👇LETUS: A Log-Structured Efficient Trusted Universal BlockChain Storage

🏛机构：蚂蚁集团

➡️领域：

• Information systems → Data management systems
• Security and privacy → Database and storage security

📚摘要：提出了LETUS，用于区块链的高效/安全的通用存储系统

• 背景：区块链爆炸增长，传统两层式存储结构已无法满足需求

• LETUS系统的主要特点

  • 打破传统两层架构：将认证数据结构(ADS)放到存储引擎，从而优化了存储和IO
  • 提出了新型ADS：结合Merkle树+增量编码(delta-encoding)功能，称作DMM-Tree
  • 改进的索引机制：基于版本的索引，用变种B树来索引ADS生成的数据页
  • 通用性：适用各种区块链

• LETUS已经在蚂蚁链的商业应用中部署，例如2023年亚运会的NFT项目和数字火炬点燃活动

👇Vortex: A Stream-oriented Storage Engine For Big Data Analytics

🏛机构：Google

➡️领域：Information systems → Stream management

📚摘要：提出了Vortex，一个为Google BigQuery构建的实时分析存储引擎，支持对数据流的实时分析

• 背景：
  • 企业需要处理海量数据，尤其是对于连续数据流(streaming data)
  • 传统数据系统分为流处理引擎/批处理系统，后者在处理实时数据时不佳
• 关于Vortex
  • 设计：专为数据流设计但也支持批处理，将两种操作集成到了同一个系统中
  • 能力：处理PB级别的数据摄取(持续流入与分析)，能以亚秒级响应用户的实时查询

👇Native Cloud Object Storage in Db2 Warehouse: Implementing a Fast and Cost-Efficient Cloud Storage Architecture

🏛机构：IBM

➡️领域：Information systems → Database management system engines

📚摘要：提出了Db2 Warehouse存储架构的现代化改造，以适应云环境

• 背景
  • 传统小块存储：以4KB大小的数据页为存储单位(适合随机存取/块级IO)，但在云环境数据库中成本高
  • 云对象存储：在处理大规模数据时，比传统小块存储成本更低
• 存在的问题：将传统存储$\stackrel{迁移}{\to }$云对象存储成本巨大，因此需要新的架构
• 对Db2 Warehouse架构的改进
  • 将Log-Structured Merge(LSM)树整合到Db2 Warehouse系统，以管理大规模写入/查询
  • 保留传统数据页格式，避免对传统数据库内核大幅重构

👇ESTELLE: An Efficient and Cost-effective Cloud Log Engine

🏛机构：电子科大/华为

➡️领域：

• Information systems → DBMS engine architectures
• Structured text search

📚摘要：提出了ESTELLE，转为云环境设计的日志引擎，用于管理大规模的日志数据

• 背景：
  • 日志的重要性：监控/调试/分析的核心数据
  • 日志的特性：高频写入，低频检索，大量存储；这也是本文模型所要满足的
• ESTELLE的设计与特点
  • 采用了一种低成本日志索引框架，可根据需求灵活引用索引机制
  • 分离计算和存储，以分离读写操作，从而确保系统能同时查询和写入
  • 设计了一个近乎无锁的写入过程，以适应高频快速写入需求
• ESTELLE存储与查询优化
  • 采取对象存储技术(以对象为单位存储，包含数据/元数据/主键)
  • 采取Log Bloom Filter和近似倒排索引，根据场景优化查询

👇TimeCloth: Fast Point-in-Time Database Recovery in The Cloud

🏛机构：阿里巴巴

➡️领域：

• Information systems → Database utilities and tools
• Point-in-time copies
• Storage recovery strategies
• Database recovery

📚摘要：提出了TimeCloth，一种专为云环境设计的通用恢复机制，以优化用户触发的数据库恢复

• 背景：关于用户触发的数据库恢复
  • 特点：相比于因故障触发的恢复，需要更加考量用户的需求，如细粒度(精确程度)/时间点
  • 现有方案：与底层数据库引擎高度集成，难以处理用户触发的恢复
• TimeCloth的设计：专注实现次线性恢复时间，满足用户对恢复的特定要求
  • 恢复模块：包括了几种机制，高效日志过滤/将非冲突日志并行回放/合并日志以减少工作量
  • 导入模块：实现了透明的基于FUSE的延迟加载机制+智能预取功能
• TimeCloth已经在阿里云上投入生产