【香港中文大学-VLDB2020】Dash:可扩展的持久内存哈希，Scalable Hashing

可字节寻址的持久内存(PM)为哈希表带来了潜在的低延迟、廉价的持久性和即时恢复的特性。英特尔Optane DC持久存储模块(DCPMM)的出现进一步加速了这一趋势。人们提出了许多新的哈希表设计，但大多数都是基于仿真的，在实际的PM上执行得不够理想。它们也是分段和部分解决方案，回避了许多重要的特性，特别是良好的可伸缩性、高负载因数和即时恢复。我们提出了Dash，一个整体的方法来构建动态和可伸缩的哈希表在真正的PM硬件上与所有上述的属性。在Dash的基础上，我们采用了两种流行的动态哈希方案(可扩展哈希和线性哈希)。在使用Intel Optane DCPMM的24核机器上，我们表明，与最先进的技术相比，支持dash的哈希表可以实现高达3.9倍的性能，最高超过90%的负载因数，并且无论数据大小，即时恢复时间都是57ms。

https://www.zhuanzhi.ai/paper/445d3a8f0d1a50d6e37b8ed0ba5180cc

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“DASH” 就可以获取《【香港中文大学-VLDB2020】Dash:可扩展的持久内存哈希，Scalable Hashing》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源