lsm-treeSEARCH AGGREGATION
...計，利用 SSD 高效的隨機(jī)讀寫性能，通過將 value 分離出 LSM-tree 的方法來達(dá)到降低寫放大的目的。 我們的基準(zhǔn)測試結(jié)果顯示，當(dāng) value 較大的時候，Titan 在寫、更新和點(diǎn)讀等場景下性能都優(yōu)于 RocksDB。但是根據(jù) RUM Conjecture，通常某...
...段仍然會繼續(xù)在 RocksDB 上改進(jìn)，改進(jìn)的目標(biāo)仍然是減小 LSM-Tree 本身的寫放大問題。選用的模型是 WiscKey （FAST16，https://www.usenix.org/system/files/conference/fast16/fast16-papers-lu.pdf ），WiscKey 的核心思想是將 Value 從 LSM-Tree 中剝離出來，以...
...其數(shù)據(jù)首先存儲內(nèi)存中，而后需要定期 Flush 到硬盤上。LSM-Tree 通過內(nèi)存插入與磁盤的順序?qū)懀瑏磉_(dá)到最優(yōu)的寫性能，因為這會大大降低磁盤的尋道次數(shù)，一次磁盤 IO 可以寫入多個索引塊。HBase, Cassandra, RockDB, LevelDB, SQLite 等都是...
...，然后把大的 Value 放到一個 Blob File 里去，而不是放到 LSM-Tree。這樣的分開存儲會讓 LSM-Tree 變得很小，避免了因為 LSM-Tree 比較高的時候，特別是數(shù)據(jù)量比較大時出現(xiàn)的比較嚴(yán)重的寫放大問題。有了 Titan 之后，就可以解決「單個...
...n，這個 engine 主要是用的 KV 分離的思想，將大的 value 從 LSM-Tree 里面移除，減少寫放大。 基于 Intel 下一代硬件 AEP 的 RocksDB 優(yōu)化。硬件一直在以超過我們想象的速度發(fā)展，當(dāng)我們還在糾結(jié)如何優(yōu)化 SSD 的時候，基于 NVM 的編程已...
ChatGPT和Sora等AI大模型應(yīng)用，將AI大模型和算力需求的熱度不斷帶上新的臺階。哪里可以獲得...
大模型的訓(xùn)練用4090是不合適的，但推理（inference/serving）用4090不能說合適，...
圖示為GPU性能排行榜，我們可以看到所有GPU的原始相關(guān)性能圖表。同時根據(jù)訓(xùn)練、推理能力由高到低做了...
