Scavenger+: 重新审视键值分离 LSM 树的时空权衡
数据库
2025-08-20 v1
摘要
基于日志结构合并树(LSM树)的键值存储(KVS)广泛用于存储系统，但面临诸多挑战，如压缩导致的高写入放大。键值分离LSM树可解决写入放大问题，但会引入显著的空间放大，这在成本敏感的场景中是至关重要的关切。垃圾回收(GC)可减少空间放大，但现有策略往往效率低下，且未能考虑工作负载特征。此外，当前的键值分离LSM树忽略了索引LSM树所导致的空间放大。本文系统性地分析了键值分离LSM树中空间放大的来源，提出Scavenger+以实现更好的性能-空间权衡。Scavenger+引入(1)一种高效的垃圾回收方案以减少I/O开销，(2)基于补偿大小的空间感知压缩策略以缓解索引引起的空间放大，(3)一种适应系统负载的动态GC调度器，以更好地利用CPU和存储资源。广泛实验表明，Scavenger+在包括BlobDB、Titan和TerarkDB在内的领先的键值分离LSM树上，显著提高了写入性能并降低了空间放大。
引用
@article{arxiv.2508.13935,
title = {Scavenger+: Revisiting Space-Time Tradeoffs in Key-Value Separated LSM-trees},
author = {Jianshun Zhang and Fang Wang and Jiaxin Ou and Yi Wang and Ming Zhao and Sheng Qiu and Junxun Huang and Baoquan Li and Peng Fang and Dan Feng},
journal= {arXiv preprint arXiv:2508.13935},
year = {2025}
}
备注
Accepted by IEEE Transactions on Computers