VictoriaMetrics中MergeSet工作原理及相关技术疑问

问题背景 #

从相关研究论文中了解到VictoriaMetrics的MergeSet是简化的单层LSM树，将标签与posting ID（TSID）拼接为键，借助LSM树的有序性形成倒排列表。查阅VM源码后仍有以下疑问：

1. MergeSet是否将每个标签键值对与关联TSID拼接后作为MergeSet.table中元组的键？
2. 若标签键值对和TSID都嵌入键中，MergeSet.table的值代表什么？
3. 若不遵循普通LSM树的键值对范式，是否应将MergeSet视为受LSM树启发、利用磁盘存储的（部分）有序字符串集合？

解答 #

1. MergeSet的键结构
   MergeSet确实会将标签键值对（经过VM特定编码压缩，保证字典序排序）与对应的TSID拼接后作为MergeSet.table的键。这里的“拼接”不是简单的字符串拼接，而是先对标签键值对进行紧凑编码（比如将key=value格式的标签转换为符合排序规则的定长/变长编码），再追加固定长度的TSID，最终形成全局有序的键。这种设计让相同标签组合的TSID在键空间中连续排列，天然构成倒排列表，方便快速定位某个标签组合对应的所有时间序列。

2. MergeSet的值字段意义
   当标签键值对和TSID都嵌入键中时，MergeSet.table的值字段仅作为占位符，无实际业务意义。MergeSet的核心逻辑完全依赖有序键集合实现倒排索引：查询时只需扫描匹配标签前缀的键范围，从键中提取TSID即可，不需要读取值字段。VM这样设计是为了最大化存储效率，避免冗余数据。

3. MergeSet的本质定位
   MergeSet可以视为受LSM树启发、基于磁盘存储的有序字符串集合。它简化了传统LSM树的多层SSTable结构，仅保留单层有序存储，但继承了LSM树高效写入、范围查询的特性。它不完全遵循普通LSM树的“键-值”范式，因为值字段无实际作用，核心价值在于有序排列的键本身——通过键的有序性实现标签到TSID的倒排映射，这也是VM应对高基数标签查询优化的关键设计。

内容的提问来源于stack exchange，提问作者Xavier Z