近年来，人工智能等新型应用对高效可靠的数据存储系统提出更高要求，如何挖掘CPU处理器和新一代存储设备的并行处理能力是当前研究的重要挑战。“计算—存储”的串行式处理流程是当今数据存储的主流模式，深刻影响了系统性能。信息学院王春东课题组以LSM树（Log-Structured Merge-Tree）键值存储为研究对象，提出了新型的并行处理方案，研究论文被第35届国际高性能并行与分布式计算大会（35th ACM International Symposium on High-Performance Parallel and Distributed Computing，HPDC 2026）录用接收。
本研究关注的键值存储，即key-value (KV) store，是目前多个应用场景的主要数据管理与存储架构。LSM树架构由于其优良的性能，被谷歌、脸书等大量采用存储各类数据，也在区块链等场景广泛应用。压缩（Compaction）是 LSM 树用于维护其分层树形结构的核心操作，该操作通过计算完成数据重排序、通过I/O操作完成数据重存储。团队发现计算与 I/O 操作采用串行执行方式：完成数据重排序后，用户线程需等待内核线程执行文件写入与 fsync 同步 I/O 操作直至结束。这类高开销的同步 I/O 会形成过长的关键路径，进而影响 LSM 树的性能。
针对此问题，研究人员提出了一种面向高效LSM树数据存储的计算与 I/O 并行化方案，命名为Pome。Pome依托全新设计的协议，将 I/O 操作移出关键路径，在单次压缩操作中实现计算与 I/O 的解耦。为此，该方案借助 io_uring 实现异步 I/O 操作。此外，针对压缩加速可能引发的 I/O 拥塞问题，Pome 引入自适应 I/O 速率限制器，以保障执行流程平稳运行。在 RocksDB 之上实现了 Pome 原型系统。图1和图2展示了传统串行化处理方式和Pome的并行化方案的差异。对比两者可以看出，Pome大幅缩减了关键路径上的处理时间，可有效提升LSM树的效率。实验结果表明，Pome 显著提升了 RocksDB 的性能，且表现优于多款当前主流的 LSM 树改进方案。
图1 原LSM树串行式压缩流程示意
图2 论文提出的Pome并行化处理方案示意
王春东课题组长期关注传统与新型的系统优化、计算机体系结构、网络与系统安全等基础科学问题。该研究由王春东课题组独立完成。论文的共同第一作者是课题组研究生胡岩鹏与朱莉，贾磊为合作作者，三位同学均为上海科技大学信息学院计算机专业本科毕业生。王春东教授为通讯作者，上海科技大学是论文的唯一完成单位。
HPDC是中国计算机学会（CCF）推荐的A类会议。据悉，2026年HPDC共收到281篇论文投稿，41篇接收为正式论文，接收率约为14.6%。
论文标题：Pome: Parallelizing I/Os and Computations for Efficient LSM-tree-based Data Storage
沪公网安备 31011502006855号