环形缓冲池与第二机会算法
支撑 mini-page 运作的是 Bf-Tree 的环形缓冲池设计。这个缓冲池与传统 LRU 列表不同，它是一个严格的 FIFO 队列，新分配的 mini-page 进入队尾，当缓冲池满时从队尾淘汰。为了实现近似 LRU 的热点识别能力，Bf-Tree 引入了第二机会区域的概念：位于第二机会区域的 mini-page 在被访问时会被复制到队尾，获得第二次存活机会；如果未被访问就被推进到淘汰区域，则在下次分配时被清除。这种设计避免了复杂的数据结构维护，同时提供了合理的热点识别效果。
当 mini-page 需要增长时，Bf-Tree 采用了复制到更大空间的策略，原有的空间被加入空闲列表供后续分配使用。虽然这引入了复制开销，但相比于可变长度的原地扩展带来的内存管理复杂性，这种方案在工程实现上更加清晰可靠。缓冲池的分配策略经过精心调优，在高并发场景下能够维持稳定的内存占用和吞吐性能。
并发控制与测试验证
Bf-Tree 采用基于锁的并发控制方案，而非无锁设计。作者在设计文档中明确表示，这是一个经过权衡的选择：锁方案更容易实现正确性，同时通过精心设计的锁顺序避免了死锁风险。对于数据库存储引擎而言，正确性永远是第一位的，性能优化必须在确定性正确的前提下进行。为了验证并发正确性，Bf-Tree 使用了 Shuttle 工具进行系统化测试。Shuttle 能够穷举性地探索线程交错的所有可能执行路径，发现那些在特定时序下才会触发的并发 bug。这种确定性测试方法对于存储引擎这类对正确性要求极高的系统至关重要。
此外，Bf-Tree 还部署了模糊测试框架，持续生成随机的操作序列（插入、读取、扫描等），检查系统是否会崩溃或进入不一致状态。这种攻防结合的测试策略确保了原型代码在各种边界条件下的健壮性。
性能边界与适用场景
Bf-Tree 的性能优势在小记录场景下最为明显。论文中的基准测试使用约 100 字节的记录，这正是许多数据库二级索引的典型数据量。在这个场景下，Bf-Tree 相比 RocksDB 扫描快 2.5 倍，相比传统 B-Tree 写入快 6 倍，点查询相比两者均快 2 倍。然而，对于大记录场景，Bf-Tree 的优势会显著缩小，因为大记录本身就具有较好的 I/O 效率，mini-page 带来的细粒度优化收益有限。
Bf-Tree 的另一个重要假设是现代 SSD 的并行读写特性。在传统 HDD 上，随机读写和顺序读写的性能差距巨大，因此 LSM-Tree 的顺序写入策略至关重要。但现代 NVMe SSD 的随机 4KB 写入吞吐量已经接近顺序写入，这消除了 LSM-Tree 的核心优势，使得 Bf-Tree 的设计成为可能。对于仍在使用较旧 SSD 或 SATA SSD 的环境，Bf-Tree 可能无法发挥其设计潜力。
工程实践参数
对于考虑采用 Bf-Tree 的工程团队，以下参数值得特别关注。cb_min_record_size 配置项控制最小记录尺寸阈值，根据实际数据分布调整此参数可以优化缓存效率。性能基准测试建议启用大页（MIMALLOC_LARGE_OS_PAGES=1）和 NUMA 节点绑定（numactl --membind=0 --cpunodebind=0），这些底层优化能够释放更多的硬件性能。基准测试框架可通过 env SHUMAI_FILTER="inmemory" 筛选内存模式测试，排除 I/O 子系统的干扰。
值得注意的是，Bf-Tree 目前仍是研究原型，尚未在生产环境大规模部署。但其核心设计思想 —— 环形缓冲池和 mini-page 抽象 —— 与 Microsoft 内部已投产的 FASTER 系统的 hybrid log 结构高度相似，这为 Bf-Tree 的生产可行性提供了有力背书。
局限性与演进方向
Bf-Tree 的设计文档坦诚地列出了几个已知局限。首先，对磁盘页的原地写入可能加重 SSD 的垃圾回收负担，未来可以考虑对磁盘层采用 log-structured 写入策略。其次，当前的淘汰策略相对简单，更高级的策略可能进一步提升缓存命中率并减少复制开销。从系统架构角度看，依赖 OS 线程进行 I/O 交织并非最优，用户空间异步 I/O（如 tokio）可能是更好的选择。Lock-free 版本的实现虽然工程难度更高，但可能为追求极致性能的场景提供额外收益。
更长远地看，Bf-Tree 的设计可以自然地适配新兴硬件趋势。CXL 内存的普及将模糊内存与存储的边界，RDMA 网络使得远程访问延迟接近本地访问，持久性内存（PM）提供了介于 DRAM 和 SSD 之间的新介质。在这些硬件演进路径上，Bf-Tree 的 mini-page 抽象和缓存解耦思想可能具有持久的参考价值。
资料来源
- Bf-Tree 论文（VLDB 2024）：https://vldb.org/pvldb/vol17/p3442-hao.pdf
- Microsoft Bf-Tree 开源实现：https://github.com/microsoft/Bf-Tree
- Bf-Tree 设计文档与社区讨论：https://github.com/XiangpengHao/bf-tree-docs