wedb_embed : Embedded database engine providing Redis-like APIs, built on fjall

[wedb_embed : Embedded database engine providing Redis-like APIs, built on fjall](#wedb_embed-embedded-database-engine-providing-redis-like-apis-built-on-fjallhttpsgithubcomfjall-rsfjall)

Embedded multi-model database engine in Rust, providing Redis-compatible data structures and APIs, built on fjall LSM-Tree for disk-backed persistence.

Motivation

In standalone services and embedded application scenarios, running an external Redis daemon introduces process management overhead and IPC / socket communication round trips.

wedb_embed provides rich Redis-compatible APIs directly as an in-process Rust library:

In-Process Direct Calls: Eliminates network and IPC latency by reading and writing within the host application process.
Rich Redis Data Models: Supports String, Hash, List, Set, ZSet, Bitmap, JSON, Bloom/Cuckoo Filter, TimeSeries, Geo, HyperLogLog, TDigest, SortedInt, Stream (all 15 composite types).
Multi-Tenant & Multi-DB Isolation: Full $2^{{64}$ tenant and $2}{64}$ database capacity with atomic renaming and physical isolation.
Compact Binary Encoding: Default namespace 0-byte prefix bypass, composite types encoded with 1-Byte KeyTag and OPPV order-preserving varints.
Disk Persistence & Crash Consistency: Built on fjall LSM-Tree and cross-keyspace atomic write batches for crash-safe operations.

Core Architecture & Encoding Design

graph TD
  Client["Application Code"] --> WeDb["WeDb Instance"]
  WeDb --> NS["Namespace Handle<br/>(Zero-Heap Struct)"]

  subgraph KeyComposer["Key Composer & Fast Encoding"]
    Tag["1-Byte Fast KeyTag (#[repr(u8)])"]
    OPPV["OPPV Order-Preserving Varint (1~9B)"]
    DefaultBypass["Default NS 0-Prefix Bypass"]
    Slot["CRC16 Slot & {hashtag}"]
  end

  subgraph Engine["Storage Engine Layer"]
    Batch["Atomic WriteBatch (Cross-Keyspace WAL)"]
    Catalog["Catalog Compact Index"]
  end

  subgraph Storage["Fjall LSM Partitions"]
    DataKS["Data Keyspace<br/>(Payloads & Subkeys / 64KB Blocks)"]
    MetaKS["Meta Keyspace<br/>(Indices, TTL & Metadata / 4KB Blocks)"]
  end

  WeDb --> KeyComposer
  NS --> KeyComposer
  KeyComposer --> Engine
  Engine --> DataKS
  Engine --> MetaKS

1. Default DB Prefix Optimization & 1-Byte Tag

Default Namespace: Keys are stored as raw bytes user_key with 0-byte prefix overhead.
1-Byte Fast Tag (KeyTag): Composite metadata and subkey prefixes use #[repr(u8)] KeyTag encoding (\x00\x01:key), avoiding redundant string prefixes.

2. OPPV Order-Preserving Prefix Varint (`oppv_u64`)

Database index and tenant numerical IDs use OPPV (Order-Preserving Prefix Varint) encoding:
- Databases $0 \sim 127$: Encoded in 1 byte.
- Preserves lexicographical byte order equal to numeric value order: $\forall a < b \implies \text{encode}(a) < \text{encode}(b)$.

3. Numerical Tenant ID Mapping & Renaming

Tenant names map to ns_id: u64 via global metadata.
Tenant Renaming (rename_namespace): Metadata mapping updated without rewriting underlying data.

4. Streaming Iterators

WeDb::iter(&self) -> Namespaces: Iterates distinct tenants via Jump-Seek.
Namespace::iter(&self) -> Dbs: Decodes OPPV catalog entries.

Usage

1. Database Initialization & Configuration (`WeDb` & `Conf`)

use wedb_embed::{Conf, PersistMode, Result, WeDb};

fn main() -> Result<()> {
    // 1. Open with custom configuration
    let mut conf = Conf::new("./data/db_demo");
    conf.db.flush_workers = 2; // Background flush worker threads
    let db = WeDb::open_with_conf(&conf)?;

    // 2. Persistence and active expiration tasks
    db.persist(PersistMode::SyncAll)?; // Synchronously persist WAL and dirty pages
    db.active_expire_cycle(100)?;       // Trigger active key expiration sampling

    Ok(())
}

2. Multi-Tenant & Multi-DB Isolation (`Namespace`)

use wedb_embed::{KvOps, Result, WeDb};

fn main() -> Result<()> {
    let db = WeDb::open("./data/multitenant_demo")?;

    // Tenant-isolated handle (lightweight zero-copy struct)
    let ns_apple = db.namespace("tenant_apple");
    let ns_google = db.namespace("tenant_google");

    ns_apple.set(b"config:theme", b"dark", &[])?;
    ns_google.set(b"config:theme", b"light", &[])?;

    // Physically isolated lookups
    assert_eq!(ns_apple.get(b"config:theme")?.unwrap(), b"dark");
    assert_eq!(ns_google.get(b"config:theme")?.unwrap(), b"light");

    // Multi-DB selection (e.g. SELECT 1)
    let db1 = db.select_db(1);
    db1.set(b"db1_key", b"value1", &[])?;

    // Iterate active databases under tenant
    for db_idx in &ns_apple {
        println!("Active DB: {}", db_idx);
    }

    // Tenant renaming
    db.rename_namespace("tenant_apple", "tenant_apple_v2")?;

    // Keyspace management
    let key_count = ns_apple.key_count()?;
    let keys = ns_apple.keys(b"config:*")?;
    let exists_count = ns_apple.exists(&[b"config:theme".as_slice()])?;
    ns_apple.del(&[b"config:theme".as_slice()])?;
    ns_apple.clear()?; // Cascade clear all tenant data

    Ok(())
}

3. Key-Value & String Operations (`KvOps`)

use wedb_embed::{KvOps, Result, WeDb, string::Set};

fn main() -> Result<()> {
    let db = WeDb::open("./data/kv_demo")?;

    // Basic read, write, and TTL expiration
    db.set(b"site", b"webc.site", &[])?;
    let val = db.get(b"site")?;
    db.set_ex(b"temp_token", b"xyz", 3600)?;

    // Conditional write (NX / XX)
    db.set(b"lock", b"1", &[Set::Nx])?;

    // Numerical increment & decrement
    db.incr(b"counter")?;
    db.incrby(b"counter", 10)?;
    db.decrby(b"counter", 5)?;

    // Batch & string operations
    db.mset(&[(b"k1", b"v1"), (b"k2", b"v2")])?;
    let values = db.mget(&[b"k1".as_slice(), b"k2".as_slice()])?;
    let len = db.strlen(b"site")?;
    let old_val = db.getset(b"site", b"new_site")?;
    let del_val = db.getdel(b"site")?;

    Ok(())
}

4. Hash Map (`HashOps`)

use wedb_embed::{HashOps, Result, WeDb};

fn main() -> Result<()> {
    let db = WeDb::open("./data/hash_demo")?;

    // Field set & get
    db.hset(b"user:100", b"name", b"Alice")?;
    db.hset(b"user:100", b"age", b"20")?;
    let name = db.hget(b"user:100", b"name")?;

    // Batch field operations
    db.hmset(b"user:100", &[(b"city", b"Beijing"), (b"role", b"Admin")])?;
    let fields = db.hmget(b"user:100", &[b"name".as_slice(), b"city".as_slice()])?;

    // Counter increment and introspection
    db.hincrby(b"user:100", b"age", 1)?;
    let exists = db.hexists(b"user:100", b"name")?;
    let len = db.hlen(b"user:100")?;
    let all = db.hgetall(b"user:100")?;
    let keys = db.hkeys(b"user:100")?;
    let vals = db.hvals(b"user:100")?;
    db.hdel(b"user:100", &[b"role".as_slice()])?;

    Ok(())
}

5. List (`ListOps`)

use wedb_embed::{ListOps, Result, WeDb};

fn main() -> Result<()> {
    let db = WeDb::open("./data/list_demo")?;

    // Push and pop
    db.lpush(b"tasks", &[b"task1".as_slice(), b"task2".as_slice()])?;
    db.rpush(b"tasks", &[b"task3".as_slice()])?;
    let first = db.lpop(b"tasks", 1)?;
    let last = db.rpop(b"tasks", 1)?;

    // Range query and trim
    let len = db.llen(b"tasks")?;
    let items = db.lrange(b"tasks", 0, -1)?;
    db.ltrim(b"tasks", 0, 10)?;
    db.lset(b"tasks", 0, b"updated_task")?;

    Ok(())
}

6. Set (`SetOps`)

use wedb_embed::{Result, SetOps, WeDb};

fn main() -> Result<()> {
    let db = WeDb::open("./data/set_demo")?;

    db.sadd(b"tags", &[b"rust".as_slice(), b"database".as_slice(), b"lsm".as_slice()])?;
    let is_member = db.sismember(b"tags", b"rust")?;
    let count = db.scard(b"tags")?;
    let members = db.smembers(b"tags")?;
    db.srem(b"tags", &[b"lsm".as_slice()])?;
    let popped = db.spop(b"tags", 1)?;

    Ok(())
}

7. Sorted Set (`ZSetOps`)

use wedb_embed::{Result, WeDb, ZSetOps};

fn main() -> Result<()> {
    let db = WeDb::open("./data/zset_demo")?;

    // Add members with scores
    db.zadd(b"leaderboard", &[(100.0, b"player1".as_slice()), (200.0, b"player2".as_slice())], &[])?;
    db.zincrby(b"leaderboard", 50.0, b"player1")?;

    // Rank and score lookups
    let score = db.zscore(b"leaderboard", b"player1")?;
    let rank = db.zrank(b"leaderboard", b"player1")?;
    let rev_rank = db.zrevrank(b"leaderboard", b"player1")?;

    // Range queries
    let top = db.zrange(b"leaderboard", 0, 10, &[])?;
    let count = db.zcount(b"leaderboard", 100.0, 300.0)?;
    let card = db.zcard(b"leaderboard")?;
    db.zrem(b"leaderboard", &[b"player1".as_slice()])?;

