Rosetta: A Robust Space-Time Optimized Range Filter for Key-Value Stores
本文提出Rosetta,一种专门为基于lsm树的键值存储设计的概率范围过滤器。我们的核心直觉是,我们可以牺牲过滤器探测时间,因为它在端到端的键值存储性能中是不可见的,这反过来允许我们显著降低树的每一层的过滤器误报率
Rosetta使用一组分层排列的布隆过滤器来索引一个键的所有二进制前缀。然后,它将每个范围查询转换为多个探测,每个探测对应于一个不重叠的二进制前缀。Rosetta能够跟踪工作负载模式,并通过调整使用的布隆过滤器的数量以及内存在它们之间的分布方式,对运行的每个lsm树进行有益的调优,以优化FPR/CPU成本的平衡。
展示了如何将Rosetta集成到一个完整的系统RocksDB中,并证明了它在各种工作负载和不同的内存层次(内存、SSD、硬盘)中,与默认的RocksDB相比带来了40倍的性能提升,与最先进的范围过滤器相比带来了2-5倍的性能提升。与最先进的过滤器不同,Rosetta为RocksDB的整体性能带来了净效益,即它改善了范围查询,而不损失任何点查询的性能。
一研究问题
Problem 1: Short and Medium Range Queries are Significantly Sub-Optimal. 虽然SuRF中的trie-culling对长范围查询是有效的,但它对短范围查询不是很有效,因为(i)短范围查询有很高的概率是空的,(ii)被剔除的前缀可能没有帮助,因为键的差异主要是最低有效位
Problem 2: Lack of Support for Workloads With KeyQuery Correlation or Ske