[논문 리뷰] Cost-oblivious storage reallocation

Michael A. Bender, Martı́n Farach-Colton외 3명|arXiv (Cornell University)|2014. 04. 08.

Advanced Data Storage Technologies참고 문헌 42인용 수 8

한 줄 요약

이 논문은 저장 공간 점유율과 재할당 비용을 동시에 최소화하는 비비용 의식적 저장 공간 재할당 알고리즘을 소개한다. 이 알고리즘은 최적의 점유율에 (1+ε) 이내로 유지하면서도 원래 할당 비용에 비해 O((1/ε)log(1/ε)) 이내의 재할당 비용을 발생시킨다. 이 알고리즘들은 비용 모델에 대한 사전 지식 없이도 하위가소성 비용 함수 전반에 걸쳐 일반적으로 효과적이며, RAM, 디스크, 플래시 메모리 등 다양한 저장 시스템에 강건하게 적용 가능하다.

ABSTRACT

Databases need to allocate and free blocks of storage on disk. Freed blocks introduce holes where no data is stored. Allocation systems attempt to reuse such deallocated regions in order to minimize the footprint on disk. If previously allocated blocks cannot be moved, the problem is called the memory allocation problem, which is known to have a logarithmic overhead in the footprint. This paper defines the storage reallocation problem, where previously allocated blocks can be moved, or reallocated, but at some cost. The algorithms presented here are cost oblivious, in that they work for a broad and reasonable class of cost functions, even when they do not know what the cost function is. The objective is to minimize the storage footprint, that is, the largest memory address containing an allocated object, while simultaneously minimizing the reallocation costs. This paper gives asymptotically optimal algorithms for storage reallocation, in which the storage footprint is at most (1+epsilon) times optimal, and the reallocation cost is at most (1/epsilon) times the original allocation cost, which is also optimal. The algorithms are cost oblivious as long as the allocation/reallocation cost function is subadditive.

연구 동기 및 목표

• 고정 블록이 이동 불가능한 전통적 메모리 할당 방식의 한계를 해결하기 위해, 로그 상한선에 의해 영향을 받는 높은 경쟁 비율을 피하기 위함.
• 이전에 할당된 블록을 비용을 들여 이동할 수 있도록 저장 공간 재할당을 동적 문제로 모델링하여 저장 공간 점유율을 감소시키기 위함.
• 비용 모델에 대한 사전 지식 없이도 광범위한 하위가소성 비용 함수 전반에서 잘 작동하는 비비용 의식적 알고리즘 설계.
• 비용 함수가 알려지지 않은 상태에서도 최적에 가까운 점유율을 확보하면서 재할당 비용을 최소화하는 것.
• 재할당 과정을 분산시켜 최악의 경우 성능 한계를 보장하면서도, 평균 효율성은 유지하는 것.

제안 방법

• 크기 클래스로 나누어진 세그먼트와 큰 尾부 버퍼를 갖춘 계층적 버퍼 시스템을 사용하여 중첩된 플러시를 방지하고 진행 상황을 보장함.
• 체크포인트 기반과 점진적 플러시를 통해 재할당 작업을 업데이트 간에 분산하여 평균 효율성을 유지함.
• 버퍼 임계값을 초과할 경우 크기 클래스 내에서 객체를 동적으로 팩킹하고 언팩킹함.
• 플러시 중 일시적인 작업 공간을 사용하는 것이 핵심 기법이며, 이는 尾부 버퍼를 수용하고 재할당에 필요한 충분한 공간을 확보하기 위함임.
• 비용 함수의 하위가소성 특성을 활용하여 총 재할당 비용을 제한함으로써, 원래 할당 비용에 비해 O((1/ε)log(1/ε)) 이내로 유지됨.
• 재할당 작업을 ε′X 볼륨 업데이트에 분산시켜 최악의 경우 업데이트당 비용을 O((1/ε)wf(1)+f(Δ))로 제한함으로써 비균형화를 달성함.

실험 결과

연구 질문

• RQ1 기본 비용 함수에 관계없이 저장 공간 점유율이 최적의 (1+ε) 이내로 유지될 수 있는가?
• RQ2 비용 함수가 하위가소성이라면, 비용 모델을 알지 못해도 근사 최적의 재할당 비용을 달성할 수 있는가?
• RQ3 최악의 경우 재할당 비용을 어떻게 제한하면서도 평균 효율성을 유지할 수 있는가?
• RQ4 재할당 과정을 비균형화하기 위해 필요한 구조적 수정(예: 尾부 버퍼, 체크포인트)은 무엇인가?
• RQ5 다양한 저장 매체에서 비용 특성이 상이하더라도 동일한 알고리즘 프레임워크가 일반적으로 효과적일 수 있는가?

주요 결과

• 저장 공간 점유율은 최적 점유율의 (1+ε) 배 이내로 보장되며, 물리적 레이아웃에서 근사 최적성을 달성함.
• 총 재할당 비용은 원래 할당 비용의 O((1/ε)log(1/ε)) 배 이내로 제한되며, ε 가 상수일 경우 최적 비용의 상수 배 이내임.
• 알고리즘은 비비용 의식적이다: 비용 모델을 알지 못해도 모든 하위가소성 비용 함수에서 잘 작동함.
• 비균형화된 버전은 업데이트당 최악의 경우 재할당 비용을 O((1/ε)wf(1)+f(Δ))로 보장하여 실시간 시스템의 신뢰성을 크게 향상시킴.
• 尾부 버퍼와 체크포인트의 사용으로 중첩된 플러시가 방지되고, 플러시가 완료된 후에 새로운 플러시가 시작됨.
• 분석을 통해 점유율 한계를 위반하는 모든 재할당 전략은 적어도 Ω(f(Δ))의 재할당 비용을 지닌다는 것이 입증되었으며, 이는 비용 한계의 날카로움을 보여줌.