    Ok(())
}

8. Bitmap, Bloom Filter, TimeSeries & Geo (`BitmapOps`, `BloomOps`, `TsOps`, `GeoOps`)

use wedb_embed::{BitmapOps, BloomOps, GeoOps, Result, TsOps, WeDb};

fn main() -> Result<()> {
    let db = WeDb::open("./data/advanced_demo")?;

    // Bitmap
    db.setbit(b"online_users", 1001, true)?;
    let is_online = db.getbit(b"online_users", 1001)?;
    let online_count = db.bitcount(b"online_users", 0, -1)?;

    // Bloom Filter
    db.bf_add(b"filter", b"item_1")?;
    let exists = db.bf_exists(b"filter", b"item_1")?;

    // TimeSeries
    db.ts_add(b"metrics:cpu", 1700000000000, 42.5, &[])?;
    let latest = db.ts_get(b"metrics:cpu")?;

    // Geo
    db.geoadd(b"cities", &[(116.4074, 39.9042, b"Beijing".as_slice()), (121.4737, 31.2304, b"Shanghai".as_slice())])?;
    let dist = db.geodist(b"cities", b"Beijing", b"Shanghai", None)?;

    Ok(())
}

Tech Stack

Core Language: Rust Edition 2024
Storage Engine: fjall (LSM-Tree Engine)
JSON Engine: sonic-rs (SIMD JSON Parser)
Hash Algorithm: rapidhash (Non-Cryptographic Hash)
Serialization: bitcode (Binary Codec)
Compact String: hipstr
Time Utilities: coarsetime, ts_
Error Handling: thiserror

Benchmark & Performance

Environment: Ubuntu CI (GitHub Actions Runner)

CPU: Intel(R) Xeon(R) 6973P-C (4 Cores)
Memory: 15.6 GB
Platform: Ubuntu 24.04.4 LTS (Linux 6.17.0-1022-azure) (x86_64)
Compiler: rustc 1.98.0 (88d9e12ae 2026-08-18)

WeDb (Embedded Engine) vs Redis (v8.10.1 Standalone Server) Performance Comparison

Benchmark Notes:

WeDb: In-process direct call, LSM disk persistence (WAL journal)

Redis: Standalone service, AOF persistence enabled (appendfsync everysec), Unix Domain Socket

Composite Performance: WeDb Weighted Throughput 1.689 M ops/s | Redis Weighted Throughput 0.024 M ops/s | WeDb Overall Speedup $\color{#1a7f37}\text{70.1x}$

Command	WeDb P95 Latency	WeDb Est. Throughput	Redis P95 Latency	Redis Est. Throughput	WeDb Speedup
SET	6.009 µs	1.197 M ops/s	63.3 µs	0.021 M ops/s	$\color{#1a7f37}\text{57.7x}$
GET	267.8 ns	4.013 M ops/s	55.29 µs	0.021 M ops/s	$\color{#1a7f37}\text{192.5x}$
MSET	12.44 µs	0.249 M ops/s	69.21 µs	0.031 M ops/s	$\color{#1a7f37}\text{8.0x}$
MGET	3.295 µs	0.527 M ops/s	49.88 µs	0.021 M ops/s	$\color{#1a7f37}\text{25.1x}$
INCRBY	8.867 µs	0.987 M ops/s	79.99 µs	0.021 M ops/s	$\color{#1a7f37}\text{47.9x}$
HSET	11.27 µs	0.663 M ops/s	55.14 µs	0.021 M ops/s	$\color{#1a7f37}\text{32.3x}$
HGET	1.425 µs	1.767 M ops/s	63.48 µs	0.021 M ops/s	$\color{#1a7f37}\text{84.8x}$
LPUSH	12.19 µs	0.316 M ops/s	81.02 µs	0.020 M ops/s	$\color{#1a7f37}\text{15.5x}$
LPOP	3.307 µs	0.509 M ops/s	51.65 µs	0.020 M ops/s	$\color{#1a7f37}\text{25.0x}$
SADD	9.665 µs	0.682 M ops/s	69.82 µs	0.039 M ops/s	$\color{#1a7f37}\text{17.4x}$
SISMEMBER	579.3 ns	1.865 M ops/s	33.42 µs	0.052 M ops/s	$\color{#1a7f37}\text{35.6x}$
ZADD	12.26 µs	0.527 M ops/s	95.59 µs	0.021 M ops/s	$\color{#1a7f37}\text{25.2x}$
ZRANGE	9.29 µs	0.375 M ops/s	34.76 µs	0.043 M ops/s	$\color{#1a7f37}\text{8.8x}$
DEL	8.569 µs	0.737 M ops/s	56.91 µs	0.021 M ops/s	$\color{#1a7f37}\text{35.9x}$
EXISTS	3.642 µs	2.391 M ops/s	53.85 µs	0.020 M ops/s	$\color{#1a7f37}\text{117.8x}$

Regression Benchmark

Composite Weighted Performance: Weighted Throughput 1.243 M ops/s | Weighted Latency Diff $\color{#0969da}\text{-25%}$

Command	P95 Latency	Est. Throughput	vs Baseline (%)
BITCOUNT	2.912 µs	2.100 M ops/s	$\color{#0969da}\text{-10%}$
BITPOS	763.5 ns	3.066 M ops/s	$\color{#1a7f37}\text{+2%}$
GETBIT	1.908 µs	2.270 M ops/s	$\color{#0969da}\text{-11%}$
SETBIT	11.4 µs	0.657 M ops/s	$\color{#0969da}\text{-41%}$
BF.ADD	106.3 µs	0.021 M ops/s	$\color{#0969da}\text{-27%}$
BF.EXISTS	563.1 ns	2.372 M ops/s	$\color{#0969da}\text{-19%}$
BF.INFO	186 ns	5.659 M ops/s	$\color{#1a7f37}\text{-4%}$
CF.ADD	21.1 µs	0.303 M ops/s	$\color{#0969da}\text{-42%}$
CF.DEL	19.47 µs	0.159 M ops/s	$\color{#0969da}\text{-35%}$
CF.EXISTS	665.8 ns	1.694 M ops/s	$\color{#0969da}\text{-20%}$
BATCH_COMMIT	9.836 µs	0.265 M ops/s	$\color{#0969da}\text{-30%}$
DEL	18.39 µs	0.507 M ops/s	$\color{#0969da}\text{-48%}$
EXISTS	2.533 µs	3.549 M ops/s	$\color{#0969da}\text{-22%}$
NAMESPACE	7.039 µs	0.983 M ops/s	$\color{#0969da}\text{-48%}$
GEOADD	13.16 µs	0.532 M ops/s	$\color{#0969da}\text{-37%}$
GEODIST	3.196 µs	1.977 M ops/s	$\color{#1a7f37}\text{-1%}$
GEOHASH	1.26 µs	2.851 M ops/s	$\color{#1a7f37}\text{+1%}$
GEOPOS	1.728 µs	3.425 M ops/s	$\color{#1a7f37}\text{+6%}$
HDEL	35 µs	0.084 M ops/s	$\color{#0969da}\text{-20%}$
HEXISTS	420.3 ns	2.495 M ops/s	$\color{#1a7f37}\text{+2%}$
HGET	1.56 µs	1.480 M ops/s	$\color{#0969da}\text{-12%}$
HGETALL	30.8 µs	0.044 M ops/s	$\color{#1a7f37}\text{-9%}$
HINCRBY	10.64 µs	0.861 M ops/s	$\color{#0969da}\text{-44%}$
HKEYS	25.58 µs	0.054 M ops/s	$\color{#0969da}\text{-14%}$
HLEN	1.96 µs	3.364 M ops/s	$\color{#0969da}\text{-11%}$
HMGET	3.538 µs	0.515 M ops/s	$\color{#1a7f37}\text{-5%}$
HSET	9.949 µs	0.613 M ops/s	$\color{#0969da}\text{-41%}$
HVALS	27.25 µs	0.054 M ops/s	$\color{#0969da}\text{-24%}$
PFADD	28.24 µs	0.129 M ops/s	$\color{#0969da}\text{-41%}$
PFCOUNT	45.74 µs	0.036 M ops/s	$\color{#0969da}\text{-20%}$
PFMERGE	34.24 µs	0.071 M ops/s	$\color{#0969da}\text{-35%}$
JSON.ARRLEN	4.744 µs	2.376 M ops/s	$\color{#0969da}\text{-29%}$
JSON.DEL	13.38 µs	0.441 M ops/s	$\color{#0969da}\text{-47%}$
JSON.GET	5.82 µs	2.071 M ops/s	$\color{#0969da}\text{-33%}$
JSON.NUMINCRBY	14.19 µs	0.756 M ops/s	$\color{#0969da}\text{-48%}$
JSON.SET	7.076 µs	0.625 M ops/s	$\color{#0969da}\text{-45%}$
JSON.TYPE	3.341 µs	2.795 M ops/s	$\color{#0969da}\text{-29%}$
LINDEX	1.531 µs	2.005 M ops/s	$\color{#1a7f37}\text{-3%}$
LLEN	695.5 ns	3.602 M ops/s	$\color{#1a7f37}\text{-8%}$
LPOP	4.442 µs	0.496 M ops/s	$\color{#0969da}\text{-39%}$
LPUSH	26.37 µs	0.733 M ops/s	$\color{#0969da}\text{-43%}$
LRANGE	36.37 µs	0.046 M ops/s	$\color{#0969da}\text{-16%}$
LREM	32.33 µs	0.086 M ops/s	$\color{#0969da}\text{-19%}$
LSET	4.271 µs	0.770 M ops/s	$\color{#0969da}\text{-45%}$
LTRIM	116.4 µs	0.010 M ops/s	$\color{#0969da}\text{-42%}$
RPOP	4.115 µs	0.515 M ops/s	$\color{#0969da}\text{-39%}$
RPUSH	10.63 µs	0.728 M ops/s	$\color{#0969da}\text{-42%}$
SADD	12.4 µs	0.647 M ops/s	$\color{#0969da}\text{-42%}$
SCARD	786 ns	3.723 M ops/s	$\color{#1a7f37}\text{-10%}$
SISMEMBER	1.603 µs	1.558 M ops/s	$\color{#0969da}\text{-16%}$
SMEMBERS	31.29 µs	0.053 M ops/s	$\color{#0969da}\text{-16%}$
SPOP	1.877 ms	0.001 M ops/s	$\color{#0969da}\text{-15%}$
SRANDMEMBER	32.24 µs	0.053 M ops/s	$\color{#0969da}\text{-18%}$
SREM	24.01 µs	0.083 M ops/s	$\color{#0969da}\text{-19%}$
SI.ADD	10.56 µs	0.672 M ops/s	$\color{#0969da}\text{-41%}$
SI.CARD	1.556 µs	3.609 M ops/s	$\color{#1a7f37}\text{-2%}$
SI.EXISTS	1.658 µs	1.913 M ops/s	$\color{#1a7f37}\text{-9%}$
SI.RANGE	17.17 µs	0.118 M ops/s	$\color{#0969da}\text{-16%}$
SI.REM	27.07 µs	0.081 M ops/s	$\color{#0969da}\text{-19%}$
APPEND	20.18 µs	0.567 M ops/s	$\color{#0969da}\text{-51%}$
DECRBY	3.075 µs	1.141 M ops/s	$\color{#0969da}\text{-53%}$
GET	1.396 µs	1.900 M ops/s	$\color{#0969da}\text{-11%}$
GETDEL	8.726 µs	0.573 M ops/s	$\color{#0969da}\text{-52%}$
GETRANGE	190.8 ns	5.488 M ops/s	$\color{#1a7f37}\text{-6%}$
INCRBY	8.12 µs	1.163 M ops/s	$\color{#0969da}\text{-52%}$
MGET	10.18 µs	0.523 M ops/s	$\color{#0969da}\text{-13%}$
MSET	25.02 µs	0.229 M ops/s	$\color{#0969da}\text{-28%}$
SET	8.494 µs	1.239 M ops/s	$\color{#0969da}\text{-53%}$
SETRANGE	9.97 µs	0.560 M ops/s	$\color{#0969da}\text{-51%}$
STRLEN	334.8 ns	6.112 M ops/s	$\color{#1a7f37}\text{+1%}$
XADD	21.5 µs	0.699 M ops/s	$\color{#0969da}\text{-43%}$
XDEL	28.17 µs	0.311 M ops/s	$\color{#0969da}\text{-40%}$
XLEN	212.2 ns	4.914 M ops/s	$\color{#1a7f37}\text{-5%}$
XRANGE	22.76 µs	0.078 M ops/s	$\color{#0969da}\text{-19%}$
XREAD	21.6 µs	0.078 M ops/s	$\color{#0969da}\text{-18%}$
TDIGEST.ADD	6.174 µs	0.534 M ops/s	$\color{#0969da}\text{-42%}$
TDIGEST.BYRANK	8.605 µs	2.104 M ops/s	$\color{#0969da}\text{-32%}$
TDIGEST.CDF	10.59 µs	1.067 M ops/s	$\color{#0969da}\text{-30%}$
TDIGEST.QUANTILE	9.608 µs	2.562 M ops/s	$\color{#0969da}\text{-31%}$
TS.ADD	45.21 µs	0.120 M ops/s	$\color{#0969da}\text{-20%}$
TS.GET	3.319 µs	1.648 M ops/s	$\color{#0969da}\text{-23%}$
TS.INCRBY	42.69 µs	0.063 M ops/s	$\color{#0969da}\text{-24%}$
TS.RANGE	52.34 µs	0.023 M ops/s	$\color{#0969da}\text{-11%}$
ZADD	16.56 µs	0.508 M ops/s	$\color{#0969da}\text{-37%}$
ZCARD	1.098 µs	6.536 M ops/s	$\color{#1a7f37}\text{-10%}$
ZCOUNT	77.73 µs	0.016 M ops/s	$\color{#0969da}\text{-24%}$
ZINCRBY	13.43 µs	0.117 M ops/s	$\color{#1a7f37}\text{-9%}$
ZPOPMIN	28.23 µs	0.071 M ops/s	$\color{#1a7f37}\text{-7%}$
ZRANGE	9.684 µs	0.346 M ops/s	$\color{#0969da}\text{-19%}$
ZRANK	31.76 µs	0.094 M ops/s	$\color{#1a7f37}\text{-7%}$
ZREM	42.02 µs	0.065 M ops/s	$\color{#1a7f37}\text{+1%}$
ZREVRANGE	9.264 µs	0.241 M ops/s	$\color{#0969da}\text{-20%}$
ZSCORE	590.1 ns	2.031 M ops/s	$\color{#0969da}\text{-16%}$

