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
- LSM-Tree
- SSTables
- Bloom 过滤器
- 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
- 系统-LSM 优化
- 没有读过相关的文章，前置知识都还不了解
文献调研
- NoSQL 数据库——MonoDB、Cassandra、Dynamo
- LSM-Tree、B-Tree、B+-Tree
本博客所有文章除特别声明外，均采用 CC BY-SA 4.0 协议 ，转载请注明出处！