[論文レビュー] Co-KV: A Collaborative Key-Value Store Using Near-Data Processing to Improve Compaction for the LSM-tree

Hui Sun, Wei Liu+2 more|arXiv (Cornell University)|Jul 11, 2018

Advanced Data Storage Technologies参考文献 12被引用数 4

ひとこと要約

Co-KV は、SSD におけるニアデ〖タプロセッシング (NDP) を网脱してホストからコンパクト步ワ〖クロ〖ドをオフロ〖ドする鼎票キ〖バリュ〖ストアを捏捌する。コンパクト步ワ〖クロ〖ドをホストとデバイスの尉荚に尸么することで士乖悸乖を悸附し、泼に构糠驴翁ワ〖クロ〖ド布でのライティングアンプリフィケ〖ションを呵络36.0◇猴负し、链挛弄なスル〖プットを LevelDB よりも2.0擒羹惧させる。

ABSTRACT

Log-structured merge tree (LSM-tree) based key-value stores are widely employed in large-scale storage systems. In the compaction of the key-value store, SSTables are merged with overlapping key ranges and sorted for data queries. This, however, incurs write amplification and thus degrades system performance, especially under update-intensive workloads. Current optimization focuses mostly on the reduction of the overload of compaction in the host, but rarely makes full use of computation in the device. To address these issues, we propose Co-KV, a Collaborative Key-Value store between the host and a near-data processing ( i.e., NDP) model based SSD to improve compaction. Co-KV offers three benefits: (1) reducing write amplification by a compaction offloading scheme between host and device; (2) relieving the overload of compaction in the host and leveraging computation in the SSD based on the NDP model; and (3) improving the performance of LSM-tree based key-value stores under update-intensive workloads. Extensive db_bench experiment show that Co-KV largely achieves a 2.0x overall throughput improvement, and a write amplification reduction by up to 36.0% over the state-of-the-art LevelDB. Under YCSB workloads, Co-KV increases the throughput by 1.7x - 2.4x while decreases the write amplification and average latency by up to 30.0% and 43.0%, respectively.

研究の動機と目的

• 构糠驴翁ワ〖クロ〖ド布でのコンパクト步に燃うライティングアンプリフィケ〖ションにより券栏するパフォ〖マンス昔步啼玛を豺疯すること。
• ニアデ〖タプロセッシング (NDP) を网脱してホストのコンパクト步ワ〖クロ〖ドの办婶を SSD にオフロ〖ドすることで、ホスト娄の CPU や I/O オーバヘッドを负警すること。
• ホストとデバイス粗のパラレリズムを网脱し、另圭弄なコンパクト步パフォ〖マンスを羹惧させ、デ〖タ败瓢翁を负警させること。
• 骄丸の LSM腾インタフェ〖スと陵推拉を瘦积しながら、コンパクト步タスクの譬汤なオフロ〖ドを材墙にする鼎票ア〖キテクチャを菇蜜すること。
• 罢蹋弄に泼魔づけたタスク尸割恕を脱いてホストとストレ〖ジデバイス粗で纷换翁と I/O 活瓢翁のバランスを艰ることで、システムレベルのパフォ〖マンスを呵努步すること。

提案手法

• ホスト (Co-KVH) とデバイス (Co-KVD) が鼎票弄にコンパクト步を悸乖する企霖菇陇のオフロ〖ド纷茶を捏捌する。
• キ〖认跋とストレ〖ジ泼拉に答塑弄に答づいたデ〖タ尸充とタスク芹尸を琵圭弄に瓷妄する罢蹋弄泼魔づけたマネ〖ジャ〖を网脱する。
• 脚剩するキ〖认跋のマ〖ジ借妄をホストと SSD 阜erty に充り碰て、士乖借妄を材墙にするコンパクト步オフロ〖ドメカニズムを悸刘する。
• LevelDB に Co-KV システムをプロトタイプとして捏掐し、炳脱インタフェ〖スを恃构しないまま NDP滦炳 SSD をサポ〖トする菇蜜を悸卉する。
• コンパクト步面のタスク徒腆、デ〖タ败瓢、ホストとデバイス粗の定倒を瓷妄する汾翁のオフロ〖ドマネ〖ジャ〖を肋纷する。
• デ〖タに夺い眷疥で借妄を悸乖することでデ〖タ败瓢翁を呵井嘎に娃える NDP モデルを网脱し、バンド弓掠唯の暗趋とライティングアンプリフィケ〖ションを负警させる。

実験結果

リサーチクエスチョン

• RQ1 ホストから NDP滦炳 SSD にコンパクト步タスクをオフロ〖ドすることで、LSM腾答撩のキ〖バリュ〖ストアにおけるライティングアンプリフィケ〖ションを猴负材墙か々
• RQ2 ホストとデバイス粗での鼎票コンパクト步により、构糠驴翁ワ〖クロ〖ド布でのスル〖プットとレイテンシにどのような羹惧が斧哈めるか々
• RQ3 ホスト帽迫の呵努步に孺べ、ホストとデバイス粗のシステムレベルパラレリズムはコンパクト步パフォ〖マンスにどの镍羹惧をもたらすか々
• RQ4 ワ〖クロ〖ド泼拉 ∈粕み今き孺唯、デ〖タ络きさ霹∷が Co-KV のパフォ〖マンス羹惧に涂える逼读刨は々
• RQ5 NDP答撩のコンパクト步を骄丸の LSM腾ストレ〖ジスタックに譬汤に捏掐するためのインタフェ〖ス陵推拉を瘦积するシステムを肋纷する数恕は々

主な発見

• db_bench ワ〖クロ〖ド布で Co-KV は LevelDB より链挛弄なスル〖プットを2.0擒羹惧させる。
• 泼に光庐构糠ワ〖クロ〖ド布で Co-KV はライティングアンプリフィケ〖ションを呵络36.0◇猴负する。
• YCSB ワ〖クロ〖ド布で100◇构糠拎侯を悸卉した眷圭、Co-KV はスル〖プットを2.0擒×2.2擒羹惧させ、士堆レイテンシを呵络43.0◇猴负する。
• 粕み哈み90◇、构糠10◇の掘凤布で Co-KV は21,415 活瓢擅を茫喇し、票じ掘凤布での LevelDB を惧搀る。
• 20GB ロ〖ドおよび80GB ランワ〖クロ〖ド菇喇掘凤布でライティングアンプリフィケ〖ションは LevelDB の猛の71.0◇にまで猴负される。
• デバイス娄喇尸 (Co-KVD) が腆染尸のコンパクト步拎侯を么碰しており、跟蔡弄なパラレリズムとロ〖ドバランス步を悸附している。