Environment: macOS (Apple M2 Max)

CPU: Apple M2 Max (12 Cores)
Memory: 64.0 GB
Platform: macOS 26.5.1 (Darwin 25.5.0) (aarch64)
Compiler: rustc 1.98.0 (88d9e12ae 2026-08-18)

WeDb (Embedded Engine) vs Redis (v8.10.1 Standalone Server) Performance Comparison

Benchmark Notes:

WeDb: In-process direct call, LSM disk persistence (WAL journal)

Redis: Standalone service, AOF persistence enabled (appendfsync everysec), Unix Domain Socket

Composite Performance: WeDb Weighted Throughput 0.383 M ops/s | Redis Weighted Throughput 0.012 M ops/s | WeDb Overall Speedup $\color{#1a7f37}\text{31.2x}$

Command	WeDb P95 Latency	WeDb Est. Throughput	Redis P95 Latency	Redis Est. Throughput	WeDb Speedup
SET	29.66 µs	0.500 M ops/s	531.2 µs	0.008 M ops/s	$\color{#1a7f37}\text{61.9x}$
GET	6.999 µs	0.632 M ops/s	76.74 µs	0.016 M ops/s	$\color{#1a7f37}\text{39.8x}$
MSET	152.2 µs	0.052 M ops/s	561.2 µs	0.008 M ops/s	$\color{#1a7f37}\text{6.8x}$
MGET	22.37 µs	0.286 M ops/s	328.5 µs	0.008 M ops/s	$\color{#1a7f37}\text{34.6x}$
INCRBY	136.6 µs	0.251 M ops/s	1.354 ms	0.005 M ops/s	$\color{#1a7f37}\text{50.0x}$
HSET	48.29 µs	0.255 M ops/s	535.7 µs	0.009 M ops/s	$\color{#1a7f37}\text{27.9x}$
HGET	8.04 µs	0.414 M ops/s	89.16 µs	0.016 M ops/s	$\color{#1a7f37}\text{25.6x}$
LPUSH	141.9 µs	0.053 M ops/s	464.4 µs	0.008 M ops/s	$\color{#1a7f37}\text{6.6x}$
LPOP	40.24 µs	0.073 M ops/s	153.5 µs	0.014 M ops/s	$\color{#1a7f37}\text{5.0x}$
SADD	37.58 µs	0.304 M ops/s	544.4 µs	0.009 M ops/s	$\color{#1a7f37}\text{34.2x}$
SISMEMBER	4.583 µs	0.775 M ops/s	85.2 µs	0.013 M ops/s	$\color{#1a7f37}\text{60.4x}$
ZADD	52.37 µs	0.289 M ops/s	241.8 µs	0.015 M ops/s	$\color{#1a7f37}\text{19.0x}$
ZRANGE	33.37 µs	0.262 M ops/s	113.1 µs	0.013 M ops/s	$\color{#1a7f37}\text{20.9x}$
DEL	16.33 µs	0.429 M ops/s	164.2 µs	0.019 M ops/s	$\color{#1a7f37}\text{22.4x}$
EXISTS	12.33 µs	1.171 M ops/s	50.87 µs	0.023 M ops/s	$\color{#1a7f37}\text{51.2x}$

Regression Benchmark

Composite Weighted Performance: Weighted Throughput 1.292 M ops/s | Weighted Latency Diff $\color{#1a7f37}\text{+12%}$

