在线事务处理（OLTP）系统广泛支撑着电子商务等关键应用，尽管现代事务处理系统将数据全量存储在内存中以消除磁盘I/O瓶颈，其性能仍然受制于内存带宽，大量细粒度的随机读写操作导致内存访问成为主要性能瓶颈。存内处理（PIM）架构虽能提供高聚合带宽，但在实际事务处理中面临负载不均衡和DPU间数据传输开销高等挑战。

为了克服上述问题，实验室博士生陈梦雷、硕士生王一枭（共同一作），在华宇教授的指导下，提出了一种面向真实PIM原型的高吞吐事务处理系统Onyx。Onyx通过多版本存储、基于有向无环图的微批次处理以及亲和性驱动的任务调度，最大化本地数据访问并保持DPU间负载均衡；同时采用rank粒度的异步数据传输机制，显著降低了主机与DPU之间的通信开销。大量实验结果表明，基于真实的UPMEM PIM原型，Onyx在YCSB和TPC-C基准测试下相比最先进的CPU事务处理系统Calvin和Caracal，吞吐量分别平均提升4.62倍和8.13倍。

这项研究工作题为“Onyx: Efficient Transaction Processing with Real Processing-in-Memory Prototypes”，被中国计算机学会推荐的A类国际学术会议DAC 2026录用。研究工作得到了国家自然科学基金项目（No. 62125202和No. U22B2022）的支持。

图 1 Onyx工作流程的示例图