随着互联网的迅速普及,各类互联网应用对数据库的要求越来越高,新的应用要求数据库不仅具有良好的ACID属性,在保持查询效率的前提下还要支持数据高速写入和更新,此外还必须具有良好的分布式可扩展性。在此背景下,新一代的NoSQL数据库应运而生。目前流行的NoSQL数据库包括Google的Spanner/F1、阿里的Ocean Base、Cockroach DB、Ti DB等,它们底层存储引擎都采用了LSM-Tree架构。基于LSM-Tree的数据库可以将用户的随机写转化为顺序写来提高写性能。与基于B+Tree的数据库相比,LSM-Tree架构数据库的读性能相对较差,但通过增加索引、缓存、布隆过滤器等优化方式,其读性能在实际应用中基本不会下降太多。此外,LSM-Tree架构数据库还必须运行多个后台线程,定期对磁盘中的数据文件进行合并压缩,以保持LSM-Tree的优化形状,减少读放大和空间放大。该多线程的合并压缩操作会消耗较多CPU计算资源,数据查询和事务处理等前台操作会与这些后台线程发生资源争用,造成数据库系统处理普通在线事务逻辑的效率下降。在读写混合的工作负载下,这种资源争用给数据库性能带来的影响更为明显。根据阿里X-Engine数据库的实验,随着SSD、NVM等新型存储器技术的飞速发展,数据I/O带宽取得了非常大的进步,此时LSM-Tree架构数据库中制约数据吞吐量的瓶颈已经转移到CPU的计算能力上,其中LSM-Tree的数据合并压缩是造成瓶颈的主要原因。针对上述问题,本文以开源的、基于LSM-Tree的RocksDB数据库作为研究对象,着重研究如何把数据合并压缩操作的主要计算任务卸载给FPGA。本文利用FPGA来创建用于数据合并压缩处理的硬件逻辑运算单元,并基于RocksDB源码和Open CL编程模型等技术,设计并实现了一种基于FPGA的RocksDB数据合并压缩加速系统。该系统能够实现数据合并压缩计算任务的卸载,以降低主机CPU的计算负载,提高数据库系统处理普通数据访问事务的性能。为解决上述问题,实现基于FPGA的RocksDB数据合并压缩加速系统,本论文进行了如下主要工作:（1）研究RocksDB的项目架构和源码,分析其存在的缺点,给出问题的解决思路。（2）设计出基于FPGA的RocksDB数据合并压缩加速系统的整体架构,包括软件结构设计和FPGA硬件逻辑结构设计。（3）RocksDB数据合并压缩过程的FPGA硬件逻辑实现。通过利用FPGA的快速可重构性,快速实现系统的原型制作和版本迭代。本文计划采用Xilinx公司推出的Alveo U280 Data Center Accelerator Card型号的FPGA来进行硬件开发,并使用其配套的Vitis工具基于C/C++高级编程语言和Open CL编程模型来实现软件。（4）FPGA驱动程序的设计与实现,使之能够管理主机与FPGA之间的数据流动和任务调度。在论文的最后,针对基于FPGA的RocksDB数据合并压缩加速系统,本文主要使用RocksDB自带的性能测试工具db＿bench、Vitis套件工具和一些测试程序进行实验和数据采集。实验数据表示,本系统在处理Key大小较小的KV数据集时,系统所消耗的总体CPU计算资源比原生RocksDB少10%左右,处理计算任务时的CPU最大使用率比原生RocksDB低50%左右。本系统基于FPGA进行数据合并压缩的吞吐量比原生RocksDB基于CPU进行数据合并压缩的吞吐量提升40%左右。实验结果证明,本系统具有更高的数据合并压缩效率和更低的CPU计算资源使用率,可以为RocksDB带来性能提升。