Command	P95 Latency	Est. Throughput	vs Baseline (%)
BITCOUNT	8.083 µs	2.181 M ops/s	$\color{#cf222e}\text{+22%}$
BITPOS	397.9 ns	3.102 M ops/s	$\color{#0969da}\text{-48%}$
GETBIT	1.187 µs	1.951 M ops/s	$\color{#cf222e}\text{+32%}$
SETBIT	79.33 µs	0.436 M ops/s	$\color{#cf222e}\text{+34%}$
BF.ADD	433.3 µs	0.011 M ops/s	$\color{#cf222e}\text{+88%}$
BF.EXISTS	845.8 ns	2.261 M ops/s	$\color{#1a7f37}\text{+10%}$
BF.INFO	340.6 ns	3.887 M ops/s	$\color{#cf222e}\text{+80%}$
CF.ADD	65.49 µs	0.107 M ops/s	$\color{#cf222e}\text{+145%}$
CF.DEL	67.79 µs	0.123 M ops/s	$\color{#1a7f37}\text{+13%}$
CF.EXISTS	869.4 ns	1.456 M ops/s	$\color{#cf222e}\text{+25%}$
BATCH_COMMIT	67.24 µs	0.222 M ops/s	$\color{#cf222e}\text{+20%}$
DEL	85.12 µs	0.304 M ops/s	$\color{#1a7f37}\text{+8%}$
EXISTS	5.666 µs	2.999 M ops/s	$\color{#1a7f37}\text{-0%}$
NAMESPACE	69.91 µs	0.522 M ops/s	$\color{#cf222e}\text{+35%}$
GEOADD	77.12 µs	0.421 M ops/s	$\color{#1a7f37}\text{+12%}$
GEODIST	559.4 ns	2.222 M ops/s	$\color{#cf222e}\text{+16%}$
GEOHASH	413.6 ns	2.766 M ops/s	$\color{#0969da}\text{-57%}$
GEOPOS	366.7 ns	3.344 M ops/s	$\color{#cf222e}\text{+25%}$
HDEL	80.33 µs	0.100 M ops/s	$\color{#1a7f37}\text{+8%}$
HEXISTS	411 ns	2.936 M ops/s	$\color{#1a7f37}\text{-3%}$
HGET	817.2 ns	1.392 M ops/s	$\color{#1a7f37}\text{+15%}$
HGETALL	37.58 µs	0.076 M ops/s	$\color{#1a7f37}\text{-8%}$
HINCRBY	68.16 µs	0.649 M ops/s	$\color{#1a7f37}\text{-5%}$
HKEYS	20.74 µs	0.080 M ops/s	$\color{#1a7f37}\text{+8%}$
HLEN	317.2 ns	3.967 M ops/s	$\color{#1a7f37}\text{-7%}$
HMGET	10.79 µs	0.471 M ops/s	$\color{#1a7f37}\text{+15%}$
HSET	56.91 µs	0.453 M ops/s	$\color{#1a7f37}\text{0%}$
HVALS	22.16 µs	0.074 M ops/s	$\color{#0969da}\text{-11%}$
PFADD	68.2 µs	0.097 M ops/s	$\color{#cf222e}\text{+16%}$
PFCOUNT	41.79 µs	0.030 M ops/s	$\color{#1a7f37}\text{-8%}$
PFMERGE	51.37 µs	0.059 M ops/s	$\color{#1a7f37}\text{+2%}$
JSON.ARRLEN	17.91 µs	0.924 M ops/s	$\color{#cf222e}\text{+100%}$
JSON.DEL	93.7 µs	0.267 M ops/s	$\color{#1a7f37}\text{+5%}$
JSON.GET	15.66 µs	1.503 M ops/s	$\color{#cf222e}\text{+23%}$
JSON.NUMINCRBY	17.79 µs	0.558 M ops/s	$\color{#1a7f37}\text{0%}$
JSON.SET	56.29 µs	0.407 M ops/s	$\color{#cf222e}\text{+20%}$
JSON.TYPE	5.208 µs	2.002 M ops/s	$\color{#cf222e}\text{+20%}$
LINDEX	533.3 ns	2.302 M ops/s	$\color{#1a7f37}\text{+8%}$
LLEN	237.8 ns	4.398 M ops/s	$\color{#1a7f37}\text{+13%}$
LPOP	6.457 µs	0.429 M ops/s	$\color{#1a7f37}\text{-3%}$
LPUSH	55.37 µs	0.632 M ops/s	$\color{#1a7f37}\text{-0%}$
LRANGE	31.2 µs	0.043 M ops/s	$\color{#cf222e}\text{+22%}$
LREM	129.3 µs	0.109 M ops/s	$\color{#1a7f37}\text{+2%}$
LSET	4.541 µs	0.546 M ops/s	$\color{#cf222e}\text{+300%}$
LTRIM	194.2 µs	0.007 M ops/s	$\color{#1a7f37}\text{+4%}$
RPOP	5.29 µs	0.471 M ops/s	$\color{#1a7f37}\text{+2%}$
RPUSH	75.45 µs	0.522 M ops/s	$\color{#0969da}\text{-51%}$
SADD	76.66 µs	0.453 M ops/s	$\color{#cf222e}\text{+20%}$
SCARD	353.7 ns	3.434 M ops/s	$\color{#cf222e}\text{+29%}$
SISMEMBER	666.2 ns	1.657 M ops/s	$\color{#0969da}\text{-15%}$
SMEMBERS	20.83 µs	0.084 M ops/s	$\color{#1a7f37}\text{-0%}$
SPOP	1.262 ms	0.001 M ops/s	$\color{#1a7f37}\text{-0%}$
SRANDMEMBER	115.5 µs	0.078 M ops/s	$\color{#1a7f37}\text{+8%}$
SREM	121.5 µs	0.111 M ops/s	$\color{#1a7f37}\text{-1%}$
SI.ADD	142.5 µs	0.534 M ops/s	$\color{#1a7f37}\text{+12%}$
SI.CARD	236.5 ns	5.621 M ops/s	$\color{#1a7f37}\text{+1%}$
SI.EXISTS	647.9 ns	2.095 M ops/s	$\color{#1a7f37}\text{-3%}$
SI.RANGE	15.91 µs	0.182 M ops/s	$\color{#1a7f37}\text{-3%}$
SI.REM	91.49 µs	0.101 M ops/s	$\color{#1a7f37}\text{+8%}$
APPEND	88.83 µs	0.400 M ops/s	$\color{#0969da}\text{-56%}$
DECRBY	62.74 µs	0.858 M ops/s	$\color{#1a7f37}\text{-10%}$
GET	666.1 ns	2.344 M ops/s	$\color{#1a7f37}\text{+6%}$
GETDEL	442.2 µs	0.173 M ops/s	$\color{#cf222e}\text{+128%}$
GETRANGE	114.1 ns	9.891 M ops/s	$\color{#1a7f37}\text{+4%}$
INCRBY	97.58 µs	0.829 M ops/s	$\color{#1a7f37}\text{-3%}$
MGET	4.874 µs	0.600 M ops/s	$\color{#1a7f37}\text{+11%}$
MSET	139.3 µs	0.202 M ops/s	$\color{#1a7f37}\text{+15%}$
SET	116.7 µs	0.751 M ops/s	$\color{#1a7f37}\text{+14%}$
SETRANGE	158.5 µs	0.358 M ops/s	$\color{#0969da}\text{-51%}$
STRLEN	96.56 ns	11.972 M ops/s	$\color{#1a7f37}\text{-1%}$
XADD	49.99 µs	0.572 M ops/s	$\color{#1a7f37}\text{+2%}$
XDEL	55.87 µs	0.229 M ops/s	$\color{#cf222e}\text{+23%}$
XLEN	163.6 ns	6.262 M ops/s	$\color{#1a7f37}\text{+12%}$
XRANGE	34.04 µs	0.091 M ops/s	$\color{#1a7f37}\text{+9%}$
XREAD	28.37 µs	0.086 M ops/s	$\color{#1a7f37}\text{+12%}$
TDIGEST.ADD	17.54 µs	0.308 M ops/s	$\color{#1a7f37}\text{+7%}$
TDIGEST.BYRANK	11.83 µs	1.413 M ops/s	$\color{#1a7f37}\text{+13%}$
TDIGEST.CDF	17.91 µs	0.961 M ops/s	$\color{#cf222e}\text{+19%}$
TDIGEST.QUANTILE	16.08 µs	1.847 M ops/s	$\color{#1a7f37}\text{-7%}$
TS.ADD	165 µs	0.142 M ops/s	$\color{#1a7f37}\text{+1%}$
TS.GET	697.5 ns	1.763 M ops/s	$\color{#1a7f37}\text{+7%}$
TS.INCRBY	27.2 µs	0.069 M ops/s	$\color{#1a7f37}\text{+7%}$
TS.RANGE	28.58 µs	0.038 M ops/s	$\color{#1a7f37}\text{+13%}$
ZADD	141.1 µs	0.381 M ops/s	$\color{#cf222e}\text{+19%}$
ZCARD	174 ns	7.485 M ops/s	$\color{#cf222e}\text{+24%}$
ZCOUNT	60.24 µs	0.021 M ops/s	$\color{#cf222e}\text{+21%}$
ZINCRBY	106.8 µs	0.125 M ops/s	$\color{#cf222e}\text{+22%}$
ZPOPMIN	14.83 µs	0.109 M ops/s	$\color{#1a7f37}\text{+7%}$
ZRANGE	11.29 µs	0.375 M ops/s	$\color{#cf222e}\text{+20%}$
ZRANK	10.29 µs	0.155 M ops/s	$\color{#1a7f37}\text{+5%}$
ZREM	172.6 µs	0.113 M ops/s	$\color{#1a7f37}\text{+3%}$
ZREVRANGE	12.49 µs	0.253 M ops/s	$\color{#1a7f37}\text{+10%}$
ZSCORE	765.1 ns	1.568 M ops/s	$\color{#cf222e}\text{+29%}$

wedb_embed : 嵌入式数据库引擎，提供类似 Redis 的接口，底层基于 fjall 开发

[wedb_embed : 嵌入式数据库引擎，提供类似 Redis 的接口，底层基于 fjall 开发](#wedb_embed-嵌入式数据库引擎提供类似-redis-的接口底层基于-fjallhttpsgithubcomfjall-rsfjall-开发)

基于 Rust 开发的嵌入式多模型数据库引擎，提供与 Redis 兼容的数据结构与操作接口，底层采用 fjall LSM-Tree 进行磁盘持久化存储。

项目初衷

在许多单机服务或嵌入式应用场景中，部署和维护独立的 Redis 守护进程会增加运维复杂度，并且跨进程通信（IPC / Socket 网络与 RESP 编解码）会带来额外的延迟开销。在单机或嵌入式应用中，部署独立 Redis 进程会增加运维复杂度，且跨进程通信（IPC/Socket 与 RESP 编解码）会引入额外延迟。

wedb_embed 作为 Rust 原生库嵌入应用程序：

进程内调用：无网络与 IPC 开销，直接在内存与磁盘间进行读写。
丰富的数据模型：支持 String、Hash、List、Set、ZSet、Bitmap、JSON、Bloom/Cuckoo Filter、TimeSeries、Geo、HyperLogLog、TDigest、SortedInt、Stream 等 15 种数据结构。
多租户与分库隔离：原生支持 $2^{{64}$ 租户与 $2}{64}$ 分库，具备原子改名与物理隔离能力。
紧凑二进制编码：默认库采用 0 字节前缀，复合结构使用 1-Byte KeyTag 与 OPPV 变长保序编码。
持久化一致性：基于 fjall LSM-Tree 存储引擎与跨 Keyspace 原子 WriteBatch，保障数据安全。

