这篇文档属于类型a，即报告了一项原创性研究。以下是基于文档内容的学术报告：
本研究的主要作者包括Tao Cai、Jianfei Dai、Tianle Lei、Zeyu Huang、Dejiao Niu和Qiangqiang Ni，均来自江苏大学计算机科学与通信工程学院。该研究于2024年10月6日至10日在IEEE国际系统、人与控制论会议（SMC）上发表。
本研究的科学领域为物联网（IoT）时间序列数据存储系统，特别是针对非易失性存储器（NVM）的索引优化。当前，大多数时间序列数据存储系统基于HDD或SSD设计，这些索引无法充分利用NVM的性能优势，且未针对IoT时间序列数据的特性进行优化。IoT时间序列数据具有大规模、高生成频率、固定时间间隔、高重复率等特点，通常以压缩格式存储，主要查询条件为生成时间戳。这些特性对数据存储和管理提出了巨大挑战。现有的B+树和LSM-tree等索引结构在存储开销、写入性能和时间戳查询优化方面存在不足，且未充分利用NVM的高读写速度和字节寻址特性。因此，本研究旨在设计一种适用于IoT时间序列数据和NVM的分层异构索引，以提升存储和查询效率。
本研究分为多个步骤，具体如下：
分层异构索引设计
首先，研究团队设计了一种分层异构索引结构，将IoT时间序列数据压缩为数据块，并将多个数据块组成块组，以降低管理复杂度。每个块组内使用跳表（Skip List）索引数据块，同时提取块组的时间信息，构建基于TS-Radix树的全局索引。这种分层异构索引结构能够适应IoT时间序列数据和NVM的特性。
有序跳表构建策略
针对跳表索引节点生成随机性的问题，研究团队提出了一种有序构建策略。该策略根据数据块的压缩率（block_compression）和块组的压缩率（group_compression）预测索引节点的生成，并通过公式计算索引生成因子（index_weight），以确定索引节点的层级。该策略能够适应不同数据块密度的不均匀性，提高跳表索引的效率。
跳表压缩与重建策略
为了减少跳表在NVM中的存储开销，研究团队设计了一种压缩与重建策略。在数据块写入NVM后，删除跳表的高层级索引节点，仅保留第二层节点，并将第一层节点存储在每个数据块中。当需要查询时，根据第二层节点在DRAM中重建跳表。该策略有效减少了跳表的存储空间占用，并延长了NVM的使用寿命。
TS-Radix树设计
研究团队设计了一种TS-Radix树，用于替代Bloom Filter（布隆过滤器）识别目标块组。TS-Radix树利用时间戳前缀的高相似性，支持精确匹配、范围查询和扫描操作，并避免了Bloom Filter的误判问题。其查询复杂度为O(k)，显著提高了查询效率和稳定性。
原型实现与性能评估
研究团队在Intel Optane DC持久内存驱动中实现了上述策略，并开发了一个名为HHIMTSMS的原型系统。为了验证其性能，研究团队构建了InfluxDB、OpenTSDB和KairosDB的原型系统，并使用YCSB-TS测试工具进行对比测试。测试环境包括Intel Xeon Platinum 8222L CPU、128GB内存和2×128GB Intel Optane DC持久内存。
随机查询性能
在均匀分布和Zipfian分布下，HHIMTSMS的随机查询吞吐量均显著优于其他系统。在均匀分布下，HHIMTSMS的吞吐量比InfluxDB提高22.7%至34.1%，比OpenTSDB提高189.8%，比KairosDB提高42.1%至82.1%。在Zipfian分布下，HHIMTSMS的吞吐量比InfluxDB提高42.8%，比OpenTSDB提高208.5%，比KairosDB提高91.8%。此外，随着数据规模从100万增加到2000万，HHIMTSMS的吞吐量仅下降17.4%，表现出更高的稳定性。
扫描性能
在扫描测试中，HHIMTSMS的吞吐量比InfluxDB提高29.1%至43.6%，比OpenTSDB提高117.4%至262.4%，比KairosDB提高44.8%至68.1%。随着数据规模增加，HHIMTSMS的吞吐量仅下降9.8%，表现出更好的稳定性。
本研究设计了一种基于NVM的分层异构IoT时间序列数据索引HHIMTSMS，通过有序跳表构建策略、跳表压缩与重建策略以及TS-Radix树，显著提升了随机查询和扫描性能。实验结果表明，HHIMTSMS在吞吐量和稳定性方面均优于现有系统，为大规模IoT时间序列数据的高效存储和查询提供了新的解决方案。
本研究不仅为IoT时间序列数据存储系统提供了新的索引设计思路，还为NVM在数据管理领域的应用提供了实践参考。此外，研究团队开发的HHIMTSMS原型系统为相关领域的研究和开发提供了重要的技术基础。