云以及移动互联网在近几年内飞速发展,各类应用对存储的读写性能与容量表现出更高的需求。非易失内存具有堪比内存的延迟与带宽,满足很多低延迟应用的需求。而非关系型数据库之中的键值系统(Key-Value,K-V),凭借高性能,强扩展性,使用灵活等诸多优势,在业界受到研究者的青睐。日志结构合并树(Log-Structure merge tree,LSM-Tree)是KV存储系统普遍采用的索引结构,通过将随机写入过程转化为顺序写入,大幅提高了写入的带宽。然而,多层数据的合并引入了大量额外的读写,阻碍正常写入过程的同时,增加了闪存介质损坏的风险,因而研究基于非易失内存的键值存储系统具有重要的意义。基于LSM的分层思想,应用非必要元数据分离的策略,提出了混合索引结构。通过前缀划分范围,降低数据重复概率,提高设备空间利用率。内存与NVM(Nonvolatile memory)索引数据独立管理,降低了写入过程中,元数据的更新对写入速度的影响。另外,针对NVM设计了一套粗粒度空间管理算法。此算法在降低外部碎片数量和保证申请效率的同时,考虑了写入负载不均衡的问题。通过自定义的负载指数,粗略估计某段空间被写入的频繁程度。申请空间参考负载指数进行,释放空间如果触发块合并,则更新这个指数,逐渐平衡各个块和文件的使用负载。基于开源KV数据库LevelDB,对本文实现了HyKV系统,并对HyKV存储系统在读写性能,负载分布等方面进行了若干测试。结果表明,相对于其他常见的基于LSM的键值系统,HyKV系统有效的提高了性能,并且空间利用率高,写入负载分布基本均衡。顺序写入性能是基于SSD(Solid-state disk)的RocksDB的1.7倍,读性能是基于NVM的RocksDB的1.2倍,空间利用率超过90%,映射文件负载极差小于10%。