数据库存储技术的出现，对于传统的纸质存储技术来说，具有革命性的作用，下面是我为大家精心推荐的数据存储技术论文3000字，希望能够对您有所帮助。
数据库编程与数据库存储技术分析
【摘要】随着信息技术的发展，以及人类社会文明进步，在与计算机相关的技术发展中，关于数据方面的处理工作，如今也越来越受到重视，在不同的发展时期，根据不同的计算机类型以及在实际应用的不同，数据库的编程与数据库存相储技术方面的要求也有所差异，所以就要根据实际情况进行具体分析.本文就结合相关技术进行分析。
【关键词】数据库;编程;存储;技术;分析
引言
在计算机的发展过程中，根据数据进行程序编辑，以及在计算机内部储存程序的编辑都是非常重要的方面，虽然会根据所操作的计算机不同，而在具体操作过程中而出现有所区别，但是要针对相关的技术进行具体分析后就能够发现，在数据存储方面只要编辑好数据库对应的程序，要取得好的工作成绩不不难，所以研究好关于数据库编程和数据库存储相关的技术，就能够代替真实人的工作，取得良好的工作效果，促进计算机行业的发展.
随着计算机的普及应用，计算机应用软件得到了快速的发展，从某种意义上来说，计算机之所以能够在各个领域中得到应用，很大程度上就是因为相应的应用软件，根据各个行业的特点，软件公司都开发了针对性的应用软件，通过这些软件的使用，能够给实际的工作带来方便，提升工作的效率，例如在工业自动化中，现在的计算机技术已经具有一定的智能性，可以代替人来进行操作，这种方式出现错误的几率很低，而且计算机不需要休息，生产效率得到了大幅提高，在计算机软件中，尤其是一些大型的软件，数据库是软件的核心内容，因此在计算机软件编写过程中，数据库编程和存储技术，也是一个核心内容，受到我国特殊历史原因影响，我国的软件行业发展较慢，因此数据库编程和存储技术的核心都掌握在西方发达国家手中。
1、数据库存储技术简述
1.1数据库存储技术的概念
数据库的发展很大程度上依赖于计算机性能的提升，在计算机出现的早期，并没有数据库的概念，当时计算机的性能很低，只能进行一些简单的数字运算，体积也非常庞大，还没有数据存储的概念，随着晶体管和集成电路应用在计算机制造中，计算机的性能得到了大幅的提升，开始在各个领域中进行应用，当计算机被用于数据管理时，尤其是一些复杂的数据，传统的存储方式已经无法满足人们的需要，在这种背景下，DSMS诞生了，这种数据库管理系统在当时看来，是数据库管理技术的一次革命，随着计算机性能的提升，逐渐出现了SQL、Oracle等，在传统的数据库编程中，由于数据库编写的时期不同，使用的编写语言也有一定的差异，目前常使用的软件有VB、JAVA、VC、C++等，利用这些编程软件，都可以编写一个指定的数据库，由于每个软件自身都有一定的特点，因此不同领域的数据编程中，所选择的编程软件业有一定的差异。
1.2数据库存储技术的发展
数据库的概念最早可以追溯到20世纪50年代，但是当时数据库的管理，还处于传统人工的方式，并没有形成软件的形式，因此并不能算数据库存储技术的起源，在20世纪60年代中期，随着计算机存储设备的出现，使得计算机能够存储数据，在这种背景下，数据管理软件诞生了，但是受到当时技术条件的限制，只能以文件为单位，将数据存储在外部存储设备中，人们开发了带有界面的操作系统，以便对存储的数据进行管理，随着计算机的普及应用，计算机能够存储的数据越来越多，人们对数据库存储技术有了更高的要求，尤其是企业用户的增加，希望数据库存储技术能够具有很高的共享能力，数据存储技术在这一时期，得到了很大的发展，现在的数据库存储技术，很大程度上也是按照这一时期的标准，来进行相应的开发，随着数据库自身的发展，出现了很多新的数据库存储技术，如数据流、Web数据管理等。
