本书主要研究了基于日志结构合并树LSM-tree的键值存储系统的性能优化问题，具体包括优化LSM-tree合并机制减少写放大来提升写入性能，构建自适应LSM-tree结构进一步动态改善读写性能和尾延迟问题，以及基于相关性的键值存储自动调优系统以实现对LSM-tree键值存储系统更全面地的优化。本书的主要的研究内容如下。1.面向新硬件的LSM-tree写性能优化的合并机制研究。2.资源负载自适应LSM-tree结构的键值存储优化。3.基于强化学习的LSM-tree键值存储自动调优系统研究。4.基于LSM-tree键值存储系统的知识图谱系统优化。为了加速查询翻译生成的键值操作，本书还提出了基于非易失性内存查询性能加速的知识图谱系统。KGB主要包含面向邻域查询加速的NVM辅助索引，用于降低键值存储的读取成本；快速响应的改进Raft算法，用于实现高效的键值存取操作；以及面向键值存储引擎的调优机制，为知识图谱存储系统获得了额外的性能提升。通过实验表明，KGB能有效降低知识图谱系统的平均延迟和尾延迟的影响，实现更高显著的性能提升。