Dostoevsky: Better Space-Time Trade-Offs for LSM-Tree Based Key-Value Stores via Adaptive Removal of

Dostoevsky: Better Space-Time Trade-Offs for LSM-Tree Based Key-Value Stores via Adaptive Removal of Superfluous Merging

本文表明，文献和工业界中所有主流的基于lsm树的键值存储，一方面是更新的I/O成本，另一方面是查找和存储空间的I/O成本。原因是它们在所有级别的flsm -tree中执行同样昂贵的合并操作，以限制查找必须探测的运行次数，并删除过时的项以回收存储空间。然而，在最先进的设计下，除了最大的(即大多数合并操作)之外，来自所有级别的LSM-tree的合并操作可以减少微不足道的点查找开销、长范围查找开销和存储空间，同时显著增加更新的摊销开销。 

为了解决这个问题，本文引入了惰性均衡，一种新的设计，从LSM-tree的所有层中删除合并操作，但在最大的层中。延迟均衡改善了更新开销在最坏情况下的复杂性，同时保持了点查找开销、长范围查找开销和存储空间的边界不变。进一步提出流体LSM-tree，整个LSM-tree设计空间的泛化，可以参数化以假设任何现有设计。相对于惰性均衡，Fluid LSM-tree可以通过在最大级别合并更少的数据来优化更新，也可以通过在其他级别合并更多数据来优化短程查询。

将所有内容放在一起设计了Dostoevsky，这是一个键值存储，通过根据应用程序工作负载和硬件导航流动的LSM-tree设计空间，自适应地消除多余的合并。我们在RocksDB之上实现了Dostoevsky，并表明它在性能和存储空间方面严格控制了最先进的设计。