基于日志结构合并树(Log-Structure Merge-tree,LSM-tree)的键值存储主要为数据密集型应用提供服务。LSM-tree利用硬盘顺序写入速度高于随机写入的特点将随机写操作转换成顺序写操作获得了很好的写性能。LSM-tree是一个多层的数据结构,它需要合并操作(compaction)对其自身数据进行整理。然而合并操作在整理数据的过程中导致其改动的数据对应的缓存失效,造成了读性能的抖动问题。另外合并操作在整理LSM-tree数据的同时造成了写放大,严重影响了LSM-tree的写性能。本文针对以上两个问题提出了以下解决方案:1)提出了双粒度缓存缓解因合并操作造成的读性能抖动问题。合并操作在整理数据的过程中,改写了数据在硬盘中的位置,使得存储在缓存中的数据失效导致LSM-tree读性能的抖动。但是合并操作是维护LSM-tree自身结构和对旧键值对进行回收的关键操作。本文通过分析合并操作在LSM-tree不同层发生的频率不同,对LSM-tree不同层使用不同粒度的缓存来缓解读性能抖动问题。双粒度缓存分成粗粒度缓存和细粒度缓存两种,分别缓存不同粒度的数据。粗粒度缓存以数据块(block)为单位对系统读到的数据块进行缓存。细粒度缓存以键值对为单位对最近访问过的键值对进行缓存。实验证明,双粒度缓冲可以提高LSMtree 25%到200%的读性能。2)利用非易失性存储器(Non-Volatile Memory,NVM)可字节寻址,非易失性和容量远大于内存的特点构建一个读写缓冲。在LSM-tree中,各层存储空间大小从上到下依次成倍增加,所以不同层的合并操作产生的代价也不同,越是下层合并代价越高。如果让更新操作尽量在LSM-tree的上层完成,可以减少向下层写入的数据量从而缓解写放大问题。读写缓冲可以利用工作负载的skew特性将更新操作完成在NVM中。在进行刷写操作(flush)时,将在读写缓冲中的数据使用Sketch算法进行冷热分离,把经常更新的键值对保留在读写缓冲中。这样的方式有效地减少了合并操作向下写入的数据量,从而减轻了写放大。实验证明,读写缓冲和Sketch算法可以提高15%的写性能。