核心架构与编码设计

graph TD
  Client["Application Code"] --> WeDb["WeDb Instance"]
  WeDb --> NS["Namespace Handle<br/>(Zero-Heap Struct)"]

  subgraph KeyComposer["Key Composer & Fast Encoding"]
    Tag["1-Byte Fast KeyTag (#[repr(u8)])"]
    OPPV["OPPV Order-Preserving Varint (1~9B)"]
    DefaultBypass["Default NS 0-Prefix Bypass"]
    Slot["CRC16 Slot & {hashtag}"]
  end

  subgraph Engine["Storage Engine Layer"]
    Batch["Atomic WriteBatch (Cross-Keyspace WAL)"]
    Catalog["Catalog Compact Index"]
  end

  subgraph Storage["Fjall LSM Partitions"]
    DataKS["Data Keyspace<br/>(业务载荷与子键 / 64KB 块)"]
    MetaKS["Meta Keyspace<br/>(常驻索引、TTL 与元数据 / 4KB 块)"]
  end

  WeDb --> KeyComposer
  NS --> KeyComposer
  KeyComposer --> Engine
  Engine --> DataKS
  Engine --> MetaKS

1. 默认库前缀优化与 1-Byte 标签

默认命名空间：键直接为原始字节 user_key，物理前缀占用 0 字节。
1-Byte Fast Tag (KeyTag)：复合结构元数据与子键前缀采用 #[repr(u8)] KeyTag 编码（\x00\x01:key 等），消除冗余字符串标签。

2. OPPV 保序变长整型编码 (`oppv_u64`)

数据库编号与租户数字 ID 采用 OPPV（Order-Preserving Prefix Varint） 编码：
- 分库 $0 \sim 127$：占用 1 字节（相比固定 8 字节大端序节约空间）。
- 全范围保持字节字典序与数值顺序等价：$\forall a < b \implies \text{encode}(a) < \text{encode}(b)$。

3. 多租户数字 ID 映射与重命名

租户名称与 ns_id: u64 采用全局元数据原子映射。
租户改名 (rename_namespace)：更新元数据映射即可完成重命名，无需重写底层业务键。

4. 流式迭代器

WeDb::iter(&self) -> Namespaces：基于字典序跳跃二分（Prefix Jump-Seek）定位租户。
Namespace::iter(&self) -> Dbs：直接流式解包底层 OPPV 变长 Catalog 目录。

使用演示

1. 数据库打开与配置 (`WeDb` & `Conf`)

use wedb_embed::{Conf, PersistMode, Result, WeDb};

fn main() -> Result<()> {
    // 1. 自定义配置打开
    let mut conf = Conf::new("./data/db_demo");
    conf.db.flush_workers = 2; // 后台刷盘线程数
    let db = WeDb::open_with_conf(&conf)?;

    // 2. 刷盘与周期任务
    db.persist(PersistMode::SyncAll)?; // 手动同步持久化 WAL 与脏页
    db.active_expire_cycle(100)?;       // 触发主动过期采样清理

    Ok(())
}

2. 多租户与分库隔离 (`Namespace`)

use wedb_embed::{KvOps, Result, WeDb};

fn main() -> Result<()> {
    let db = WeDb::open("./data/multitenant_demo")?;

    // 租户隔离句柄（轻量句柄，零拷贝）
    let ns_apple = db.namespace("tenant_apple");
    let ns_google = db.namespace("tenant_google");

    ns_apple.set(b"config:theme", b"dark", &[])?;
    ns_google.set(b"config:theme", b"light", &[])?;

    // 物理隔离读取
    assert_eq!(ns_apple.get(b"config:theme")?.unwrap(), b"dark");
    assert_eq!(ns_google.get(b"config:theme")?.unwrap(), b"light");

    // 多 DB 选择 (如 SELECT 1)
    let db1 = db.select_db(1);
    db1.set(b"db1_key", b"value1", &[])?;

    // 遍历租户下已激活的 DB（流式迭代）
    for db_idx in &ns_apple {
        println!("Active DB: {}", db_idx);
    }

    // 租户重命名
    db.rename_namespace("tenant_apple", "tenant_apple_v2")?;

    // 键空间管理
    let key_count = ns_apple.key_count()?;
    let keys = ns_apple.keys(b"config:*")?;
    let exists_count = ns_apple.exists(&[b"config:theme".as_slice()])?;
    ns_apple.del(&[b"config:theme".as_slice()])?;
    ns_apple.clear()?; // 级联清空整个命名空间

    Ok(())
}

3. 键值与字符串 (`KvOps`)

use wedb_embed::{KvOps, Result, WeDb, string::Set};

fn main() -> Result<()> {
    let db = WeDb::open("./data/kv_demo")?;

    // 基础读写与过期设置 (set_ex)
    db.set(b"site", b"webc.site", &[])?;
    let val = db.get(b"site")?;
    db.set_ex(b"temp_token", b"xyz", 3600)?;

    // 条件写入 (NX / XX)
    db.set(b"lock", b"1", &[Set::Nx])?;

    // 数值增减
    db.incr(b"counter")?;
    db.incrby(b"counter", 10)?;
    db.decrby(b"counter", 5)?;

    // 批量与字符串操作
    db.mset(&[(b"k1", b"v1"), (b"k2", b"v2")])?;
    let values = db.mget(&[b"k1".as_slice(), b"k2".as_slice()])?;
    let len = db.strlen(b"site")?;
    let old_val = db.getset(b"site", b"new_site")?;
    let del_val = db.getdel(b"site")?;

    Ok(())
}

4. 哈希字典 (`HashOps`)

use wedb_embed::{HashOps, Result, WeDb};

fn main() -> Result<()> {
    let db = WeDb::open("./data/hash_demo")?;

    // 字段写入与读取
    db.hset(b"user:100", b"name", b"Alice")?;
    db.hset(b"user:100", b"age", b"20")?;
    let name = db.hget(b"user:100", b"name")?;

    // 批量写入与获取
    db.hmset(b"user:100", &[(b"city", b"Beijing"), (b"role", b"Admin")])?;
    let fields = db.hmget(b"user:100", &[b"name".as_slice(), b"city".as_slice()])?;

    // 数值自增与元数据
    db.hincrby(b"user:100", b"age", 1)?;
    let exists = db.hexists(b"user:100", b"name")?;
    let len = db.hlen(b"user:100")?;
    let all = db.hgetall(b"user:100")?;
    let keys = db.hkeys(b"user:100")?;
    let vals = db.hvals(b"user:100")?;
    db.hdel(b"user:100", &[b"role".as_slice()])?;

    Ok(())
}

5. 列表 (`ListOps`)

use wedb_embed::{ListOps, Result, WeDb};

fn main() -> Result<()> {
    let db = WeDb::open("./data/list_demo")?;

    // 双端推入与弹出
    db.lpush(b"tasks", &[b"task1".as_slice(), b"task2".as_slice()])?;
    db.rpush(b"tasks", &[b"task3".as_slice()])?;
    let first = db.lpop(b"tasks", 1)?;
    let last = db.rpop(b"tasks", 1)?;

    // 范围查询与修剪
    let len = db.llen(b"tasks")?;
    let items = db.lrange(b"tasks", 0, -1)?;
    db.ltrim(b"tasks", 0, 10)?;
    db.lset(b"tasks", 0, b"updated_task")?;

    Ok(())
}

6. 集合 (`SetOps`)

use wedb_embed::{Result, SetOps, WeDb};

fn main() -> Result<()> {
    let db = WeDb::open("./data/set_demo")?;

    db.sadd(b"tags", &[b"rust".as_slice(), b"database".as_slice(), b"lsm".as_slice()])?;
    let is_member = db.sismember(b"tags", b"rust")?;
    let count = db.scard(b"tags")?;
    let members = db.smembers(b"tags")?;
    db.srem(b"tags", &[b"lsm".as_slice()])?;
    let popped = db.spop(b"tags", 1)?;

    Ok(())
}

7. 有序集合 (`ZSetOps`)

use wedb_embed::{Result, WeDb, ZSetOps};

fn main() -> Result<()> {
    let db = WeDb::open("./data/zset_demo")?;

    // 添加成员与分数
    db.zadd(b"leaderboard", &[(100.0, b"player1".as_slice()), (200.0, b"player2".as_slice())], &[])?;
    db.zincrby(b"leaderboard", 50.0, b"player1")?;

    // 排名与分数
    let score = db.zscore(b"leaderboard", b"player1")?;
    let rank = db.zrank(b"leaderboard", b"player1")?;
    let rev_rank = db.zrevrank(b"leaderboard", b"player1")?;

    // 范围查询
    let top = db.zrange(b"leaderboard", 0, 10, &[])?;
    let count = db.zcount(b"leaderboard", 100.0, 300.0)?;
    let card = db.zcard(b"leaderboard")?;
    db.zrem(b"leaderboard", &[b"player1".as_slice()])?;

    Ok(())
}

8. 位图、布隆过滤、时序与地理位置 (`BitmapOps`, `BloomOps`, `TsOps`, `GeoOps`)

use wedb_embed::{BitmapOps, BloomOps, GeoOps, Result, TsOps, WeDb};

fn main() -> Result<()> {
    let db = WeDb::open("./data/advanced_demo")?;

    // 位图 (Bitmap)
    db.setbit(b"online_users", 1001, true)?;
    let is_online = db.getbit(b"online_users", 1001)?;
    let online_count = db.bitcount(b"online_users", 0, -1)?;

    // 布隆过滤器 (Bloom Filter)
    db.bf_add(b"filter", b"item_1")?;
    let exists = db.bf_exists(b"filter", b"item_1")?;

    // 时序数据 (TimeSeries)
    db.ts_add(b"metrics:cpu", 1700000000000, 42.5, &[])?;
    let latest = db.ts_get(b"metrics:cpu")?;

    // 地理位置 (Geo)
    db.geoadd(b"cities", &[(116.4074, 39.9042, b"Beijing".as_slice()), (121.4737, 31.2304, b"Shanghai".as_slice())])?;
    let dist = db.geodist(b"cities", b"Beijing", b"Shanghai", None)?;

