masstree Seastar
线程锁竞争和切换的开销几乎为0，代码也不用考虑多线程竞争，逻辑大大减化；此外Niagara是一个全异步执行引擎，采用了基于future，promise和continuation的方式来表达我们的异步执行逻辑，比传统的callback方式逻辑清晰明了了很多，很舒服的同时也不易出错。
存储内核方面，在调研了多种存储模型以后，最终我们选择了LSM结构，因为它能让我们方便的进行读、写和空间放大的调节。相比同是LSM架构的RocksDB，我们做了多方面的优化来提升性能，包括：
- 基于masstree的memtable
- Snow-shovelling的flush策略
- 自适应的扩层策略
- 实时in-memory compaction
在作为Blink statebackend的集成中，我们做了checkpoint时候不清memtable的优化，从而减少了latency抖动问题。
[1] Seastar: http://www.seastar-project.org
[2] Masstree: https://pdos.csail.mit.edu/papers/masstree:eurosys12.pdf