本書主要研究了基于日志結(jié)構(gòu)合并樹(shù)LSM-tree的鍵值存儲(chǔ)系統(tǒng)的性能優(yōu)化問(wèn)題，具體包括優(yōu)化LSM-tree合并機(jī)制減少寫放大來(lái)提升寫入性能，構(gòu)建自適應(yīng)LSM-tree結(jié)構(gòu)進(jìn)一步動(dòng)態(tài)改善讀寫性能和尾延遲問(wèn)題，以及基于相關(guān)性的鍵值存儲(chǔ)自動(dòng)調(diào)優(yōu)系統(tǒng)以實(shí)現(xiàn)對(duì)LSM-tree鍵值存儲(chǔ)系統(tǒng)更全面地的優(yōu)化。本書的主要的研究?jī)?nèi)容如下。1.面向新硬件的LSM-tree寫性能優(yōu)化的合并機(jī)制研究。2.資源負(fù)載自適應(yīng)LSM-tree結(jié)構(gòu)的鍵值存儲(chǔ)優(yōu)化。3.基于強(qiáng)化學(xué)習(xí)的LSM-tree鍵值存儲(chǔ)自動(dòng)調(diào)優(yōu)系統(tǒng)研究。4.基于LSM-tree鍵值存儲(chǔ)系統(tǒng)的知識(shí)圖譜系統(tǒng)優(yōu)化。為了加速查詢翻譯生成的鍵值操作，本書還提出了基于非易失性內(nèi)存查詢性能加速的知識(shí)圖譜系統(tǒng)。KGB主要包含面向鄰域查詢加速的NVM輔助索引，用于降低鍵值存儲(chǔ)的讀取成本；快速響應(yīng)的改進(jìn)Raft算法，用于實(shí)現(xiàn)高效的鍵值存取操作；以及面向鍵值存儲(chǔ)引擎的調(diào)優(yōu)機(jī)制，為知識(shí)圖譜存儲(chǔ)系統(tǒng)獲得了額外的性能提升。通過(guò)實(shí)驗(yàn)表明，KGB能有效降低知識(shí)圖譜系統(tǒng)的平均延遲和尾延遲的影響，實(shí)現(xiàn)更高顯著的性能提升。