1.3数据库存储技术的作用
数据库存储技术的出现，对于传统的纸质存储技术来说，具有革命性的作用，由于纸质存储数据的方式，很容易受到水、火等灾害，而造成数据的损失，人类文明从有文字开始，就记录了大量的历史信息，但是随着时间的推移，很多数据资料都损毁了，给人类文明造成了严重的损失，而数据库存储技术就能够很好的避免这个问题，在数据库的环境下，信息都会转化成电子的方式，存储在计算机的硬盘中，对于硬盘的保存，要比纸质的书籍等简单的多，需要的环境比较低，最新的一些服务器存储器，甚至具有防火的性能，而且数据库中的数据，可以利用计算机很简单的进行复制，目前很多企业数据库，为了最大程度上保证数据的安全性，都会建立一个映像数据库，定期的对数据库中的信息进行备份，如果工作的数据库出现了问题，就可以通过还原的方式，恢复原来的数据。
2、数据库编程与数据库存储技术的关系
2.1数据库编程决定数据库存储的类型
通过对计算机软件的特点进行分析可以知道，任何软件要想具有相关的功能，都需要在编程过程中来实现，对于数据库程序来说也是一样，在数据库编程的过程中，能够决定数据库存储的类型，根据应用领域的不同，数据库存储技术也有一定的差异，如在电力、交通控制等领域中，应用的大多是实时数据库，而网上的视频网站等，大多采用关系数据库，其次还有商业数据库、自由数据库、微型数据库等，每种数据库的出现，都是为了满足实际应用的需要，虽然在不同历史时期，一种数据库成为主流，但是对于数据库程序的编写者来说，这些数据库的编写;并没有太大的差异，虽然不同的程序编写人员，由于所受教育和习惯的不同，在实际编写的过程中，使用的程序编写软件不同，但无论是VB、VF还是C++等，都可以实现每种数据库类型的编写，从某种意义上来说，数据库类型的确定，通常是在软件需求分析阶段中进行设计，然后在数据编程阶段来实现，
2.2数据库存储技术是数据库编程的核心
对于数据库程序来说，最重要的功能就是存储数据，通常情况在，一个数据库程序会分成几个模块，其中核心模块就是数据库存储技术。
结语
在目前国内经济发展形势下，针对于计算机的软件行业的形式，也在大力推动下，成为一个焦点行业，随着行业的发展，相关促进简便工作的程序也得到了相应的研究和发明中，就算是一些不具备计算机专业知识的普通使用着，不管在使用还是研发程序上也是介可以的，只是针对于数据库编程和数据库存储技术方面进行分析，但是作为系统的核心区域，所以相关的技术也是非常重要的，所以要想提升工作效率，缓解工作压力，就要结合使用情况，在所能应用的范围内，选择最具有优势的相应软件处理技术，以此为研发中心，开发出所需要的软件类型，进行所有的数据整理工作，对于办公室工作极大范围内的促进，对于数据库编程于数据存储方面的技术是非常重要的。
参考文献
[1]董慧群，王福明.基于LabWindows/CVI的数据库编程[J].山西电子技术，2011(04)：55-56.
[2]吴敏宁，高楠.Delphi数据库编程开发[J].电脑知识与技术，2009(11)：2882-2883.
[3]郑刚，唐红梅.面向对象数据库中数据模型及存储结构的研究[J].计算机工程，2002(03)：65-67.
