大数据时代的到来使得基于当前计算机体系结构的内存数据库面临功耗、容量、性能方面的严峻挑战。非易失内存（Non-Volatile Memory,NVM）的出现改变了计算机体系结构,为数据库突破能耗和容量方面的瓶颈提供了新的思路。除了字节可寻址、快速访存之外,非易失内存还拥有掉电非易失、高存储密度、低静态功耗等DRAM不具备的优点。这些特性使得非易失内存有很大希望成为DRAM的替代者。当非易失内存加入到存储体系中时,高效的索引结构对提升数据库的性能十分重要。学习型索引的出现为数据库解决性能的问题提供了一种新的想法。学习型索引将机器学习引入数据库中,已有多项研究工作表明,学习型索引的性能明显优于传统的B+Tree。本文围绕NVM的特性,结合学习型索引的相关技术,研究面向非易失内存的学习型索引。通过对索引结构、内存架构的设计,以及相关索引操作算法的调整和优化,使得学习型索引能够在NVM以及混合内存架构中充分发挥其强大的性能。主要研究工作如下:（1）提出了一种面向非易失内存的学习型索引LIONLION的核心思想是利用学习型索引代替B+Tree来提高在NVM上的搜索速度并降低空间开销。LION采用异地插入的策略,设计了缓冲区,减少了学习模型的重新训练,并给出了索引的相关操作算法。与以NVM为主存的索引相比,LION拥有更好的读取性能和较好的写入性能。（2）提出了LION在混合内存架构下的优化方法当前技术条件下,NVM的性能与DRAM相比还有一定的差距,不能完全代替DRAM作为唯一的主存使用,针对这一问题,本文提出了面向非易失内存与DRAM结合的LION,利用DRAM来改善索引的读写性能。基于NVM与DRAM混合架构的LION的核心思想是把易于重构的数据结构放入DRAM并利用批量更新的方式减少NVM的写入代价,并且设计了写优化的日志,来保证崩溃一致性。和目前同样采用混合架构的索引相比,LION具备更良好的读写性能。