论文阅读（9）：lsbmtree

LSbM-tree: Re-enabling Buffer Caching in Data Management for Mixed Reads and Writes

本文主要针对的问题是，在如leveldb等传统lsmtree的kvstore中，普通的buffercache会在compact过程之后失效，因为Ci+1层的重排序会导致已经缓存的block位置变化

现有的其他替代策略：

1. cache中存放的是kvpair，不会随着compact失效。但在应对范围查询以及存在局部性的情况，没有办法起到buffer的作用。
2. 专用的compact服务器，使用增量热身算法，在compact过程中，替换buffercache为新compacted的dataset，但作者通过实验证明，并不是很有效。（这部分感觉理解的有问题）
3. stepped-merge算法：每个level中的data并不是完全有序，而只在compact到下一level时才会重排。这样可以显著减少缓存无效的情况。但因为data不是完全有序，在范围查询时效率不高，而且，因为重复数据不会被检测，所以可能会额外消耗磁盘空间。

本文提出的解决方法 lsbmtree

就像上面图中显示的一样，在原始的LSMtree（ci）之外，增加了SMtree（bi），每层blocks间无序，block内部有序，当ci满要compact到ci+1时，将bi对应的所有block重排序，append到bi+1中最开始（因为最新），然后删除掉bi的所有block。同时采用buffermerge策略，在ci满size之后，不是立刻compact到ci+1，而是先转换成ci`，然后生成新的ci处理compact到ci的任务。
所以bi，ci两边都能处理请求任务，范围请求时，因为ci是完全有序的，而bi+1其实代表了bi的所有block的重排序，也是有序的，只要在bi+1中查找就可以（增加了缓存hit）。