软件学报

作者：张志国，谢钟乐，陈珂，寿黎但

单位：张志国，区块链与数据安全全国重点实验室(浙江大学), 浙江 杭州 310027;浙江大学 计算机科学与技术学院, 浙江 杭州 31002711,谢钟乐，区块链与数据安全全国重点实验室(浙江大学), 浙江 杭州 310027;浙江大学 计算机科学与技术学院, 浙江 杭州 31002702,陈珂，区块链与数据安全全国重点实验室(浙江大学), 浙江 杭州 310027;浙江大学 计算机科学与技术学院, 浙江 杭州 31002703,寿黎但，区块链与数据安全全国重点实验室(浙江大学), 浙江 杭州 310027;浙江大学 计算机科学与技术学院, 浙江 杭州 31002704

关键词：学习型索引;持久化内存;持久化内存索引;数据库

基金：浙江省尖兵研发攻关计划(2024C01021); 浙江省科技创新领军人才计划(2023R5214)

持久化内存(persistent memory, PM)作为主存的补充和替代, 为数据存储提供了相对较低的价格成本, 并且保证了数据的持久化. 为PM设计的传统结构索引(如B+树等)未能充分利用数据分布特点来发挥索引在PM上的读写性能. 最近的研究尝试利用学习索引的数据分布感知能力提升索引在PM上的读写性能并实现持久化. 但在面对真实世界的数据时, 现有基于PM的持久化学习索引的数据结构设计会导致额外的内存访问, 从而影响读写性能. 针对PM学习索引在面对真实数据时读写性能下降的问题, 提出一种DRAM/PM混合架构的学习索引PLTree. 它通过以下方法提升在PM上的读写性能并减轻数据分布颠簸对性能的影响: (1)使用两阶段方法构建索引消除内部节点的局部搜索, 减少PM的访问. (2)利用模型搜索来优化PM上的查找性能并通过在DRAM存储元数据加速查找. (3)根据PM的特性设计了日志式分层溢出缓存结构, 优化写入性能. 实验结果表明, 在不同数据集上, 与现有的持久化内存索引(APEX, FPTree, uTree, NBTree和DPTree)相比, PLTree在索引构建性能上平均提升了约1.9–34倍; 单线程查询/插入性能平均提升了约1.26–4.45倍和2.63–6.83倍; 在多线程场景, 查询/插入性能最高提升了约10.2倍和23.7倍.

来源：2025年第5期

《软件学报》期刊编辑部

查看软件学报杂志2025年第5期