存储引擎是存储系统的核心,存储系统的读写性能取决于存储引擎的性能。本文的研究以当前Key-Value Store的两大主流存储引擎LSM-Tree存储引擎和哈希存储引擎为主,详细分析了传统LSM-Tree结构以及哈希存储结构代表性系统的读写特性。LSM-Tree的特点是顺序写入而哈希存储引擎则侧重内存索引的效率。经过对比分析之后,借鉴两大存储引擎在索引和硬盘存储上的思想特点,本文以LevelDB的结构为原型,提出sLSM-Tree结构(Segmented-Index based LSMTree,基于分段式索引的LSM-Tree结构)。1)在该存储结构的内存索引部分引入分段式索引结构解决为LSM-Tree加入哈希存储内存索引结构所带来的冲突,即通过分段式引入前缀树索引和哈希映射索引的方式提高索引速度,在避免数据读取时逐层索引的同时,降低了因写入时压缩合并操作带来的物理地址变更频繁造成的性能压力。2)在内存中为了进一步提高对Key的查询效率,本文在传统布鲁姆过滤器算法的基础上结合内存索引结构,提出了动态阵列式布鲁姆过滤器的优化,即通过动态设置布鲁姆过滤器阵列的分组因子降低整个阵列的读写时间。持久化结构依然采用Append-Only的日志结构以维持LSM-Tree原有的高速顺序写的优势。基于Flash的固态硬盘(Solid State Drive,SSD)能够提供很高的读写性能。但是,传统LSM-Tree的压缩合并操作是针对机械硬盘的,本文针对SSD的结构和特性对SSD的压缩合并操作进行了相应的优化。针对本文提出的分段式索引新方法和动态阵列式布鲁姆过滤器优化分别进行了对比实验,从实验结果分析,与采用传统LSM-Tree存储引擎的Level DB相比,s LSM-Tree提高了内存索引和硬盘读写性能。最后,通过对实验数据进一步的整理和分析,讨论了sLSM-Tree进一步提升的空间。