以键值(Key-Value,K-V)数据库为代表的非关系型数据库,能够为大数据应用提供高性能、高扩展性、高灵活性的数据处理服务。日志结构合并树(Log-Structure merge tree,LSM树)是键值存储系统的主流存储结构之一,其将随机写转换为顺序写,能够提供很高的写入性能。然而,LSM树内部的合并操作会带来很大的写放大问题,特别是在大键值对或高更新频率的场景下,写放大问题会进一步增加。键值分离的WiscKey设计通过将键和值分开存储,减小了LSM树的大小,一定程度上缓解了写放大问题,然而在高更新频率的场景其值存储文件中无效值会大量增加占用磁盘容量,增加垃圾回收的开销使系统性能下降。为了解决数据高更新频率场景下的性能低下的问题,本文基于LSM树结构和键值分离的设计,提出了一种热数据感知方案的键值存储系统。热数据感知方案通过一套机制,有效识别出具有高更新频率的数据并将其放入热数据缓存中存储,能够大幅度减小磁盘开销,同时也减小了LSM树的合并操作次数和键值分离值存储中无效值数据占用的空间容量。本文实现了具有热数据感知能力的键值存储系统原型,在高更新频率场景对系统进行了测试以及与LevelDB的对比测试。测试结果表明,在Zipf分布,具有热数据感知能力的存储系统能够以相对小的缓存容量有效将大量更新操作放入内存执行,其命中率超过了80%;在较大值场景读写性能均显著优于LevelDB。