Dostoevsky：重新定义LSM-Tree性能边界

Better Space-Time Trade-Offs for LSM-Tree Based Key-Value Stores [pdf]

主流LSM-Tree存储引擎在更新、查询与空间之间往往存在次优权衡。哈佛大学的Niv Dayan和Stratos Idreos指出，现有设计在非最大层级进行的合并操作，对降低查询成本或空间放大几乎无益，却显著增加了更新开销。为此，他们提出了Lazy Leveling策略，移除冗余合并，并引入Fluid LSM-tree以灵活调整设计参数。基于此构建的Dostoevsky系统，能够根据硬件和应用负载自适应导航设计空间，在RocksDB上实现了严格优于现有最先进设计的性能与空间效率。