近年来,随着互联网的普及与大数据的蓬勃发展,各大云服务提供商和各大电商的业务不断扩张,数据量呈爆发式增长,海量数据的存储与管理给分布式数据库系统带来严峻的挑战。传统分布式数据库架构的一个显著特点是计算(查询解析、查询优化等)与存储(数据持久化、备份、故障恢复等)在物理上紧耦合,但是该模式下计算与存储业务存在资源竞争,性能相互制约,同时也使得集群难以实现快速弹性扩展,系统调度效率较低。本论文针对以上问题进行深入研究,将数据库这个“黑盒子”打开,研究如何在分布式数据库上实现计算与存储分离,即将查询解析、查询优化等计算逻辑与数据持久化、备份、故障恢复等存储业务在物理上解耦,实现上层计算层无状态,底层存储层池化。同时,由于近年来NoSQL数据库凭借其高可用、高可扩展的优良特性被广泛应用于海量数据管理,因此本论文采用NoSQL中的一个重要分支Key-Value数据模型进行数据库系统的实现。具体而言,本论文主要完成以下工作:(1)深入研究数据库计算与存储分离的意义与可行性,调研当前国内外计算与存储分离数据库系统的发展现状,在充分的调研工作基础上完成本论文系统整体架构设计与功能模块设计。(2)针对计算与存储分离带来的网络IO瓶颈,采取“日志即数据”的设计理念,在计算层与存储层之间传递日志取代真实数据的传递,由存储层自行解析日志实现数据回放。该策略能够有效降低系统网络负载,且不影响计算层的查询计算。(3)针对计算与存储分离带来的计算层缓存数据陈旧问题,提出合理的一致性策略。计算层引入了缓存机制,采用一写多读的方式,能够有效减少数据库查询时计算层访问存储层的网络开销,并提高系统负载能力。(4)开展原型系统的实现,并对已实现的数据库系统进行全面的功能和性能测试。在性能测试上,本系统与紧耦合模式的分布式Key-Value存储系统Pegasus进行对比测试,测试结果证明经过计算与存储分离模式的改造,数据库系统性能符合预期,达到较好的水平。