分布式系统学习——ATC19USTC文章

First Step

摘要段

技术背景:针对 LSM 树 IO 负担问题(频繁检查 SSTable 造成的读增加),通常会在 KV stores 中部署 Bloom 过滤器。Bloom 自身也存在误报,内存开销等问题。

文章贡献:利用 SSTable 的 access skewness 性质的普遍性,根据数据热点动态调整的异构 Bloom 过滤器——ElasticBF。且 ElasticBF 与 LSM 树的优化可整合到一起共同优化读取性能。性能提升均在 2x 以上。

前置知识

  1. LSM-Tree
  2. SSTables
  3. Bloom 过滤器
  4. NoSQL 类型数据库

标题和段落开头

第四段主要是 ElasticBF 应用于各 DB 的效果验证。

First Step Conclustion

  1. 系统-LSM 优化
  2. 没有读过相关的文章,前置知识都还不了解

文献调研

  1. NoSQL 数据库——MonoDB、Cassandra、Dynamo
  2. LSM-Tree、B-Tree、B+-Tree