[論文レビュー] From WiscKey to Bourbon: A Learned Index for Log-Structured Merge Trees

Yifan Dai, Yien Xu+5 more|arXiv (Cornell University)|May 28, 2020

Data Quality and Management参考文献 34被引用数 34

ひとこと要約

本論文は Bourbon を紹介します。WiscKeyスタイルのLSMツリーのための学習インデックス拡張であり、区分的線形回帰を用いてルックアップを高速化するコスト便益メカニズムを組み合わせ、学習が有益と判断される場合にのみ適用します。さまざまなデータセットとワークロードで 1.23×–1.78× の高速化を実現します。

ABSTRACT

We introduce BOURBON, a log-structured merge (LSM) tree that utilizes machine learning to provide fast lookups. We base the design and implementation of BOURBON on empirically-grounded principles that we derive through careful analysis of LSM design. BOURBON employs greedy piecewise linear regression to learn key distributions, enabling fast lookup with minimal computation, and applies a cost-benefit strategy to decide when learning will be worthwhile. Through a series of experiments on both synthetic and real-world datasets, we show that BOURBON improves lookup performance by 1.23x-1.78x as compared to state-of-the-art production LSMs.

研究の動機と目的

• LSM（ログ構造化マージツリー）に学習インデックスを適用して、過剰な書き込みオーバーヘッドを発生させずに読み取りルックアップを改善する動機付け。
• LSM内部でいつどこに学習を適用すべきかのガイドラインを導出する（ファイル粒度 vs レベル粒度、ワークロードを意識すること）。
• WiscKey 用の生産品質の学習インデックス拡張である Bourbon を設計・実装し、合成データと実データセットの両方で性能を評価する。

提案手法

• WiscKey を分析して、書き込みを不安定化させずにインデックス作成のオーバーヘッドを低減できる学習インデックスの位置を特定する。
• SSTables またはレベル内でキー分布を学習するために、貪欲な区分的線形回帰（PLR）を採用する。
• オンラインで、特定のファイルまたはレベルを学習する価値があるかを判断するコスト–ベネフィットアナライザを導入する。
• 値を別に格納（キーと値の分離）し、可変長の値のオフセットを持つ固定サイズのキー上で学習する。
• デフォルトとしてファイルレベルの学習とレベルレベルの学習を評価し、どちらが有益となるかを示す。
• 約5千行の追加コードで最適化されたLSMシステムへの Bourbon の統合を提示する。

実験結果

リサーチクエスチョン

• RQ1 学習インデックスは、書き込みによる過剰な再学習を伴わずに、WiscKey のようなLSMベースのシステムでルックアップ性能を向上させることができるか？
• RQ2 どの粒度（ファイル対レベル）とどのワークロード条件が、LSMにおける学習インデックスの利益を最大化するか？
• RQ3 システムはオンラインでどう判断すべきか、特定のファイルやレベルをいつ学習して正味の便益を最大化するべきか？
• RQ4 メモリ内保持と高速ストレージ（例：Optane）などのシナリオで、学習インデックスアプローチはLSMに対してどのように性能を発揮するか？

主な発見

• Bourbon は、さまざまなデータセットとワークロードに対して、実運用のLSMと比較してルックアップを1.23×–1.78×高速化する。
• 学習による利得は、インデックス作成がルックアップ待機時間のかなりの部分を占める場合、すなわちデータアクセスコストが低いかインデックスが支配的なメモリ内保持や高速ストレージのシナリオで最も顕著である。
• 書き込みが重いワークロードではファイルレベルの学習がレベルレベルの学習よりも優れており、一方で読み取り専用設定ではレベル学習が有益となる場合がある。
• オンラインのコスト–ベネフィットアナライザは、短命なファイルに対する学習を防ぎ、無駄な学習労力を削減する。
• 学習の指針は次のとおりと示している： (i) 安定した低いレベル/ファイルの学習を優先する; (ii) 短命なファイルの学習を遅らせる; (iii) 潜在的なネガティブルックアップの可能性を理由に高いレベルを過小評価しない; (iv) ワークロードを意識する; (v) 高負荷の書き込み時にはレベル学習を避ける。）