当今世界,数据已成为重要的生产要素,海量数据的存储及管理给数据管理系统带来了严峻的挑战。相较于传统的关系数据库管理系统（Relational Database Management System,RDBMS）,键值存储系统（Key-Value Store,KVS）具有优秀的水平扩展性,已经被广泛应用于数据密集型应用中。基于日志结构化合并树（Log-Structured Merge-tree,LSM-tree）的键值存储系统使用追加写的方式代替原地更新,分批次写入数据并组织成分层结构,具有数据组织灵活、写入速度快等优点。然而,LSM-tree中的合并（compaction）过程涉及大量I/O操作,消耗大量的计算资源以及内存资源。特别地,当合并操作发生在LSM-tree的高层时,可能会导致整个系统计算和内存资源饱和,出现写阻塞以及写暂停问题。针对键值存储系统的写阻塞以及写暂停问题,国内外已经开展了多项研究工作,主要集中在如何减轻键值存储系统中合并任务的开销。一方面,一些工作从减少合并过程引起的I/O量入手,通过探索数据访问模式来优化系统数据结构,例如键值分离和冷热数据分离,还有一些工作利用新兴非易失性存储器（Non-Volatile Memory,NVM）的高容量及低延迟特性来减少I/O过程中的访问延迟。另一方面,一些工作提出将合并任务卸载到FPGA来减轻系统负担,从而减轻系统的计算压力。然而,这些方案都只注重了减轻计算和内存资源压力中的一种,并不能带来最大效益的性能提升。存内计算（Processing-In-Memory,PIM）技术为同时解决计算与内存资源饱和问题提供了思路,其主要优势为去除了数据在计算单元与存储单元间的数据搬运过程,从而降低能耗,提高计算效率。但如何在键值存储系统中运用存内计算技术值得探讨。本文采用阻变存储器（Resistive Random Access Memory,ReRAM）的存算一体化结构,提出了一种针对LSM-tree键值存储系统的存内计算框架Re-LSM,以较少的数据移动消耗以及高效的并行计算方法有效提高了键值数据库的写入吞吐量,极大程度地减轻了写阻塞与写暂停问题。具体来说,在Re-LSM中,LSM-tree高层中的合并任务被卸载到ReRAM组件中执行,通过将合并操作三个阶段的计算过程分解为基本逻辑操作单元,在ReRAM组件中设计了一个高并行的PIM合并任务加速器。此外,Re-LSM中设计了一种日志转化方法来减少I/O开销。最后,键的范围被划分为不同的细粒度子范围,以便在每个子范围之间并行执行高层的合并任务,提高键值存储系统整体效率。为了验证提出的Re-LSM框架的性能表现,本文基于NVSIM模拟器实现了 ReRAM组件,分析了不同负载下系统的性能与能耗情况。基于dbbench和YCSB工作负载的评估结果表明,与基于CPU实现的RocksDB相比,Re-LSM在随机写入的吞吐量上实现了 2.2倍的提升,基于PIM的合并任务加速器相较于基于CPU的实现加速了 64.3倍,并节省了 25.5倍的能量消耗。