日志结构合并树（LSM-Tree）是一种写操作延迟极低的数据库存储结构,在现代数据库中应用越来越广泛。而随着互联网的发展,信息量增长迅速,业务需求也越来越复杂。这不仅要求同一个数据库能支持在线事务处理（OLTP）,同时希望数据库能高效处理在线分析处理（OLAP）。这样的数据库叫做混合事务分析处理（HTAP）数据库。要让基于LSM-Tree的数据库支持HTAP,就需要解决其设计存在的两个弊端。其一,该结构将新数据暂存于内存,待内存数据到达一定量后,新数据才会从内存持久化到磁盘。在数据库插入大量数据时,容易出现内存不足的情况,写操作被阻塞,最终导致服务不可用。其二,该结构在磁盘上的存储为分级结构,在读取时存在读放大问题。而OLAP往往访问大量的数据,读放大问题使得OLAP在基于LSMTree的数据库上性能十分低下。RocksDB作为一个目前最主流最成熟的基于LSM-Tree的KV存储,已经广泛被当做各种数据系统的存储引擎。所以本文以RocksDB为例优化LSM-Tree的问题,使其能高效支持HTAP负载。为了保证服务在面对大量写入时仍然高可用。本文在数据存储端和数据产生端之间增加了用于缓存、收集、分发的数据接入层。本文在Apache Flume框架上搭建了一个位于RocksDB和数据源之间的分布式缓存服务,并提出了一个基于空闲内存的负载均衡方案,能够有效地根据集群中各个节点的硬件资源去分配流量,从而解决高峰压力,保证数据服务稳定性。为了降低RocksDB的读放大,本文通过行列混合存储提升OLAP性能。列式存储有着操作并发度高、对内存友好、便于压缩等对顺序查询友好的特性,而RocksDB只支持行式存储,这将大大限制上层应用的OLAP性能。首先,本文拓展了RocksDB的数据存储存储结构,使得RocksDB能够支持列式存储。接着,本文设计实现了一个基于历史操作的在线行列混合存储策略。该策略需要监测每个有效的文件,计算转换的代价和收益,为那些收益大于转换代价的文件触发格式转换。同时,策略与RocksDB的后台逻辑深度结合,在每个新文件产生时决定文件格式。最终使得那些常做OLTP的数据能够保持原来的行式结构,使得那些常做OLAP的数据以列式存储,降低了这部分数据读取时的磁盘访问量。本文对上述优化方案进行了实验验证,效果符合预期。数据接入层将可用性从68.09%提升至99.99%,并且具有较好的集群拓展性。另外列式存储上的顺序读的性能提升较大,可以达到行式存储的5倍。混合存储下在公共测试集TPC-DS下约84%的查询请求得到了5%到60%不等的性能提升,对于HTAP负载的性能可以最高提升一倍。