*

（1.中国科学技术大学计算机科学与技术学院，合肥 230001；2.中国人民解放军31002部队，北京 100081）

0 引言

在过去的数十年中，由于存储密度的限制，动态随机访问内存（Dynamic Random Access Memory，DRAM）的容量始终无法超越64 GB，不能满足大数据应用对大容量内存的需求。近年来，非易失性内存（Non-Volatile Memory，NVM）得到了快速发展。特别是Intel 于2019 年4 月推出了单条512 GB 的傲腾非易失内存（Intel Optane DC Persistent Memory），支持8 TB的单机最大NVM 内存，为实现面向大数据实时存取的内存数据库系统提供了有力的支持。在此背景下，如何使得数据库技术（包括索引、缓存管理、查询处理、事务管理等）能够适应引入NVM 之后的数据库系统，成为近些年国内外的研究热点。

与DRAM 相比，NVM 的密度更高，容量更大，但同时也具有读快写慢、写次数有限等限制［1］，因此传统数据库算法直接运行在NVM 上往往会导致较多的随机写操作，不仅会影响性能，也会影响NVM的使用寿命，因此需要重新进行设计。

索引是数据库系统保证存取性能的重要技术。由于NVM 引入后人们希望构建纯内存的数据库系统来支持大数据应用，因此，未来基于NVM 的NoSQL数据库系统（例如键值数据库、列存储数据库等）将是一个主要的发展趋势。NoSQL数据库系统通常要求索引能够支持Put、Get等操作，但对范围查询、连接查询等一般不做要求，因此适合采用哈希索引。在哈希索引中，线性哈希索引因其良好的点查询效率、空间代价以及低维护成本而被广泛使用于数据库系统中。但是，传统的线性哈希索引并不能直接应用于NVM。首先，由于NVM具有写慢读快的特点，并且写次数也有限制，这与传统DRAM读写均衡以及写次数不受限有着较大的区别，而传统的线性哈希索引并未考虑NVM 的这一特性；……