基于日志结构合并树（Log-structured Merge Tree,LSM-Tree）的键值存储系统将随机写通过缓存聚合为顺序写而获得了良好的写性能,目前已得到了广泛应用。然而,以LevelDB为代表的LSM-Tree键值存储系统在合并压缩过程中存在着严重的写放大问题,这不仅降低了系统的整体吞吐率,也影响着当前主流存储设备SSD的使用寿命。另一方面,LevelDB还存在着因写暂停而造成的高尾延迟问题,这对延迟敏感型业务需求来说是一个亟待解决的问题。针对以上问题,提出了基于区间划分的键值存储系统写优化策略。首先,设计了新式数据存储文件结构,称为区间桶,它可在纵向方向上容纳多个具有键范围重叠的有序表（Sorted String Table,SSTable）,以缓解因同层文件不可重叠而引起的写放大问题。其次,基于区间桶提出了一种适应多种场景的合并压缩策略,当发生合并压缩时,仅压缩需要回收的文件,并依据下一层的键重叠范围区间执行分片下发,避免了对下一层文件的数据读取与重复写入,加速了合并压缩速率,改善了写放大问题和写暂停所带来的高尾延迟问题。针对最底层文件容量与数量的无限增长问题,设计了面向最底层区间桶的自压缩策略,通过将桶内多个SSTable压缩为一个SSTable并将多个小区间桶合并为一个区间桶,保证了最底层文件容量与数量的相对稳定。此外,利用SSD的多通道并行性,采用了并发合并压缩方法,通过同时压缩多组待回收文件,有效提升了系统的整体吞吐率。最后,利用表级别布隆过滤器和多缓存机制减少系统读操作时所需的I/O次数,最大限度避免了因引入区间桶对读性能的影响。在开源LevelDB系统上实现了所提出的优化策略并进行了实验验证。实验结果表明,相比于原始的LevelDB系统,写放大可减少58.87%,平均延迟和99%尾延迟可分别降低89.73%和77.16%;相比于先进的键值存储系统SILK,写放大可减少57.65%,平均延迟和99%尾延迟可分别降低6.93%和43.87%。在dbbench随机写测试和YCSB写密集负载测试上,相比SILK性能可分别提升125%和36.86%。