    Ok(())
}

技术堆栈

核心语言：Rust Edition 2024
底层存储：fjall (LSM-Tree 持久化引擎)
JSON 解析：sonic-rs (SIMD 指令集加速 JSON 引擎)
哈希算法：rapidhash (非加密哈希算法)
二进制编解码：bitcode (二进制序列化)
字符串存储：hipstr (紧凑字符串存储)
时间库：coarsetime、ts_ (时间戳)
错误定义：thiserror

性能基准与回归测试

运行环境：Ubuntu CI (GitHub Actions Runner)

CPU：Intel(R) Xeon(R) 6973P-C (4 核)
内存：15.6 GB
系统：Ubuntu 24.04.4 LTS (Linux 6.17.0-1022-azure) (x86_64)
编译器：rustc 1.98.0 (88d9e12ae 2026-08-18)

WeDb (嵌入式引擎) vs Redis (v8.10.1 独立服务) 性能对比

测试说明：

WeDb：进程内直接调用，基于 LSM 磁盘持久化（WAL 日志）

Redis：独立服务，开启 AOF 持久化（appendfsync everysec），通过本地 Unix Domain Socket 通信

综合性能对比：WeDb 加权吞吐量 168.915 万次/秒 ｜ Redis 加权吞吐量 2.408 万次/秒 ｜ WeDb 综合性能倍数 $\color{#1a7f37}\text{70.1x}$

命令	WeDb P95延时	WeDb 估算吞吐量	Redis P95延时	Redis 估算吞吐量	WeDb 性能倍数
SET	6.009 µs	119.717 万次/秒	63.3 µs	2.074 万次/秒	$\color{#1a7f37}\text{57.7x}$
GET	267.8 ns	401.284 万次/秒	55.29 µs	2.084 万次/秒	$\color{#1a7f37}\text{192.5x}$
MSET	12.44 µs	24.857 万次/秒	69.21 µs	3.122 万次/秒	$\color{#1a7f37}\text{8.0x}$
MGET	3.295 µs	52.743 万次/秒	49.88 µs	2.103 万次/秒	$\color{#1a7f37}\text{25.1x}$
INCRBY	8.867 µs	98.717 万次/秒	79.99 µs	2.063 万次/秒	$\color{#1a7f37}\text{47.9x}$
HSET	11.27 µs	66.313 万次/秒	55.14 µs	2.053 万次/秒	$\color{#1a7f37}\text{32.3x}$
HGET	1.425 µs	176.741 万次/秒	63.48 µs	2.085 万次/秒	$\color{#1a7f37}\text{84.8x}$
LPUSH	12.19 µs	31.586 万次/秒	81.02 µs	2.037 万次/秒	$\color{#1a7f37}\text{15.5x}$
LPOP	3.307 µs	50.942 万次/秒	51.65 µs	2.035 万次/秒	$\color{#1a7f37}\text{25.0x}$
SADD	9.665 µs	68.166 万次/秒	69.82 µs	3.917 万次/秒	$\color{#1a7f37}\text{17.4x}$
SISMEMBER	579.3 ns	186.463 万次/秒	33.42 µs	5.244 万次/秒	$\color{#1a7f37}\text{35.6x}$
ZADD	12.26 µs	52.715 万次/秒	95.59 µs	2.094 万次/秒	$\color{#1a7f37}\text{25.2x}$
ZRANGE	9.29 µs	37.495 万次/秒	34.76 µs	4.279 万次/秒	$\color{#1a7f37}\text{8.8x}$
DEL	8.569 µs	73.746 万次/秒	56.91 µs	2.053 万次/秒	$\color{#1a7f37}\text{35.9x}$
EXISTS	3.642 µs	239.063 万次/秒	53.85 µs	2.029 万次/秒	$\color{#1a7f37}\text{117.8x}$

性能回归测试

综合加权性能：加权估算吞吐量 124.290 万次/秒 ｜加权延迟变动 $\color{#0969da}\text{-25%}$

命令	P95延时	估算吞吐量	较基线变化 (%)
BITCOUNT	2.912 µs	210.040 万次/秒	$\color{#0969da}\text{-10%}$
BITPOS	763.5 ns	306.560 万次/秒	$\color{#1a7f37}\text{+2%}$
GETBIT	1.908 µs	226.963 万次/秒	$\color{#0969da}\text{-11%}$
SETBIT	11.4 µs	65.703 万次/秒	$\color{#0969da}\text{-41%}$
BF.ADD	106.3 µs	2.080 万次/秒	$\color{#0969da}\text{-27%}$
BF.EXISTS	563.1 ns	237.192 万次/秒	$\color{#0969da}\text{-19%}$
BF.INFO	186 ns	565.931 万次/秒	$\color{#1a7f37}\text{-4%}$
CF.ADD	21.1 µs	30.285 万次/秒	$\color{#0969da}\text{-42%}$
CF.DEL	19.47 µs	15.941 万次/秒	$\color{#0969da}\text{-35%}$
CF.EXISTS	665.8 ns	169.405 万次/秒	$\color{#0969da}\text{-20%}$
BATCH_COMMIT	9.836 µs	26.476 万次/秒	$\color{#0969da}\text{-30%}$
DEL	18.39 µs	50.736 万次/秒	$\color{#0969da}\text{-48%}$
EXISTS	2.533 µs	354.862 万次/秒	$\color{#0969da}\text{-22%}$
NAMESPACE	7.039 µs	98.328 万次/秒	$\color{#0969da}\text{-48%}$
GEOADD	13.16 µs	53.248 万次/秒	$\color{#0969da}\text{-37%}$
GEODIST	3.196 µs	197.707 万次/秒	$\color{#1a7f37}\text{-1%}$
GEOHASH	1.26 µs	285.144 万次/秒	$\color{#1a7f37}\text{+1%}$
GEOPOS	1.728 µs	342.466 万次/秒	$\color{#1a7f37}\text{+6%}$
HDEL	35 µs	8.389 万次/秒	$\color{#0969da}\text{-20%}$
HEXISTS	420.3 ns	249.501 万次/秒	$\color{#1a7f37}\text{+2%}$
HGET	1.56 µs	147.973 万次/秒	$\color{#0969da}\text{-12%}$
HGETALL	30.8 µs	4.442 万次/秒	$\color{#1a7f37}\text{-9%}$
HINCRBY	10.64 µs	86.059 万次/秒	$\color{#0969da}\text{-44%}$
HKEYS	25.58 µs	5.397 万次/秒	$\color{#0969da}\text{-14%}$
HLEN	1.96 µs	336.361 万次/秒	$\color{#0969da}\text{-11%}$
HMGET	3.538 µs	51.546 万次/秒	$\color{#1a7f37}\text{-5%}$
HSET	9.949 µs	61.312 万次/秒	$\color{#0969da}\text{-41%}$
HVALS	27.25 µs	5.382 万次/秒	$\color{#0969da}\text{-24%}$
PFADD	28.24 µs	12.857 万次/秒	$\color{#0969da}\text{-41%}$
PFCOUNT	45.74 µs	3.602 万次/秒	$\color{#0969da}\text{-20%}$
PFMERGE	34.24 µs	7.123 万次/秒	$\color{#0969da}\text{-35%}$
JSON.ARRLEN	4.744 µs	237.643 万次/秒	$\color{#0969da}\text{-29%}$
JSON.DEL	13.38 µs	44.053 万次/秒	$\color{#0969da}\text{-47%}$
JSON.GET	5.82 µs	207.125 万次/秒	$\color{#0969da}\text{-33%}$
JSON.NUMINCRBY	14.19 µs	75.643 万次/秒	$\color{#0969da}\text{-48%}$
JSON.SET	7.076 µs	62.539 万次/秒	$\color{#0969da}\text{-45%}$
JSON.TYPE	3.341 µs	279.486 万次/秒	$\color{#0969da}\text{-29%}$
LINDEX	1.531 µs	200.481 万次/秒	$\color{#1a7f37}\text{-3%}$
LLEN	695.5 ns	360.231 万次/秒	$\color{#1a7f37}\text{-8%}$
LPOP	4.442 µs	49.579 万次/秒	$\color{#0969da}\text{-39%}$
LPUSH	26.37 µs	73.260 万次/秒	$\color{#0969da}\text{-43%}$
LRANGE	36.37 µs	4.587 万次/秒	$\color{#0969da}\text{-16%}$
LREM	32.33 µs	8.628 万次/秒	$\color{#0969da}\text{-19%}$
LSET	4.271 µs	77.042 万次/秒	$\color{#0969da}\text{-45%}$
LTRIM	116.4 µs	0.983 万次/秒	$\color{#0969da}\text{-42%}$
RPOP	4.115 µs	51.520 万次/秒	$\color{#0969da}\text{-39%}$
RPUSH	10.63 µs	72.780 万次/秒	$\color{#0969da}\text{-42%}$
SADD	12.4 µs	64.725 万次/秒	$\color{#0969da}\text{-42%}$
SCARD	786 ns	372.301 万次/秒	$\color{#1a7f37}\text{-10%}$
SISMEMBER	1.603 µs	155.812 万次/秒	$\color{#0969da}\text{-16%}$
SMEMBERS	31.29 µs	5.288 万次/秒	$\color{#0969da}\text{-16%}$
SPOP	1.877 ms	0.055 万次/秒	$\color{#0969da}\text{-15%}$
SRANDMEMBER	32.24 µs	5.294 万次/秒	$\color{#0969da}\text{-18%}$
SREM	24.01 µs	8.340 万次/秒	$\color{#0969da}\text{-19%}$
SI.ADD	10.56 µs	67.159 万次/秒	$\color{#0969da}\text{-41%}$
SI.CARD	1.556 µs	360.881 万次/秒	$\color{#1a7f37}\text{-2%}$
SI.EXISTS	1.658 µs	191.278 万次/秒	$\color{#1a7f37}\text{-9%}$
SI.RANGE	17.17 µs	11.806 万次/秒	$\color{#0969da}\text{-16%}$
SI.REM	27.07 µs	8.110 万次/秒	$\color{#0969da}\text{-19%}$
APPEND	20.18 µs	56.689 万次/秒	$\color{#0969da}\text{-51%}$
DECRBY	3.075 µs	114.116 万次/秒	$\color{#0969da}\text{-53%}$
GET	1.396 µs	190.006 万次/秒	$\color{#0969da}\text{-11%}$
GETDEL	8.726 µs	57.339 万次/秒	$\color{#0969da}\text{-52%}$
GETRANGE	190.8 ns	548.847 万次/秒	$\color{#1a7f37}\text{-6%}$
INCRBY	8.12 µs	116.306 万次/秒	$\color{#0969da}\text{-52%}$
MGET	10.18 µs	52.274 万次/秒	$\color{#0969da}\text{-13%}$
MSET	25.02 µs	22.925 万次/秒	$\color{#0969da}\text{-28%}$
SET	8.494 µs	123.870 万次/秒	$\color{#0969da}\text{-53%}$
SETRANGE	9.97 µs	55.991 万次/秒	$\color{#0969da}\text{-51%}$
STRLEN	334.8 ns	611.247 万次/秒	$\color{#1a7f37}\text{+1%}$
XADD	21.5 µs	69.930 万次/秒	$\color{#0969da}\text{-43%}$
XDEL	28.17 µs	31.066 万次/秒	$\color{#0969da}\text{-40%}$
XLEN	212.2 ns	491.400 万次/秒	$\color{#1a7f37}\text{-5%}$
XRANGE	22.76 µs	7.770 万次/秒	$\color{#0969da}\text{-19%}$
XREAD	21.6 µs	7.770 万次/秒	$\color{#0969da}\text{-18%}$
TDIGEST.ADD	6.174 µs	53.362 万次/秒	$\color{#0969da}\text{-42%}$
TDIGEST.BYRANK	8.605 µs	210.393 万次/秒	$\color{#0969da}\text{-32%}$
TDIGEST.CDF	10.59 µs	106.689 万次/秒	$\color{#0969da}\text{-30%}$
TDIGEST.QUANTILE	9.608 µs	256.213 万次/秒	$\color{#0969da}\text{-31%}$
TS.ADD	45.21 µs	11.967 万次/秒	$\color{#0969da}\text{-20%}$
TS.GET	3.319 µs	164.799 万次/秒	$\color{#0969da}\text{-23%}$
TS.INCRBY	42.69 µs	6.349 万次/秒	$\color{#0969da}\text{-24%}$
TS.RANGE	52.34 µs	2.300 万次/秒	$\color{#0969da}\text{-11%}$
ZADD	16.56 µs	50.813 万次/秒	$\color{#0969da}\text{-37%}$
ZCARD	1.098 µs	653.595 万次/秒	$\color{#1a7f37}\text{-10%}$
ZCOUNT	77.73 µs	1.563 万次/秒	$\color{#0969da}\text{-24%}$
ZINCRBY	13.43 µs	11.692 万次/秒	$\color{#1a7f37}\text{-9%}$
ZPOPMIN	28.23 µs	7.082 万次/秒	$\color{#1a7f37}\text{-7%}$
ZRANGE	9.684 µs	34.590 万次/秒	$\color{#0969da}\text{-19%}$
ZRANK	31.76 µs	9.390 万次/秒	$\color{#1a7f37}\text{-7%}$
ZREM	42.02 µs	6.464 万次/秒	$\color{#1a7f37}\text{+1%}$
ZREVRANGE	9.264 µs	24.096 万次/秒	$\color{#0969da}\text{-20%}$
ZSCORE	590.1 ns	203.128 万次/秒	$\color{#0969da}\text{-16%}$

