在基于 LSM-Tree（Log-Structured Merge-tree）架构的存储引擎（如 RocksDB、TiKV 等）中，**写放大（WAF - Write Amplification Factor）**是决定系统写入吞吐量和 SSD 寿命的核心指标。
在高频持续写入的极端场景下，**Leveled Compaction（分层压实）**与 Universal Compaction（通用/大小分级压实）展示出了截然不同的动态 WAF 波动曲线。这两者不仅在平均 WAF 数值上有数倍的差距，其随时间推移的波动形态、I/O 抖动特征以及背后的物理机制更是有着本质的不同。
1. 动态 WAF 波动曲线的直观对比
如果我们将高频写入过程中的“瞬时 WAF”（例如以 10 秒为窗口计算的物理写字节数 / 用户写入字节数）绘制成曲线，会看到以下特征：
WAF 值
^
| Universal Compaction (巨幅锯齿波 / 周期性尖峰)
| /\ /\ /\
| / \ / \ / \
| / \ / \ / \
|_______/______\__________/______\__________/______\____
|
| Leveled Compaction (高位窄幅脉冲 / 相对平稳)
| ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ (均值较高)
|_______________________________________________________
+---------------------------------------------------------> 时间 (持续高频写入)
Leveled Compaction：高位窄幅微波线
- 均值特征：WAF 长期维持在较高水平（通常在 10 到 30 之间，取决于层数和放大因子）。
- 波动特征：曲线呈现高频、窄幅的微小波动。没有极端的波谷，也没有高出均值数倍的巨型尖峰，整体表现为一条高位“毛刺带”。
Universal Compaction：低位宽幅巨齿波
- 均值特征：WAF 长期均值极低（通常在 2 到 8 之间）。
- 波动特征：曲线呈现极低基线与超大周期性尖峰交替的形态。在绝大部分时间内，WAF 趋近于 1（只写 WAL 和 L0）；但每隔一个固定周期，WAF 会瞬间飙升至数倍甚至数十倍于均值的尖峰，随后断崖式下跌，形成“过山车”式的剧烈抖动。
2. 波动曲线差异的底层物理机制
要理解这两条曲线为什么长成这样，需要深入到两者的 Compaction 触发机制和执行粒度。
Leveled Compaction 的“渐进式小步快跑”
Leveled Compaction 将数据严格划分为 $L_0, L_1, L_2, ..., L_n$ 层。除了 $L_0$ 之外，每一层内部的数据都是全局有序且不重叠的。
L1: [ A-D ] [ E-H ] [ I-L ]
\ /
\ / (合并重叠键范围)
v v
L2: [A-B] [C-D] [E-F] [G-H] [I-J] [K-L]
当 $L_i$ 层的大小超过设定的阈值（通常每层是上一层的 10 倍）时，会触发 Compaction：
- 局部性合并：它不会把整层数据拿来合并，而是从 $L_i$ 中挑出一个 SST 文件，找出它在 $L_{i+1}$ 中所有有 key 范围重叠的 SST 文件，进行多路归并排序。
- 写放大的分摊：因为每次只合并一小部分文件（通常是 1 个上层文件合并到 10 个下层文件），单次 I/O 任务量是受限且可控的。
- 多层流水线并发：在高频写入下，从 $L_0 \to L_1$，$L_1 \to L_2$，$L_2 \to L_3$ 的合并几乎是同时、并发、不间断地在后台发生的。
- 本质原因：Leveled 的 WAF 是在空间上离散、在时间上连续分摊的。高频写入时，后台始终有大量的、小规模的“局部合并”在运转。因此，它的动态 WAF 曲线没有空闲期，始终维持在高位，但由于单次合并规模小，曲线极度平稳。
Universal Compaction 的“隐忍与全量爆发”
Universal Compaction（类似于 Size-Tiered）不保证层与层之间的 key 不重叠。它更像是一个“攒文件”的过程。所有的 SST 文件（或 Sorted Runs）按照时间顺序或大小排列。
[Run 1 (小)] [Run 2 (小)] [Run 3 (中)] [Run 4 (大)]
\ /
v v
[ New Run 1-2 ] (条件触发：Size 相似或文件数超限)
它的触发主要基于三个启发式条件：
