基于非易失性内存的LSM-tree存储系统优化
来源：华东师范大学学报·哲学社会科学版杂志2021年第5期北京时间：
作者：余阳, 胡卉芪, 周煊
摘要：随着大数据时代的到来, 金融行业产生的数据越来越多, 对数据库的压力也越来越大. LevelDB是谷歌开发的一款基于LSM-tree架构的键值对数据库, 有写入快和占用空间小的优点, 被金融行业广泛应用. 针对LSM-tree架构的写停顿、写放大、对读不友好等缺点, 提出了一种基于非易失性内存和机器学习的L0层的设计方法, 能够减缓甚至解决上述问题. 实验结果表明, 该设计能够实现较好的读写性能.
关键词：非易失性内存,机器学习,LSM-tree架构,
