从 relly 看 RDBMS：一张图理清关系型数据库的完整架构

从 relly 看 RDBMS：一张图理清关系型数据库的完整架构

【免费下载链接】rellyRDBMS のしくみを学ぶための小さな RDBMS 実装项目地址: https://gitcode.com/gh_mirrors/re/relly

提到关系型数据库（RDBMS），很多人第一反应是 MySQL、PostgreSQL 这些动辄百万行代码的庞然大物，很难从零读懂。relly 正是为解决这个问题而生——一个用于学习 RDBMS 原理的迷你关系型数据库实现，用 Rust 编写，代码量精简到可以通读，却完整覆盖了存储引擎、缓冲池、B+ 树索引、元组编码和查询执行等核心环节。本文将以 relly 为解剖样本，帮你用一张图理清关系型数据库的完整架构，从磁盘到查询，层层拆解。

一张表看懂关系型数据库的五大核心模块

在深入代码之前，先建立整体认知。一个典型的关系型数据库架构可以自上而下拆成五层：

💡 理解这张分层图，你就掌握了 80% 的数据库原理框架。接下来我们自底向上，逐层看 relly 是如何实现的。

第一层：磁盘管理——数据如何在底层落盘

所有数据最终都要存到硬盘上。关系型数据库不直接读写"行"，而是以固定大小的**页面（Page）**为单位。relly 中每个页面的大小是 4096 字节（PAGE_SIZE），磁盘文件被抽象成一个"堆文件"，页面按编号顺序排列。

src/disk.rs 中的DiskManager只做三件事：

• allocate_page：分配新页面编号
• read_page_data/write_page_data：按页号定位并读写数据
• sync：把数据真正落盘

这是关系型数据库架构中最朴素的起点：一切持久化，最终都是对页面的读写。

第二层：缓冲池——数据库的"内存缓存"

如果每次读写都直接访问磁盘，性能会惨不忍睹。所以 RDBMS 都有一个缓冲池（Buffer Pool），把热点页面缓存在内存中。

src/buffer.rs 中，BufferPoolManager负责维护"页面号 → 缓冲帧"的映射表，BufferPool则用类似 Clock 时钟置换算法淘汰不常用的页面（对应evict方法）。当页面被修改时会标记is_dirty，换出时才写回磁盘——这就是经典的延迟写回（write-back）策略。

这也是为什么 MySQL 的innodb_buffer_pool_size越大、数据库往往越快的根本原因。🍀

第三层：B+ 树索引——关系型数据库查询的加速引擎

索引层是整个存储引擎的灵魂。relly 用一整套模块实现了标准的 B+ 树：

• src/btree/node.rs：区分叶子节点（LEAF）与分支节点（BRANCH）
• src/btree/branch.rs：内部节点，负责按 key 路由到子节点
• src/btree/leaf.rs：叶子节点，存放真正的 (key, value) 数据，并通过prev/next指针串成链表，方便范围扫描
• src/btree/meta.rs：记录根页面编号
• src/btree.rs：对外提供insert、search和迭代器

B+ 树的插入过程很有意思：节点满了就分裂（split），分裂一路向上传播，根满了就长高一层——这正是关系型数据库索引自动增长的方式。在 src/btree.rs 的insert_internal中，你能完整看到"先插叶子、满了分裂、向上传溢出键、根满则新建根"的完整流程。

以 examples/btree-range.rs 为例，只需几行代码就能体验 B+ 树的范围查询：

let btree = BTree::new(PageId(0)); let mut iter = btree.search(&mut bufmgr, SearchMode::Key(b"Gifu".to_vec()))?; while let Some((key, value)) = iter.next(&mut bufmgr)? { println!("{:02x?} = {:02x?}", key, value); }

第四层：表与元组——记录是如何被编码的

有了索引，还要解决"一条记录怎么存"的问题。relly 把一行数据拆成**主键（key）和其余列（value）**两部分，分别编码后存入 B+ 树。

• src/tuple.rs：通过encode/decode把多列数据编码成可比较的字节串
• src/table.rs：SimpleTable负责基础建表与插入；Table更进一步，支持多个UniqueIndex唯一索引

看到 examples/simple-table-create.rs 你会发现，创建一张表、插入几条记录，只需要调用create和insert两个方法——但背后其实是 B+ 树的一次次分裂与合并。

第五层：查询执行——SQL 背后的秘密

最上层是查询执行。relly 实现了经典的关系型数据库火山模型（Volcano Model）：每个执行器都有next()方法，逐条吐出元组，上层可以自由组合。

src/query.rs 提供了四种执行器：

• SeqScan：全表顺序扫描，配合while_cond实现区间扫描
• Filter：过滤条件，跳过不匹配的记录
• IndexScan：先查辅助索引拿主键，再回表取完整记录
• IndexOnlyScan：索引覆盖，无需回表，性能最优

📌 你有没有想过：为什么给查询列建了索引就变快？因为优化器可以把SeqScan换成IndexScan，把全表扫描变成 B+ 树的快速定位。relly 里的Filter、IndexScan就是这一逻辑的最小可运行模型。

如何快速上手运行 relly

想亲手体验关系型数据库的底层运行？克隆仓库后即可开始：

git clone https://gitcode.com/gh_mirrors/re/relly cd relly cargo run --example simple-table-create cargo run --example btree-range

项目还提供了 examples/ 目录下十余个可运行示例，覆盖建表、精确查询、范围查询、大数据量压测等场景，配合 README.md 即可按图索骥。唯一的前置要求是安装 Rust 工具链。

结语：从 relly 看 RDBMS，一图胜千言

回到开头那张分层图：磁盘管理负责持久化，缓冲池负责加速，B+ 树负责索引，元组负责组织，执行器负责查询——这就是关系型数据库完整架构的全部骨架。真实数据库（MySQL、PostgreSQL）无非是在这五层之上，叠加了事务、锁、日志、优化器等更复杂的机制。

relly 的价值在于，它用不到千行的 Rust 代码，把这些"黑盒"全部变成你能逐行读懂的白盒。无论你是数据库初学者，还是想深入理解索引与存储原理的开发者，跟着 src/ 目录从下往上读一遍，你对关系型数据库的理解都会发生质变。🚀

【免费下载链接】rellyRDBMS のしくみを学ぶための小さな RDBMS 実装项目地址: https://gitcode.com/gh_mirrors/re/relly