运行环境：macOS (Apple M2 Max)

CPU：Apple M2 Max (12 核)
内存：64.0 GB
系统：macOS 26.5.1 (Darwin 25.5.0) (aarch64)
编译器：rustc 1.98.0 (88d9e12ae 2026-08-18)

WeDb (嵌入式引擎) vs Redis (v8.10.1 独立服务) 性能对比

测试说明：

WeDb：进程内直接调用，基于 LSM 磁盘持久化（WAL 日志）

Redis：独立服务，开启 AOF 持久化（appendfsync everysec），通过本地 Unix Domain Socket 通信

综合性能对比：WeDb 加权吞吐量 38.314 万次/秒 ｜ Redis 加权吞吐量 1.228 万次/秒 ｜ WeDb 综合性能倍数 $\color{#1a7f37}\text{31.2x}$

命令	WeDb P95延时	WeDb 估算吞吐量	Redis P95延时	Redis 估算吞吐量	WeDb 性能倍数
SET	29.66 µs	50.025 万次/秒	531.2 µs	0.808 万次/秒	$\color{#1a7f37}\text{61.9x}$
GET	6.999 µs	63.211 万次/秒	76.74 µs	1.587 万次/秒	$\color{#1a7f37}\text{39.8x}$
MSET	152.2 µs	5.247 万次/秒	561.2 µs	0.770 万次/秒	$\color{#1a7f37}\text{6.8x}$
MGET	22.37 µs	28.580 万次/秒	328.5 µs	0.825 万次/秒	$\color{#1a7f37}\text{34.6x}$
INCRBY	136.6 µs	25.138 万次/秒	1.354 ms	0.503 万次/秒	$\color{#1a7f37}\text{50.0x}$
HSET	48.29 µs	25.536 万次/秒	535.7 µs	0.915 万次/秒	$\color{#1a7f37}\text{27.9x}$
HGET	8.04 µs	41.391 万次/秒	89.16 µs	1.614 万次/秒	$\color{#1a7f37}\text{25.6x}$
LPUSH	141.9 µs	5.299 万次/秒	464.4 µs	0.800 万次/秒	$\color{#1a7f37}\text{6.6x}$
LPOP	40.24 µs	7.262 万次/秒	153.5 µs	1.446 万次/秒	$\color{#1a7f37}\text{5.0x}$
SADD	37.58 µs	30.386 万次/秒	544.4 µs	0.888 万次/秒	$\color{#1a7f37}\text{34.2x}$
SISMEMBER	4.583 µs	77.519 万次/秒	85.2 µs	1.284 万次/秒	$\color{#1a7f37}\text{60.4x}$
ZADD	52.37 µs	28.927 万次/秒	241.8 µs	1.519 万次/秒	$\color{#1a7f37}\text{19.0x}$
ZRANGE	33.37 µs	26.233 万次/秒	113.1 µs	1.256 万次/秒	$\color{#1a7f37}\text{20.9x}$
DEL	16.33 µs	42.882 万次/秒	164.2 µs	1.916 万次/秒	$\color{#1a7f37}\text{22.4x}$
EXISTS	12.33 µs	117.069 万次/秒	50.87 µs	2.287 万次/秒	$\color{#1a7f37}\text{51.2x}$

