LinkedIn开源了PalDB，一个可嵌入的键值对存储数据库，比LevelDB快8倍，并且内存占用比hashset少数个量级。

PalDB是一个由LinkedIn开源并使用Java编写的一次写入键值存储数据库。当存储创建后所有的操作都是禁止的，它是只读的。这样做的目的是提升读操作的性能并降低内存占用。LinkedIn的建议是使用它来存储side data，他们对于side data的定义是“一个过程以完成其工作而需要的额外的只读数据。例如，被自然语言处理算法所使用的一系列已经停止使用的词汇就是side data”。

PalDB是可嵌入的，它不使用模式并将数据保存在二进制文件之中。它提供了随机数据访问的API。

据LinkedIn所说，它优化了读操作，性能可与类似于HashMap和HashSet这样的常驻内存的数据结构一较高下，同时需要的内存显著减少，这些特性是公司在设计它时苦苦追求的。例如，一个含有100M键的hashset需要超过500MB的内存而PalDB只需要大约80MB。或者，35M个用户ID使用hashset存储需要1.8GB的内存而PalDB只需要290MB。在PalDB中使用Snappy来压缩数据的话将会使用更少的内存。

在速度方面，LinkedIn的性能测试显示PalDB拥有2M读/秒的性能，或者说比HashSet快6倍，比LevelDB或RocksDB快8倍，这个测试环境是MacBook Pro 3.1 GHz和一个10M-键索引。

PalDB优化了存储访问。将数据存储在磁盘上将会导致相当差的表现。尽管没有限制数据的大小，索引的大小限制为2GB。此外，重要的是要知道PalDB不是线程安全的。

查看英文原文：LinkedIn Open Sources PalDB, a Read-only Key-value Store