- 空间放大率超限（Size Amplification）：当系统整体大小超过一定比例，触发全量合并（Full Compaction）。
- 文件数量超限（Individual Size Ratio）：当排在前面的小文件数量太多，或者大小比例满足特定算法时，将这些小文件合并为一个大文件。
- 绝对文件数限制（Num Files Limit）。
在中高频写入时：
平静期（WAF $\approx$ 1）：数据源源不断地写入 MemTable 并 Flush 成 $L_0$ 的小文件。在没有触发 Compaction 阈值前，系统几乎没有后台 I/O。此时 WAF 的测量值极低。
爆发期（WAF 暴涨）：一旦文件数或大小比例触发了临界点，系统必须把积攒的一堆 SST 文件（在极端情况下甚至是全部文件）读入内存进行一次全量的归并排序，写回磁盘。
本质原因：Universal 的 WAF 是在时间上离散、在单次任务中高度集中的。它平时不干活，一干活就是“移山填海”式的全局大合并。因此，动态 WAF 会在瞬间拉出一个巨大的电击样尖峰。
3. 伴随现象：对系统吞吐与 Write Stall（写入停顿）的影响
动态 WAF 波动曲线直接映射到了存储引擎的吞吐稳定性和延迟表现上。
| 指标 | Leveled Compaction | Universal Compaction |
|---|---|---|
| 平均吞吐量 | 较低（因为 I/O 资源长期被 Compaction 侵占） | 较高（总的 WAF 低，SSD 写入带宽被充分留给用户） |
| P99 写入延迟 | 相对稳定，不易出现极端长尾延迟 | 存在严重的周期性毛刺，P99 和 P999 延迟极高 |
| Write Stall 触发特征 | 渐进式限速。由于 L0 堆积或某层 Pending Bytes 缓慢上升，写入速度平缓下降 | 突发性卡死。当全量 Compaction 霸占全部 I/O 带宽时，MemTable 来不及 Flush，直接触发 Hard Stall，写入完全锁死 |
Leveled 的 Write Stall：
Leveled 的限速算法（Rate Limiter）更容易平滑介入。因为它的后台 Compaction 压力是连续递进的，系统可以预测出“写入速度即将超过合并速度”，从而在用户侧进行微调限速（如将 100MB/s 限制到 80MB/s），曲线表现为平滑的降速。
Universal 的 Write Stall：
Universal 的 Stall 是“断崖式”的。在进行大规模或全量 Compaction 时，磁盘 I/O 被瞬间吃满。此时如果高频写入继续，L0 文件数会瞬间暴增，直接撞上 level0_slowdown_writes_trigger 甚至 level0_stop_writes_trigger 阈值，用户端感受到的就是系统突然“卡死”几秒甚至几十秒，等大合并结束后又瞬间恢复。
4. 生产环境如何根据 WAF 曲线进行技术选型？
在实际架构设计中，不能单纯因为 Universal 的平均 WAF 低就盲目选择它。必须结合 WAF 动态曲线的特征来做决策。
适用 Leveled Compaction 的场景
- 对延迟敏感的在线业务（OLTP）：如用户交易、实时社交、即时定位等。这类业务宁可整体吞吐低一点，也绝不能接受 P99 延迟偶尔飙升到几秒。Leveled 稳定的 WAF 曲线能保证 SLA 指标的平滑。
- 读多写少或读写均匀的场景：Leveled 因为每一层无重叠，读放大（RAF）和空间放大（SAF）都极低，配合其稳定的 WAF，是通用数据库的最佳选择。
适用 Universal Compaction 的场景
- 极高频的纯写入/归档场景（Write-Heavy）：如时序数据收集（IoT 传感器、监控 Metrics 汇聚）、应用日志收集、历史数据备份。
- 对 SSD 寿命极度敏感的硬件环境：如果在廉价消费级 SSD 上部署，Leveled 长期高位的 WAF 会迅速耗尽 SSD 的 PE 次数（写入寿命），而 Universal 可以延长数倍的硬件寿命。
- 大批次导入（Bulk Load）：离线计算完一批数据，一次性灌入引擎，允许在非业务高峰期执行全量 Compaction。
总结
Leveled 与 Universal 在高频写入下的 WAF 曲线差异，本质上是**“用空间和读性能的妥协换取时间上的平滑（Leveled）”，与“用暂时的空间混乱和周期性延迟抖动换取物理写入极小化（Universal）”**两种哲学对立的结果。在系统调优时，观察 WAF 曲线的波动形态，往往比单纯看一个平均 WAF 数值，更能揭示系统潜在的性能瓶颈。
