数据库的云原生化依赖高效的资源高效解耦，其包括以下两个方面：（1）物理解耦，如存储计算分离使得计算和存储可以独立伸缩。近年来，高速RDMA网络以及CXL内存互联技术的发展，为高速分布式内存池的实现带来了新的契机，其中一个亟需解决的重要问题如何将传统的数据库内存数据结构高效迁移到新型分布式内存池。（2）逻辑解耦。数据库系统中一些后台服务通常会消耗大量的计算与网络资源，如解压缩、加解密、日志合并树的数据重整，与前端业务负载竞争系统资源。如何实现这些服务的无状态化拆分，以及提高拆分服务之间可靠性、互操作性等，实现云上远端下推存在较大挑战。依托以上背景，本项目重点聚焦以下三个问题的研究： 1、探索数据库系统的关键内存数据结构，如hash表，B+tree等在分布式内存池下高效实现、以及数据一致性的轻量化维护问题； 2、HTAP系统负载下的本地/远端内存的高效调度。解决本地/远端内存资源面向不同负载下的最优化动态资源调度问题，包括AI驱动的资源预估、I/O调度、索引推荐等； 3、基于LSM-Tree（日志合并树）的存储引擎的高效逻辑解耦。研究分布式内存池下的共享内存表优化设计，LSM-Tree引擎中的数据重整（compaction）的无状态化的系统设计，利用云上既有资源，如对象存储、消息队列、函数计算等服务，进行数据重整操作的远端下推。