[論文レビュー] PrismDB: Read-aware Log-structured Merge Trees for Heterogeneous Storage.

Ashwini Raina, Asaf Cidon+2 more|arXiv (Cornell University)|Aug 5, 2020

Advanced Data Storage Technologies参考文献 14被引用数 4

ひとこと要約

PrismDB は、3D XPoint や QLC NAND などの異種ストレージ層にわたって、ホットオブジェクトを高速ストレージにピン留めすることで、動的にデータを階層化するリード認識型のログ構造的マージツリー型キー値ストアである。同等のハードウェア上での RocksDB と比較して、平均スループットが 2.3 倍高く、トレールレイテンシが 10 倍以上低く、コストを 50% 削減する。

ABSTRACT

In recent years, emerging hardware storage technologies have focused on divergent goals: better performance or lower cost-per-bit of storage. Correspondingly, data systems that employ these new technologies are optimized either to be fast (but expensive) or cheap (but slow). We take a different approach: by combining multiple tiers of fast and low-cost storage technologies within the same system, we can achieve a Pareto-efficient balance between performance and cost-per-bit. This paper presents the design and implementation of PrismDB, a novel log-structured merge tree based key-value store that exploits a full spectrum of heterogeneous storage technologies (from 3D XPoint to QLC NAND). We introduce the notion of read-awareness to log-structured merge trees, which allows hot objects to be pinned to faster storage, achieving better tiering and hot-cold separation of objects. Compared to the standard use of RocksDB on flash in datacenters today, PrismDB's average throughput on heterogeneous storage is 2.3$ imes$ faster and its tail latency is more than an order of magnitude better, using hardware than is half the cost.

研究の動機と目的

• 高パフォーマンスと低ビットコストの間で拡大するストレージハードウェアの目的の乖離に対処すること。
• 高速ストレージと低コストストレージ技術を統合した単一のシステムで、効率的に運用できるキー値ストアを設計すること。
• リード認識性を導入することで、ログ構造的マージツリーにおけるデータ階層化とホット・コールド分離を改善すること。
• データセンターデプロイメントにおいて、RocksDB らの既存システムを上回るパフォーマンスとコスト効率を達成すること。

提案手法

• リード頻度に基づいて頻繁にアクセスされる（ホット）オブジェクトを高速ストレージ層にピン留めできるように、LSM 樹形構造にリード認識性を導入する。
• アクセスパターンに基づく動的階層化を採用し、リアルタイムのリード頻度をもとにデータ配置を制御する。
• 高パフォーマンスな 3D XPoint から低コストな QLC NAND まで、幅広いストレージ技術を単一のストレージレイヤー内でサポートする。
• アクセス局所性を活用することで、自動的にパフォーマンスとコストのバランスを取るハイブリッドストレージアーキテクチャを採用する。
• リードアクセス頻度を追跡し、ホットオブジェクト検出に基づいて階層化意思決定をトリガーする、新しい LSM 樹形構造の変種を設計する。
• 知的なホットオブジェクト保持により、クロスティアーデータ移動を最小限に抑え、ライトアンプリフィケーションとリードレイテンシを最適化する。

実験結果

リサーチクエスチョン

• RQ1 高速ストレージから低コストストレージに至る異種ストレージ技術を、キー値ストアがどのように効率的に活用できるか。
• RQ2 ライトパフォーマンスを損なわせることなく、ログ構造的マージツリーにおける効果的なホット・コールドデータ分離を実現するメカニズムは何か。
• RQ3 従来の階層化戦略と比較して、LSM 樹形構造におけるリード認識性が、パフォーマンスとトレールレイテンシの向上に顕著に寄与するか。
• RQ4 ミックスドティアーストレージを用いたストレージシステムにおいて、ハードウェアコストを削減しながらパフォーマンスをどの程度向上できるか。
• RQ5 実世界のワークロードにおいて、リード認識型階層化は、従来の LSM 樹形構造設計と比べてどのように差をつけるか。

主な発見

• PrismDB は、半分のビットコストの異種ストレージ上で RocksDB と比較して、平均スループットが 2.3 倍高い。
• 同じハードウェア条件下で、PrismDB のトレールレイテンシは RocksDB よりも 10 倍以上低い。
• QLC NAND と 3D XPoint を併用することで、RocksDB よりもコストを 50% 削減しながら、優れたパフォーマンスを維持する。
• リード認識性により、効果的なホットオブジェクトピン留めが可能となり、キャッシュ効率が向上し、クロスティアーデータ移動が削減される。
• 高速ストレージと低コストストレージの組み合わせにより、パフォーマンスとコストのパレート効率的トレードオフが実現される。
• 多様なアクセスパターンにおいて、PrismDB はスループットとレイテンシの両面で RocksDB を上回り、強力なスケーラビリティと効率性を示している。