键值数据库以其精简的结构,优异的读写性能,在越来越多的场景中起着关键作用,诸如电子商务、网络游戏、搜索引擎和广告等。键值数据库内部的数据布局有多种实现方案,比如redis、memcache将数据存储在内存中,以哈希表结构进行索引;以及leveldb、cassandra将数据存储在硬盘上,以LSM树结构进行索引。因为现实世界中很多应用,其数据量大于内存容量,持久化的键值存储非常必要,所以针对LSM树结构的leveldb展开研究有现实意义。LSM树是一种将随机写转换成顺序写的数据结构,同时保存一大一小两棵排序树,小棵排序树在内存中缓存用户的随机写请求,当满足一定大小时,将其顺序写到硬盘上并与大棵的排序树合并。在HDD作为存储介质时,因为其随机写和顺序写性能差别很大,LSM树可以极大地提升数据的写入效率。但LSM树为了保证读性能而定期执行的合并操作会增加写延迟。在LSM树硬盘上的第0层结构中,可以设立键前缀分区减少每个0层文件的键值范围,来解决这个问题。在此基础上,提出基于SSD的Memory Partition And Adaptive LSM(内存分区和自适应LSM树)简称MPAA-LSM,将分区放到内存实现,减少第0层频繁创建文件带来的系统调用开销以及分区内多个小文件触发的合并造成的写放大问题。持久化时充分利用SSD并行写操作,有效提高了持久化效率。此外,MPAA-LSM监控不同分区,不同时间段的读写热度,进而实时对关键参数进行自适应调整,进一步提升系统读写性能。以SSD作为存储介质,应用MPAA-LSM的优化方案,模拟多种读写热度的分布作为输入负载,与第0层分区以及原始leveldb的对比实验显示:应用MPAA-LSM的优化方案在随机读写性能上较原始leveldb有明显提升。同时MPAA-LSM比第0层分区在无读写热度负载中,随机读写性能略有提升,而在时间序列和分区上具有读写冷热特征的负载,读写上取得了进一步性能提升,写延迟降低了18%左右,读延迟降低了16%。