日志结构合并树（Log-Structure Merge-tree,LSM-tree）具有高效的写入性能并且在大数据场景下性能表现良好,它通过内存组件将随机写转换成顺序写,然后将数据组织成排序字符串表（Sorted String Table,SSTable）的形式顺序写入到磁盘中。磁盘组件是一个多层结构,LSM-tree通过合并操作来整理底层组件的数据并清除无效信息。合并操作会不定期的整理底层数据并将整理后的数据写入到新文件中去,合并操作的引入也带来了一些性能问题,主要是缓存失效、写放大和读放大。针对上述问题本文提出了如下解决方案:1)提出了两阶段并行预取方法用于减少合并操作带来的缓存失效。缓存失效发生的根本原因是合并操作会将磁盘组件中的数据重新整理并写入到新文件,这会导致块缓存中的部分数据成为无效数据,在之后的访问中不会再被访问到,为了改善缓存失效带来的阶段性缓存命中率下降的问题,本文通过两阶段预取方法将未来可能会被访问到的数据块预取到缓存中。实验证明,两阶段并行预取方法可以将合并操作后的缓存命中率提升约2.65倍。2)提出了基于哈希分组的索引结构设计,用于改善LSM-tree索引结构在做读写权衡的过程中引入的写放大和读放大问题。LSM-tree是针对写性能优化的索引结构,在追求极致写入性能的同时,其也对读性能做了一些让步,首先是底层组件的多层有序存储结构使得查询操作可以逐层利用二分法进行查询,但是在最坏情况下需要遍历全部文件才能找到该数据,同时多层结构也使得磁盘中存储的数据量大于实际写入的数据量,随着时间的推移这会严重影响SSD的使用寿命。本文通过分析写放大和读放大的产生原因,提出了基于哈希分组的读写权衡方案,通过将数据分成多个组并减少磁盘组件的层数来达到减少写放大和读放大的目的。经实验验证,基于哈希分组的索引结构设计能够在维持高效写入性能的前提下提升约11%的读取性能。