.png){kind=icon}
返回
A ReRAM-Based Processing-in-Memory Framework for LSM-Based Key-Value Store
.png){kind=icon}
PRE
AI
DOI：10.1109/TCAD.2025.3591410.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于日志结构合并（LSM）树的键值（KV）存储通过将写入操作组织成层次化批处理来优化写入性能。然而，LSM树的著名压缩过程和多级查询机制严重损害了系统性能。我们的初步实验表明：1）当压缩发生在LSM树的L0和L1层时，可能会耗尽系统的计算和内存资源，最终导致整个系统停顿；2）定位查询数据通常需要跨多级进行大量迭代检索，而L0层中的冗余键范围重叠进一步增加了开销。基于这些观察，我们引入了Re-LSM+，一种基于电阻随机存取存储器（ReRAM）的内存内处理（PIM）框架，用于基于LSM的KV存储。在Re-LSM+中，我们将压缩任务从LSM树的高层卸载到PIM处理部分。通过将三阶段压缩过程分解为基本逻辑操作，设计了一个高度并行的ReRAM压缩加速器。此外，我们为不同层级设计了索引表和多层布隆过滤器，以提高LSM树的查询效率。db_bench的评估结果表明，与RocksDB相比，Re-LSM+在随机写入吞吐量上实现了2.37倍的提升。此外，基于ReRAM的压缩加速器相比基于CPU的实现实现了68.16倍的速度提升，并将能耗降低至1/25.5。
Keyword:
Compaction
Nonvolatile memory
Indexes
Random access memory
Throughput
Energy consumption
Design automation
Training
Optimization
Memory management
key-value (KV) store
log-structured merge (LSM)-tree
resistive random-access memory (ReRAM)
期刊
I
IF:
2.9
论文数:
626
被引数:
9.6K
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏Prism: Optimizing Key-Value Store for Modern Heterogeneous Storage DevicesPrism：优化键值存储以适应现代异构存储设备
OAAI
OAAI分享收藏分享收藏分享收藏分享收藏
查看更多内容