点击下页还有更多>>>数据存储技术论文3000字
浅谈网络存储技术在校园网络中的应用论文
1网络存储技术
1.1概述
网络存储基于标准的网络协议实现数据传输，从而使网络中的其他设备可以对数据进行读取、备份等操作。网络存储技术包括:直连式存储(CDAS)、网络依附式存储CNAS)和存储区域网络(CSAN)。在校园网络中，我们主要应用安全性能更好、稳定性更高的存储区域网络。
1.2存储区域网络
存储区域网络即Storage Area Network，它采用光纤通道作为媒介，整个存储系统和服务器相互独立。对存储系统的升级、维护等操作不会影响服务器的正常运行。这样，安全性、可扩展性得到了有效的保障，而光纤通道的运用则大大提高了数据传输效率。
在存储区域网络中，网络设备和数据均采用中心化管理，可随时调配存储空间用于网络服务并通过“独立磁盘冗余阵列”技术，保障数据的安全性。
1.3光纤通道
光纤通道是一种分层的高速通信协议，它包括物理层，编码解码层，帧中继/流量控制层，通用服务层和上层协议层五层，并支持1-10 Gbp、的数据速率，可以保障存储区域网的数据信息高效传输。
1.4独立磁盘冗余阵列(CRAID)
RAID技术可以把多块独立的磁盘按不同的方式组合成一个逻辑硬盘，这样就可以提高存储设备的存储性能和冗余性。经过不断发展RAID已经有了0到6七种RADI级别。其中RAID 0为无冗余无校验磁盘阵列，读写最快但安全性不高;RAID 1为镜像磁盘阵列，1对1镜像备份，是最为安全的'。
在校园网络存储中，通常采用最为高效的RAID 5 0RAID 5兼顾了存储性能、数据安全和存储成本，具有和RAID 0相近的读写速度。RAID 5由多个数据对应一个奇偶校验信息，可允许一个物理磁盘出现故障，相比RAID1，大大提高了磁盘利用率。
2构建校园网络存储
2.1必要性
高校通常会集中运维大量的应用系统:邮件系统，数据库服务器，OA服务器、网络教学平台、网络试题平台等。通过构建网络存储，可提高存储利用率、降低硬件成本、简化管理维护工作，并可实现数据集中备份。
2.2组建存储区域网络
部署一台具有4个8Gbp、光纤通道接口的终端存储系统，并配置16块6006 lOK转高速磁盘，以及16块3TB7.2K转大容量磁盘。
为终端存储系统配置支持热插拔的双存储控制器。这样，就可在不中断业务的情况下扩展磁盘容量，或对磁盘进行更换。两个控制器之间相互热备，无缝对接。当一个控制器出现故障时，另一个控制器可以接管故障控制器的业务。故障修复后，可自动切回原有业务。
部署配备万兆模块的数据交换机，将此交换机联入应用服务系统的网络，并通过存储服务器上的光纤通道接口将交换机和存储系统相连。通过配置使所需存储的应用服务系统与存储系统形成通路。
2.3相关服务端使用网络存储的方法
在存储控制器上为需要连接存储的应用服务创建相应的逻辑单元号(CLUN)，同时为该逻辑单元号划分合理的存储空间。在应用服务端通过启动器寻址找到目标器，关联相应的逻辑单元号并建立连接。通过查找新硬件可发现网络磁盘，格式化后即可将其当作本地磁盘使用。
3结论
物联网、云存储、大数据等一系列先进技术，都离不开数据。数据无疑是未来校园网络的核心。而网络存储技术则支撑着数据安全、稳定的存储或传输。运用好网路存储技术，不但为现有的网络信息资源，教学、科研平台等提供了稳定、安全的服务，更为学校将来在信息技术方向的研究与发展储备了必要的技术支持。
知网的商业模式其实就和中介模式差不多，只不过知网依靠中介业务开通了更多的服务，当然，核心还是中介服务，但它把中介服务做到了顶尖的，因为一个以中介服务为核心的公司，毛利润居然稳定在50%以上。
知网的商业模式说到底就是中介模式。知网提供一个存储论文的平台，并且负责保护。论文作者可以将论文发表在知网，通过知网获取一定的利润。然后需要论文资料的人，也可以通过知网下载相应的论文，一般来说是按篇算钱，有的是按页算钱。除此之外，知网还提供降重服务，按字数收钱。说白了就是知网从生产者那里拿到资料，然后收钱提供给需求者。如果知网的决策层思想正常，这种商业模式是互利互惠的，但知网的决策层思想有问题，从需求者中获取的利润，只有极少数到论文的生产者手里，大部分是知网拿了。
