计算机应用

作者：骆克云, 叶保留, 唐斌, 梅峰, 卢文达

单位：1.计算机软件新技术国家重点实验室（南京大学），江苏 南京 210023；2.国网浙江省电力有限公司，浙江 杭州 310007

关键词：RocksDB,主动缓存,增量学习,日志结构合并树

基金：国家重点研发计划项目(2018YFB1004704);国家自然科学基金资助项目(61832005);国家电网公司科技项目(52110418001M)

由于分层结构的约束，基于日志结构合并（LSM）树的RocksDB键值存储系统面临着读取性能低下的问题。一种有效的解决方法是对热点数据进行主动缓存，但其面临两个挑战：一是如何在数据分布持续动态变化时对热点数据进行预测，二是如何将主动缓存机制与RocksDB存储结构衔接起来。针对这些挑战，基于预测分析技术，构建了由数据采集、系统交互、系统测试等部分组成的面向RocksDB键值系统的主动缓存框架，能够将热点数据缓存在LSM树的较低层级中；并对数据访问模式进行建模，设计并实现了基于增量学习的热点数据预测分析方法，能够有效减少存储介质的I/O访问次数。实验结果表明该机制能有效提升RocksDB在不同动态工作负载下的数据读取性能。

来源：2020年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第2期