看 2017 年的论文 wisckey ,讲 LSMT 的 KV 分离优化,related work 大致分类了下 KV 领域的优化维度:
1. 做 Hash 这个维度优化的,比如设计并引入 cuckoo hashing ;
2. 做 LSMT 这个维度优化的;
3. KV 走 hybrid 路线;
4. 设计非 Hash 非 LSMT 新的索引;
5. 参考 in-memory KV 怎么去做扩展性;
当今 AI 盛行,好奇 KV 存储引擎,除了 Facebook 的 rocksdb ,其他公司还有什么类似的东西?以及这个方向,当下的业务需求和技术发展路线是什么样的?或者,有什么会议的安利么?非领域人员求科普!
1. 做 Hash 这个维度优化的,比如设计并引入 cuckoo hashing ;
2. 做 LSMT 这个维度优化的;
3. KV 走 hybrid 路线;
4. 设计非 Hash 非 LSMT 新的索引;
5. 参考 in-memory KV 怎么去做扩展性;
当今 AI 盛行,好奇 KV 存储引擎,除了 Facebook 的 rocksdb ,其他公司还有什么类似的东西?以及这个方向,当下的业务需求和技术发展路线是什么样的?或者,有什么会议的安利么?非领域人员求科普!