知网的这种商业模式就是中介模式，只不过是知网把这种商业模式发挥到了极点。知网凭借着各种支持，逐渐成为了中国最大的中文知识文献下载平台，像万方、维普的论文储备远远不如它。知网也就从此开始成为业内的害群之马。它利用自身的优势，随意提价，每年保持着20%左右幅度的涨价，同时对于那些找其索赔论文费用的生产者，也是给予了论文下线操作，这对于论文生产者来说，是巨大的打击，因为这意味着自己的学术成果不会被后人发觉，所以说现在的知网很恶心。
总的来说，知网的商业模式就是中介模式，通过连通生产者和需求者之间需求，进而从中收取一定的中介费，但现在的知网正凭借着其体量在肆意捞钱。
穷则软件优化，达的硬件堆积，本文主要介绍存储领域在硬件方向的一些探索。硬件方向的探索又分为大体两块，对现有硬件的性能压榨，以及新硬件设备的创新。对现有硬件的压榨主要是 SPDK RDMA，通过by pass驱动层来最大限度利用硬件的性能。新硬件的探索则包含了傲腾持久化内存和KV-SSD两块。其中持久化内存目前有些云厂商已经投入了使用，KV-SSD 则目前主要还是在学术理论阶段，业界未看到大规模的使用。 以下几篇论文分别介绍了在 SPDK KV-SSD方向的一些研究。 SpanDB: A Fast, Cost-Effective LSM-tree Based KV Store on Hybrid Storage 介绍了在SPDK的探索。 Towards Building a High-Performance, Scale-In Key-Value Storage System 是三星发布的介绍了他们最新的产品KV-SSD的论文，介绍了KVSSD 这种新型存储在kv的应用。 PinK: High-speed In-storage Key-value Store with Bounded Tails 则针对现在一些KVSSD实现的缺点做了优化，提出了一种针对KVSSD 优化的变种LSM 实现。 下文将非常对这三篇论文进行展开做详细的介绍。
本文主要介绍了如何基于 SPDK 构建LSM-tree Based KV Store。传统的kv实现需要通过调用文件系统层最后才会达到磁盘 ，对于 Nvme SSD 这种高性能设备，传统的io链路无法完全发挥硬件的性能，通过SPDK ByPass驱动层直接操作裸盘则可以将硬件性能发挥到极致。
使用SPDK对WAL进行并发写入，可以大大提升写入性能，支持异步请求处理，减少线程切换的开销。测试表明，对于小value写入，绕过ext4文件系统直接通过SPDK进行写入可以降低6.8-12.4倍的延时。由于WAL 处于关键路径上，这会对写入带来严重的性能开销导致性能瓶颈。其次，现在的kv架构都是假设磁盘设备速度较慢，因此设计上通常都嵌入了较高的软件开销，如果基于轮训的机制则会比较浪费cpu周期。本文基于rocksdb做了如下的优化:
多线程排队写入，有队列头部的线程直接获取当前的写入任务进行提交，可以做写入io合并，提升写入性能。如果写请求已经被提交，队列中部的请求发现已经完成写请求后直接返回，无需在进行io操作，通过group write，将大量的小io转化成顺序大io。
随着io设备性能的提升，linux io协议栈的开销变得不可忽视，通过SPDK将 驱动移动用户态，减少了系统调用并且支持zore copy，通过poll的方式而不是中断的方式进行io操作，减少了内核态的切换和io路径锁争用。同时这个章节对 Optane P4800x和P4610 两种设备进行了压测对比，简单列下压测结果。
图3的N 表示 P4610 0表示Optane 3-N 表示3个线程写入，CR=2 表示每个线程同时提交2个请求
可以看出使用多线程的SPDK 可以大大发挥磁盘性能
一旦进程绑定了SPDK，该磁盘就不能被其他进程访问，无论是通过io栈还是spdk。此外绑定cpu核心可以降低io的性能开销。加上polling-based io机制，导致后台的flush和compact线程不适合使用spdk进行读写，因为如果不绑核，会导致 io变慢，如果绑核了，则难以释放cpu空闲资源。
