键值存储系统由于其优秀的性能及可无限扩展的特性被广泛地应用到现代数据中心。然而随着大数据时代的来临,业界对于存储系统的性能需求度越来越大,人们对KV键值系统的性能提出了更高的需求。非易失性存储(Non-Volatile Memory,NVM)的出现,使得这样的需求成为了现实。NVM是一种新型存储设备,具有磁盘的非易失特性及DRAM的高速特性,能够给传统存储系统的性能带来一个质的提升。针对于当前时代背景,以及传统日志结构合并树(Log-Structured Merged Tree,LSM树)键值存储系统的性能波动与写放大等问题,本文提出了一种基于LSM树结构的混合存储系统MatrixKV。MatrixKV系统修改了传统LSM树结构,在NVM中设置了一种大容量的矩阵形式数据结构Matrix-Table,代替LSM树的L0层,Matrix-Table内部采用table堆叠成行的方式形成多层结构,并在每层table之间建立相应的索引关系,加速Matrix-Table内部的数据查找;同时针对于Matrix-Table设计了一种以列为单位的细粒度Compaction策略,减少单次Compaction所涉及的数据量,避免给系统带来较大的性能波动,并提升系统的性能;利用NVM设备的特性及索引指针,在不影响读性能的前提下,扩大了L0层的空间,减少LSM树的层次,降低了写放大。课题基于开源RocksDB实现了MatrixKV系统,并在一种真实的Intel 3D Xpoint非易失性存储设备——Apache Pass上进行了性能测试。测试结果表明MatrixKV可以有效缓解过多数据的Compaction操作给系统性能带来的波动影响,并较好地减少了LSM树结构的数据层次,降低了写放大。同时,MatrixKV的随机写性能是RocksDB的3.91~4.99倍,是NoveLSM的1.66~2.27倍;随机读性能是RocksDB的2.70~8.65倍,是NoveLSM的2.14~3.99倍。