基于LevelDB存储引擎的研究与优化

发布时间：2022-11-12 11:08

　　随着Web2.0应用的成熟,互联网在近几年得以快速发展,给传统的关系型数据库带来了前所未有的挑战,该类应用以大规模数据量著称,需要具备更高读写性能的数据库支持。但是传统的数据库并不能与大规模数据存储下读写性能秒级响应的要求一一匹配,同时管理成本高,扩展性能较差,基于以上几点原因,NoSQL数据库在探索新技术的道路上应运而生。目前被广泛研究使用的就是以LSM-Tree为模型的key/value数据库中的LevelDB,当今市面上很多商用产品都实现了LevelDB存储引擎接口,也有很多在LevelDB源码基础上进行的二次开发与应用,足以见得,LevelDB在NoSQL新型数据库中有着举足轻重的地位。本论文从NoSQL整体架构出发,深入研究其内部的实现机制,针对该系统存在写放大和读放大的不足进行研究与优化,本文的主要工作有以下几点:（1）充分调研了当前NoSQL的发展状况,对当前三大主流的存储引擎进行优势与不足的分析,依此为理论基础深入研究LevelDB。（2）针对LevelDB提出了一种简单易懂的优化方案----key/value分离存储,解决了该优化方案带来的三大问题:value垃圾回收... 

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

中国网民规模和互联网普及率

SATA与SAS的随机与顺序访问性能图

SSD的顺序与随机读写性能

【参考文献】：
期刊论文
[1]基于NoSQL数据库的空间大数据分布式存储策略[J]. 李绍俊,杨海军,黄耀欢,周芹.  武汉大学学报(信息科学版). 2017(02)
[2]基于图数据库Neo4j的话单分析研究[J]. 黄冰倩,黄淑华,刘思言.  网络安全技术与应用. 2015(07)
[3]基于SSD的Key-Value系统优化设计与实现[J]. 刘峪竹,肖侬,刘芳,陈志广,唐黎哲.  计算机研究与发展. 2014(S1)
[4]一种大数据时代海量数据抽取的开发模型研究[J]. 罗恩韬,胡志刚,林华.  计算机应用研究. 2013(11)
[5]支持大数据管理的NoSQL系统研究综述[J]. 申德荣,于戈,王习特,聂铁铮,寇月.  软件学报. 2013(08)
[6]基于NoSQL的海量空间数据云存储与服务方法[J]. 陈崇成,林剑峰,吴小竹,巫建伟,连惠群.  地球信息科学学报. 2013(02)
[7]基于大规模廉价计算平台的海量数据处理系统的研究[J]. 徐小龙,吴家兴,杨庚,程春玲,王汝传.  计算机应用研究. 2012(02)
[8]浅析数据库技术发展[J]. 赵翠,林钢华.  计算机与信息技术. 2010 (10)
[9]布鲁姆过滤器查询算法[J]. 谢鲲,文吉刚,张大方,谢高岗.  软件学报. 2009(01)
[10]企业海量数据库的优化[J]. 王晓伟,李海峰,李禺.  计算机应用研究. 2005(04)

博士论文
[1]大规模闪存固态存储并行访问控制关键技术的研究与实现[D]. 王蓉晖.国防科学技术大学 2015

硕士论文
[1]基于LSM-tree键值系统读性能优化[D]. 张月明.中国科学技术大学 2018
[2]Cassandra数据库索引及缓存在云计算中的研究与实现[D]. 陆鑫.电子科技大学 2018
[3]基于NOSQL数据库的路网最短路径查询及优化研究[D]. 于海鹏.北京工业大学 2016
[4]基于LSM-Tree的持久化缓存机制的优化研究[D]. 饶毓琳.华中科技大学 2016
[5]基于Leveldb的企业级大数据集群化存储设计与实现[D]. 秦峥惠.辽宁科技大学 2015



本文编号：3706255