对于rocksdb和leveldb，前台的client写入通常都是同步的，用户同步提交读写请求然后等待io操作完成后返回，这种操作 通常会受限于io的延时导致吞吐的不足，为了提高吞吐，用户通常会设置超过cpu核心数的线程来进行并发的操作。但是对于使用了SPDK 的高速nvme，线程间的同步唤醒往往开销比io请求本身还大，超线程机制会带来额外的开销和降低了cpu的使用率。（好比redis 内存处理足够快，不需要多线程进行处理，多线程主要带来额外的开销争用）
对于一个n-core的机器，spandb配置Nc和线程数用于处理用户请求同时 进行了绑核，剩下的n-Nc个核心则用于处理内部的io请求，分为loggers和workers。loggers用于处理wal的写入 ，workers用于处理后台的flush和compaction以及memtable的读取和更新操作。
后台线程使用Qflush和Qcompact队列进行flush和compact操作，继承于rocksdb的实现，只是改为了直接操作SPDK 使用Qread队列来处理读请求，写请求则被拆分为Qprolog Qlog和Qepilog三个队列
基准压测表明，少数的几个核通过批量提交请求就可以充分利用磁盘的io，因此spandb默认使用了一个logger线程进行wal的写入，该线程数量可以动态在1-3之间调整，根据队列的长度和处理耗时动态调整线程数。对于前后台线程，优先保证前台线程的调度，同时会 监控后台队列的长度，以便在高负载写入的时候即使进行flush和compact。
为了减少对rocksdb本身的改动，抽象了一个TopFS 来管理spdk的相关操作。sst的数据布局与wal类似，也是通过metadata page管理，metadata page为hashtable，key为文件名，内容为文件对应的逻辑页起止id。
传统是kv存储实现，通常是存储引擎暴露kv接口，用户通过kv接口写入数据，key和value通过一定的数据结构被存储到文件里面，从用户调用接口到数据最终落到磁盘的整个流程可以用下图的左边部分来描述。
kv接口将数据写入文件系统，文件系统通过块设备驱动将数据写入磁盘，为了屏蔽磁盘的内部物理结构，文件系统到磁盘其实是通过LBA进行逻辑地址映射的，磁盘内部通过FTL将LBA转化为PBA，同时FTL还承担了磁盘的COW GC功能。可以看到从写入到落盘中间经历了非常多的环节。那么是否可以通过减少这些环节来进行写入流程的优化呢。比如上面提到的SPDK 通过bypaas文件系统少掉了一层文件系统的开销，那么是否还能更近一步呢。这篇论文正是基于这样想法，直接将kv的操作下层到设备层，由设备直接暴露了kv interface，直接bypass了设备层以及LBA到PBA的映射。通过设备内部的FTL ，直接实现了key到NAND location的映射。
设备暴露了put get delete iterate接口，kv请求通过pipeline的流程处理kv请求，固件驱动从磁盘io队列获取请求，然后传递给request handle，request handle再讲请求传递给index manager，index manager先将变长的key散列成定长的key缓存到local hashtable，最后在合并到全局的hashtable完成到磁盘位置offset的映射。同时index manager还会根据key的前4B进行分桶，通过将相同前缀的数据放在一起来实现迭代操作。local hashtable主要是为了提高写入并发减少全局hashtable的锁竞争。
垃圾回收时，垃圾回收器扫描flash中kv数据，然后和 全局hashtable做对比来判断数据的有效性，丢失已经被删除和更新的数据
性能测试部门主要测试了kvssd的cpu开销，在同样的ssd下，kvssd只需要一个线程就能达到与普通ssd8线程一样的io吞吐，同时，随着单机磁盘数量的提升，kvssd拥有更好的线性拓展能力。对于普通的ssd，单机的吞吐受限于cpu无法随着磁盘数量程线性增长，而kvssd由于极低的cpu开销可以提供更高的单机吞吐能力，对于昂贵的机柜资源，如果能在单机插更多的磁盘提供更高的吞吐显然是更经济的。
