Persistent indexing structures are proposed in response to emerging non-volatile memory (NVM) to provide high performance yet durable indexes. However, due to the lack of real NVM hardware, many prior persistent indexing structures were evaluated via emulation, which varies a lot across different setups and differs from the real deployment. Recently, Intel has released its Optane DC Persistent Memory Module (PMM), which is the first production-ready NVM. In this paper, we revisit popular persistent indexing structures on PMM and conduct comprehensive evaluations to study the performance differences among persistent indexing structures, including persistent hash tables and persistent trees. According to the evaluation results, we find that Cacheline-Conscious Extendible Hashing (CCEH) achieves the best performance among all evaluated persistent hash tables, and Failure-Atomic ShifT B+-Tree (FAST) and Write Optimal Radix Tree (WORT) perform better than other trees. Besides, we find that the insertion performance of hash tables is heavily influenced by data locality, while the insertion latency of trees is dominated by the flush instructions. We also uncover that no existing emulation methods accurately simulate PMM for all the studied data structures. Finally, we provide three suggestions on how to fully utilize PMM for better performance, including using clflushopt/clwb with sfence instead of clflush, flushing continuous data in a batch, and avoiding data access immediately after it is flushed to PMM.

针对新兴的非易失性存储器（NVM）提出了持久索引结构，以提供高性能而持久的索引。但是，由于缺少实际的NVM硬件，因此许多以前的持久索引结构都是通过仿真进行评估的，这在不同的设置中有很大的不同，并且与实际的部署有所不同。最近，英特尔发布了其Optane DC永久存储模块（PMM），这是第一个可投入生产的NVM。在本文中，我们将重新审视PMM上流行的持久索引结构，并进行综合评估以研究持久索引结构（包括持久哈希表和持久树）之间的性能差异。根据评估结果，我们发现Cacheline-Conscious可扩展哈希（CCEH）在所有评估的持久哈希表中均达到最佳性能，而故障原子ShifT B +树（FAST）和写入最佳基数树（WORT）的性能优于其他树。此外，我们发现哈希表的插入性能在很大程度上受数据局部性的影响，而树的插入等待时间则由刷新指令支配。我们还发现，对于所有研究的数据结构，没有现有的仿真方法可以准确地模拟PMM。最后，我们提供了三个有关如何充分利用PMM以获得更好性能的建议，包括使用clflushopt / clwb和sfence而不是clflush，批量刷新连续数据，以及避免在刷新到PMM后立即访问数据。失败原子ShifT B +树（FAST）和写最佳基数树（WORT）的性能要优于其他树。此外，我们发现哈希表的插入性能在很大程度上受数据局部性的影响，而树的插入等待时间则由刷新指令支配。我们还发现，对于所有研究的数据结构，没有现有的仿真方法可以准确地模拟PMM。最后，我们提供了三个有关如何充分利用PMM以获得更好性能的建议，包括使用clflushopt / clwb和sfence而不是clflush，批量刷新连续数据，以及避免在刷新到PMM后立即访问数据。失败原子ShifT B +树（FAST）和写最佳基数树（WORT）的性能优于其他树。此外，我们发现哈希表的插入性能在很大程度上受数据局部性的影响，而树的插入等待时间则由刷新指令支配。我们还发现，对于所有研究的数据结构，没有现有的仿真方法可以准确地模拟PMM。最后，我们提供了三个有关如何充分利用PMM以获得更好性能的建议，包括使用clflushopt / clwb和sfence代替clflush，批量刷新连续数据，以及避免在刷新到PMM后立即访问数据。而树的插入延迟主要由刷新指令决定。我们还发现，对于所有研究的数据结构，没有现有的仿真方法可以准确地模拟PMM。最后，我们提供了三个有关如何充分利用PMM以获得更好性能的建议，包括使用clflushopt / clwb和sfence而不是clflush，批量刷新连续数据，以及避免在刷新到PMM后立即访问数据。而树的插入等待时间主要由刷新指令决定。我们还发现，对于所有研究的数据结构，没有现有的仿真方法可以准确地模拟PMM。最后，我们提供了三个有关如何充分利用PMM以获得更好性能的建议，包括使用clflushopt / clwb和sfence而不是clflush，批量刷新连续数据，以及避免在刷新到PMM后立即访问数据。