随着网络的快速发展,大量写密集型负载导致数据规模日趋庞大,为数据库系统的计算和存储能力都带了巨大的挑战,于是涌现出一批计算存储分离的分布式数据库。它们大多基于LSM-Tree存储架构,利用追加写的方式获得了良好的写性能,Key-Value的存储模式让数据库具有了更好的可扩展性。但LSM-Tree存储架构的多层存储结构增加了查询的路径,一次查询将导致多次磁盘I/O。在LSM-Tree存储架构中,缓存是提升读性能的主要方法之一,但针对该架构的缓存研究,相关工作并不多。LSM-Tree存储架构中内存表和缓存均部署在DRAM中,为保证良好的写性能,内存表往往会占用较大空间,本文设计了一种面向DRAM和持久化内存（Persistent Memory,PM）的两级缓存,利用成本较低的PM为缓存扩容,并且利用PM的可持久化实现了数据库缓存的热启动。本文还针对数据库负载的不同特征提出了一种基于混合策略的缓存算法,在进行缓存淘汰时,能够更全面地考虑缓存页的缓存价值。本文的贡献总结如下:1.面向数据库负载的缓存问题分析。对数据库中两种查询负载（记录表查询和索引表查询）在不同的缓存实现下进行了大量的实验测试,缓存中存在:记录表和索引表数据密度相差较大、两种查询的缓存命中率差异较大、不同的缓存实现对数据库吞吐量影响较大、不同的缓存页粒度对缓存命中率影响较大等一系列问题。2.面向DRAM/PM混合内存的高性能混合缓存结构设计。提出了一种面向DRAM和PM的高性能缓存结构,利用成本较低的PM为缓存扩容,并且使用无锁算法进行代码实现。使缓存既拥有更大的存储空间,又拥有高并发的读写能力,还利用PM的可持久化实现了数据库缓存的热启动。3.缓存淘汰算法设计。根据两种查询的负载特征和两种表数据密度的差异设计了一种基于混合策略的淘汰算法,在缓存淘汰时能够同时考虑数据的访问时间、访问频率和数据密度等因素。本文在Ti KV中实现了该两级缓存,并通过大量的实验从命中率、吞吐量等方面与Ti KV原生的链式缓存进行了对比,结果证明面对数据库负载,该两级缓存能够提供更高的命中率和吞吐量。