其实kvssd之所以需要更低的cpu开销，除了bypass了很多层，更重要的部分是他的固件模块其实已经有点类似于一个小型的cpu了，通过把cpu的工作offload到固件本身的做法在业界由来已久，比如将网络包的解析的bypass 内核offload到网卡直接进行。
虽然使用KV-SSD可以带来延迟的降低和吞吐的上升，但是这个降低只是针对平均值，目前现在大多数的KV-SSD的实现都存在一个长尾的问题。最常见的KV-SSD的实现包括hash-based KV-SSD 和LSM-tree Based KV-SSD，但是这两种实现都存在长尾的问题。
此外，控制器内部的DRAM和FLASH 的发展速度也不一样，平均每年DRAM增长1.13倍但是FLASH则增长了1.43倍，随着DRAM的增长，FLASH的需求将越来难以满足使用，因此设计一个减少FLASH使用的数据结果是势在必行的
总体架构的实现如下图，由于pink是LSM 的改进版本，此处会将pink的数据结构和rocksdb进行比较。pink的存储结构可以分为4部分，分别是 SkipList、 levelList 、meta segment 和data segment。
上面提到skiplist和levellist都存在FLASH 当中，那么FLASH 是否有足够的容量容纳这些levellist呢？对于一块4T 的磁盘，假设key value大小分别为32B和1KB，page的大小为16KB，那么对于一个16KB的meta segment，可以容纳的
写入流程很简单，用户写入的数据会直接写入到skiplist中，熟悉LSM的人可能发现了，传统的LSM 写入为了保证数据的可靠性，都会先写入WAL 然后在写入内存memtable，但是此处并没有WAL而是直接写入skiplist会不会有问题呢。这个主要得益于磁盘控制器的自带的电容器，通过电容器可以保证断电数据不丢失，因此可以省掉一次的WAL写入
相比写入，读取流程则显得比较繁琐，以下图的查询key(39)为例。
从上面的读流程可以看到，对于极端的情况，一次的查询可能涉及非常多次的FLASH读取，比如上面的流程就需要读取metaPage0 metaPage2以及最终value所在的datapage12。对于level更多的场景需要读取FLASH 的次数将更多。 level Pinning的思路很简单，就是把meta segment尽可能的放在FLASH，这样就可以减少FLASH的读取了。那么问题来了，FLASH能放的下这么多的meta segment么。 同样直接对数据进行分析计算，由于LSM 的指数分层存储机制，每个Ln+1 层的数据都是Ln层的T倍，对于4T的磁盘，实际数据表明总共需要的存储层级为5级，对与L1到L4的层级分别需要的meta segment为0.91MB 50.86MB 2.83GB 161.3GB.由于一块4T的SSD 通常有4G的FLASH，那么显然是可以把L1到L3的meta segment放到FLASH里面的。 把metasegment放到了FLASH里面还带来了一个额外的好处，就是compaction的开销也随之降低的。因为L1到L3的meta 都在FLASH，可以大幅减少compact时meta更新带来的开销。
优化查找路径使用了级联的方法，简单说就是每一层的kv额外存储指向下一层的指针，其实就是类似skiplist的实现。通过级联的方法，当查询一个key的时候可以缩小每次二分查找的边界。查询Ln层的时候，先找到这个key的上下边界，如果Ln不满足，则根据上下边界直接定位到Ln+1 的上下边界，而无需对整个Ln+1进行二分查找。
级联需要额外的8字节指针开销，由于最后一层不需要存储级联指针，因此总共增加的级联指针开销为43.9M， FLASH 依然是够用的。 不过这里有一个问题论文里没说清楚，当Ln+1由于compaction更新以后，如何去更新Ln的级联指针，考虑到由于levellist都在FLASH中，这里去更新上层的级联指针的开销是可以接受的。
