Log Structured Merge Trees(LSM-tree)作为一种写优化的存储结构被广泛地应用于现代存储引擎的设计中。LSM-tree为了提高写性能,将写操作以日志的形式缓存于内存,延迟写入磁盘并分层存储。LSM-tree在后台维护了一个数据合并的任务(compaction)来合并多版本数据,以缩短读路径和减少存储成本。LSM-tree的分层存储设计没有考虑负载的读特性,对于读访问频繁但非经常更新的数据,会由于compaction操作而下沉到底层,访问时会带来较多的磁盘IO,影响读性能。另外,compaction的过程涉及到数据的解码、编码、比较、合并,是一个计算密集型的操作,在compaction任务被调度时,会竞争CPU的计算资源,造成系统的性能抖动。本篇论文对LSM-tree的研究现状进行了综述,并针对上述LSM-tree读延迟高和性能抖动两个问题,提出了一种增强型的基于LSM-tree的存储结构RH-LSM。首先通过捕捉数据的历史访问特征,同时根据模型计算的访问频率来决定哪些冷数据会被compaction,以确保频繁访问的数据具有较短的读路径。其次引入了 FPGA,将compaction动作卸载到FPGA上执行,包括高效的FPGA compaction流水线设计、异步compaction调度机制的设计,考虑到FPGA本身的缺陷,还设计了容错机制来保证compaction任务执行的正确性。RH-LSM是一个综合考虑访问特征并且性能平稳的存储结构。实验表明,基于RH-LSM的存储引擎的性能在公开基准上均取得了优于当前先进的基于LSM-tree的存储引擎。