性能回归测试

综合加权性能：加权估算吞吐量 129.193 万次/秒 ｜加权延迟变动 $\color{#1a7f37}\text{+12%}$

命令	P95延时	估算吞吐量	较基线变化 (%)
BITCOUNT	8.083 µs	218.103 万次/秒	$\color{#cf222e}\text{+22%}$
BITPOS	397.9 ns	310.174 万次/秒	$\color{#0969da}\text{-48%}$
GETBIT	1.187 µs	195.122 万次/秒	$\color{#cf222e}\text{+32%}$
SETBIT	79.33 µs	43.649 万次/秒	$\color{#cf222e}\text{+34%}$
BF.ADD	433.3 µs	1.130 万次/秒	$\color{#cf222e}\text{+88%}$
BF.EXISTS	845.8 ns	226.142 万次/秒	$\color{#1a7f37}\text{+10%}$
BF.INFO	340.6 ns	388.651 万次/秒	$\color{#cf222e}\text{+80%}$
CF.ADD	65.49 µs	10.668 万次/秒	$\color{#cf222e}\text{+145%}$
CF.DEL	67.79 µs	12.309 万次/秒	$\color{#1a7f37}\text{+13%}$
CF.EXISTS	869.4 ns	145.560 万次/秒	$\color{#cf222e}\text{+25%}$
BATCH_COMMIT	67.24 µs	22.227 万次/秒	$\color{#cf222e}\text{+20%}$
DEL	85.12 µs	30.386 万次/秒	$\color{#1a7f37}\text{+8%}$
EXISTS	5.666 µs	299.850 万次/秒	$\color{#1a7f37}\text{-0%}$
NAMESPACE	69.91 µs	52.192 万次/秒	$\color{#cf222e}\text{+35%}$
GEOADD	77.12 µs	42.123 万次/秒	$\color{#1a7f37}\text{+12%}$
GEODIST	559.4 ns	222.222 万次/秒	$\color{#cf222e}\text{+16%}$
GEOHASH	413.6 ns	276.625 万次/秒	$\color{#0969da}\text{-57%}$
GEOPOS	366.7 ns	334.448 万次/秒	$\color{#cf222e}\text{+25%}$
HDEL	80.33 µs	10.022 万次/秒	$\color{#1a7f37}\text{+8%}$
HEXISTS	411 ns	293.600 万次/秒	$\color{#1a7f37}\text{-3%}$
HGET	817.2 ns	139.237 万次/秒	$\color{#1a7f37}\text{+15%}$
HGETALL	37.58 µs	7.553 万次/秒	$\color{#1a7f37}\text{-8%}$
HINCRBY	68.16 µs	64.893 万次/秒	$\color{#1a7f37}\text{-5%}$
HKEYS	20.74 µs	8.006 万次/秒	$\color{#1a7f37}\text{+8%}$
HLEN	317.2 ns	396.668 万次/秒	$\color{#1a7f37}\text{-7%}$
HMGET	10.79 µs	47.081 万次/秒	$\color{#1a7f37}\text{+15%}$
HSET	56.91 µs	45.310 万次/秒	$\color{#1a7f37}\text{0%}$
HVALS	22.16 µs	7.435 万次/秒	$\color{#0969da}\text{-11%}$
PFADD	68.2 µs	9.718 万次/秒	$\color{#cf222e}\text{+16%}$
PFCOUNT	41.79 µs	2.978 万次/秒	$\color{#1a7f37}\text{-8%}$
PFMERGE	51.37 µs	5.921 万次/秒	$\color{#1a7f37}\text{+2%}$
JSON.ARRLEN	17.91 µs	92.421 万次/秒	$\color{#cf222e}\text{+100%}$
JSON.DEL	93.7 µs	26.674 万次/秒	$\color{#1a7f37}\text{+5%}$
JSON.GET	15.66 µs	150.263 万次/秒	$\color{#cf222e}\text{+23%}$
JSON.NUMINCRBY	17.79 µs	55.835 万次/秒	$\color{#1a7f37}\text{0%}$
JSON.SET	56.29 µs	40.683 万次/秒	$\color{#cf222e}\text{+20%}$
JSON.TYPE	5.208 µs	200.200 万次/秒	$\color{#cf222e}\text{+20%}$
LINDEX	533.3 ns	230.203 万次/秒	$\color{#1a7f37}\text{+8%}$
LLEN	237.8 ns	439.754 万次/秒	$\color{#1a7f37}\text{+13%}$
LPOP	6.457 µs	42.863 万次/秒	$\color{#1a7f37}\text{-3%}$
LPUSH	55.37 µs	63.211 万次/秒	$\color{#1a7f37}\text{-0%}$
LRANGE	31.2 µs	4.318 万次/秒	$\color{#cf222e}\text{+22%}$
LREM	129.3 µs	10.910 万次/秒	$\color{#1a7f37}\text{+2%}$
LSET	4.541 µs	54.585 万次/秒	$\color{#cf222e}\text{+300%}$
LTRIM	194.2 µs	0.706 万次/秒	$\color{#1a7f37}\text{+4%}$
RPOP	5.29 µs	47.081 万次/秒	$\color{#1a7f37}\text{+2%}$
RPUSH	75.45 µs	52.219 万次/秒	$\color{#0969da}\text{-51%}$
SADD	76.66 µs	45.310 万次/秒	$\color{#cf222e}\text{+20%}$
SCARD	353.7 ns	343.407 万次/秒	$\color{#cf222e}\text{+29%}$
SISMEMBER	666.2 ns	165.673 万次/秒	$\color{#0969da}\text{-15%}$
SMEMBERS	20.83 µs	8.368 万次/秒	$\color{#1a7f37}\text{-0%}$
SPOP	1.262 ms	0.093 万次/秒	$\color{#1a7f37}\text{-0%}$
SRANDMEMBER	115.5 µs	7.794 万次/秒	$\color{#1a7f37}\text{+8%}$
SREM	121.5 µs	11.112 万次/秒	$\color{#1a7f37}\text{-1%}$
SI.ADD	142.5 µs	53.362 万次/秒	$\color{#1a7f37}\text{+12%}$
SI.CARD	236.5 ns	562.114 万次/秒	$\color{#1a7f37}\text{+1%}$
SI.EXISTS	647.9 ns	209.512 万次/秒	$\color{#1a7f37}\text{-3%}$
SI.RANGE	15.91 µs	18.185 万次/秒	$\color{#1a7f37}\text{-3%}$
SI.REM	91.49 µs	10.106 万次/秒	$\color{#1a7f37}\text{+8%}$
APPEND	88.83 µs	40.016 万次/秒	$\color{#0969da}\text{-56%}$
DECRBY	62.74 µs	85.763 万次/秒	$\color{#1a7f37}\text{-10%}$
GET	666.1 ns	234.412 万次/秒	$\color{#1a7f37}\text{+6%}$
GETDEL	442.2 µs	17.268 万次/秒	$\color{#cf222e}\text{+128%}$
GETRANGE	114.1 ns	989.120 万次/秒	$\color{#1a7f37}\text{+4%}$
INCRBY	97.58 µs	82.850 万次/秒	$\color{#1a7f37}\text{-3%}$
MGET	4.874 µs	60.024 万次/秒	$\color{#1a7f37}\text{+11%}$
MSET	139.3 µs	20.169 万次/秒	$\color{#1a7f37}\text{+15%}$
SET	116.7 µs	75.075 万次/秒	$\color{#1a7f37}\text{+14%}$
SETRANGE	158.5 µs	35.829 万次/秒	$\color{#0969da}\text{-51%}$
STRLEN	96.56 ns	1197.175 万次/秒	$\color{#1a7f37}\text{-1%}$
XADD	49.99 µs	57.176 万次/秒	$\color{#1a7f37}\text{+2%}$
XDEL	55.87 µs	22.862 万次/秒	$\color{#cf222e}\text{+23%}$
XLEN	163.6 ns	626.174 万次/秒	$\color{#1a7f37}\text{+12%}$
XRANGE	34.04 µs	9.099 万次/秒	$\color{#1a7f37}\text{+9%}$
XREAD	28.37 µs	8.636 万次/秒	$\color{#1a7f37}\text{+12%}$
TDIGEST.ADD	17.54 µs	30.779 万次/秒	$\color{#1a7f37}\text{+7%}$
TDIGEST.BYRANK	11.83 µs	141.343 万次/秒	$\color{#1a7f37}\text{+13%}$
TDIGEST.CDF	17.91 µs	96.061 万次/秒	$\color{#cf222e}\text{+19%}$
TDIGEST.QUANTILE	16.08 µs	184.672 万次/秒	$\color{#1a7f37}\text{-7%}$
TS.ADD	165 µs	14.203 万次/秒	$\color{#1a7f37}\text{+1%}$
TS.GET	697.5 ns	176.305 万次/秒	$\color{#1a7f37}\text{+7%}$
TS.INCRBY	27.2 µs	6.878 万次/秒	$\color{#1a7f37}\text{+7%}$
TS.RANGE	28.58 µs	3.804 万次/秒	$\color{#1a7f37}\text{+13%}$
ZADD	141.1 µs	38.110 万次/秒	$\color{#cf222e}\text{+19%}$
ZCARD	174 ns	748.503 万次/秒	$\color{#cf222e}\text{+24%}$
ZCOUNT	60.24 µs	2.077 万次/秒	$\color{#cf222e}\text{+21%}$
ZINCRBY	106.8 µs	12.534 万次/秒	$\color{#cf222e}\text{+22%}$
ZPOPMIN	14.83 µs	10.885 万次/秒	$\color{#1a7f37}\text{+7%}$
ZRANGE	11.29 µs	37.523 万次/秒	$\color{#cf222e}\text{+20%}$
ZRANK	10.29 µs	15.535 万次/秒	$\color{#1a7f37}\text{+5%}$
ZREM	172.6 µs	11.348 万次/秒	$\color{#1a7f37}\text{+3%}$
ZREVRANGE	12.49 µs	25.265 万次/秒	$\color{#1a7f37}\text{+10%}$
ZSCORE	765.1 ns	156.838 万次/秒	$\color{#cf222e}\text{+29%}$

wedb_embed 0.1.1

wedb_embed : Embedded database engine providing Redis-like APIs, built on fjall

Motivation

Core Architecture & Encoding Design

1. Default DB Prefix Optimization & 1-Byte Tag

2. OPPV Order-Preserving Prefix Varint (oppv_u64)

3. Numerical Tenant ID Mapping & Renaming

4. Streaming Iterators

Usage

1. Database Initialization & Configuration (WeDb & Conf)

2. Multi-Tenant & Multi-DB Isolation (Namespace)

3. Key-Value & String Operations (KvOps)

4. Hash Map (HashOps)

5. List (ListOps)

6. Set (SetOps)

7. Sorted Set (ZSetOps)

8. Bitmap, Bloom Filter, TimeSeries & Geo (BitmapOps, BloomOps, TsOps, GeoOps)

Tech Stack

Benchmark & Performance

Environment: Ubuntu CI (GitHub Actions Runner)

WeDb (Embedded Engine) vs Redis (v8.10.1 Standalone Server) Performance Comparison

Regression Benchmark

Environment: macOS (Apple M2 Max)

WeDb (Embedded Engine) vs Redis (v8.10.1 Standalone Server) Performance Comparison

Regression Benchmark

wedb_embed : 嵌入式数据库引擎，提供类似 Redis 的接口，底层基于 fjall 开发

项目初衷

核心架构与编码设计

1. 默认库前缀优化与 1-Byte 标签

2. OPPV 保序变长整型编码 (oppv_u64)

3. 多租户数字 ID 映射与重命名

4. 流式迭代器

使用演示

1. 数据库打开与配置 (WeDb & Conf)

2. 多租户与分库隔离 (Namespace)

3. 键值与字符串 (KvOps)

4. 哈希字典 (HashOps)

5. 列表 (ListOps)

6. 集合 (SetOps)

7. 有序集合 (ZSetOps)

8. 位图、布隆过滤、时序与地理位置 (BitmapOps, BloomOps, TsOps, GeoOps)

技术堆栈

性能基准与回归测试

运行环境：Ubuntu CI (GitHub Actions Runner)

WeDb (嵌入式引擎) vs Redis (v8.10.1 独立服务) 性能对比

性能回归测试

运行环境：macOS (Apple M2 Max)

WeDb (嵌入式引擎) vs Redis (v8.10.1 独立服务) 性能对比

性能回归测试

2. OPPV Order-Preserving Prefix Varint (`oppv_u64`)

1. Database Initialization & Configuration (`WeDb` & `Conf`)

2. Multi-Tenant & Multi-DB Isolation (`Namespace`)

3. Key-Value & String Operations (`KvOps`)

4. Hash Map (`HashOps`)

5. List (`ListOps`)

6. Set (`SetOps`)

7. Sorted Set (`ZSetOps`)

8. Bitmap, Bloom Filter, TimeSeries & Geo (`BitmapOps`, `BloomOps`, `TsOps`, `GeoOps`)

2. OPPV 保序变长整型编码 (`oppv_u64`)

1. 数据库打开与配置 (`WeDb` & `Conf`)

2. 多租户与分库隔离 (`Namespace`)

3. 键值与字符串 (`KvOps`)

4. 哈希字典 (`HashOps`)

5. 列表 (`ListOps`)

6. 集合 (`SetOps`)

7. 有序集合 (`ZSetOps`)

8. 位图、布隆过滤、时序与地理位置 (`BitmapOps`, `BloomOps`, `TsOps`, `GeoOps`)