简单概括就是硬件加速，把计算逻辑offload到FPGA来实现硬件加速，达则堆积硬件。
gc优化包含meta segment的GC以及data segmetn的GC。
通过metapage的start从levelList中查询是否还有指针指向page，如果没有则直接回收，否则将数据迁移到空闲的page，然后修改levelList中的指针。由于上层的meta可以通过DRAM直接进行复制更新，因此开销是很低的
遍历需要回收的page逐条读取kv信息，根据key查询判断该数据是否还有效，如果失效了直接忽略，否则则需要对该value进行rewrite。对于rewrite，最简单的实现是参考wisckey，直接更新meta 中的value指针，如果meta segment是保存在DRAM中的那没有任何问题，但是如果meta page是在FLASH中的，由于越底层的数据都是旧数据，因此一个data segment的数据在meta 中往往很离散，这时更新meta的指针会带来meta segment的写放大，为了避免这个问题，pink对于存在FLASH的meta segment使用了延时更新，compact的时候直接把kv写入到L0进行覆盖，对于该kv由于读取是从上往下的，因此读取流程不会存在任何问题，metasegment的数据则可以等待meta指针失效的时候进行删除。
新硬件探索，硬件加速是今后存储发展的一个重要方向，同时随着新硬件的出现，现有的数据结构可能并不适合新硬件的的特性。从HDD 到SDD再到NVMe，硬盘性能不断升级，业界也针对SSD做了大量的存储优化。英特尔最新推出的PMEM则对存储又是一次大的革新，对于PMEM现在的文件系统其实已经不太合适了，因此也有针对该方面的优化 Rethinking File Mapping for Persistent Memory 。至于KVSSD，在该几篇论文后目前则又有了一些新的进展，NVMe 2.0 规范已经将KVSSD的指令集规范为NVMe-KV 指令集，因此KV-NVMe应该也不远了。
Reference:
Rethinking File Mapping for Persistent Memory SpanDB: A Fast, Cost-Effective LSM-tree Based KV Store on Hybrid Storage Towards Building a High-Performance, Scale-In Key-Value Storage System PinK: High-speed In-storage Key-value Store with Bounded Tails
发表论文的平台如下：
1.知网
这里所说的是知网，是清华大学和清华同方共同办的这个数据库。在前些年他也叫中国期刊网，由于后来有人自己建了个网站也叫中国期刊网，自己收录期刊，假李逵装真李逵。玩文字游戏，导致很多作者被骗上当。
所以现在知网对外不称中国期刊网了，就是叫知网。从论文发表来说，知网是最权威的，最有说服力的数据库。
凡是知网收录的期刊，一定是正规的，可以放心大胆的发表的，但是最近这两年知网变得更严格，所以知网收录的期刊发表费用比较贵一些。
2.万方数据库
万方数据库，也是一个比较大的论文数据库，仅次于知网。其权威性和重要性就等于是一个弱化版的知网，但是也是比较大。
从期刊正规性来说，如果一个期刊，知网不收录，但是万方数据库收录，说明还是比较正规的，虽然不如知网收录的那么正规。但是对于一般单位来说够用。
对于大学这样的单位可能必须要求知网。而对于一些企业单位，只要万方数据库能检索到已经发表的论文，就算不错了。所以，万方数据库也是一个必须参考的标准。
3.维普网
维普网在前些年实际上假刊比较多，比较泛滥，这两年所说期刊审核严格，上面审核严格，但是维普网收录的期刊从正规性和权威性上来说，都是严重不如知网和万方数据库。
对于很多要求不高的单位，或者评一些初级职称的单位，只有维普网收录的期刊还能管点用。稍微严格一些的，就不大灵光了。
