[논문 리뷰] Don't Persist All : Efficient Persistent Data Structures

Pratyush Mahapatra, Mark D. Hill외 1명|arXiv (Cornell University)|2019. 05. 29.

Parallel Computing and Optimization Techniques참고 문헌 8인용 수 9

한 줄 요약

이 논문은 영구 메모리에서 데이터 구조의 부분적 지속성 접근법을 제안한다. 이 방법은 연결 리스트의 다음 포인터와 같은 필수 데이터 필드만 지속성 메모리에 기록하고, 이중 연결 리스트의 이전 포인터와 같은 중복 필드는 장애 발생 후 재구성한다. 필수 필드의 수를 줄임으로써 필요한 플러시 수를 감소시켜, 플러시가 지배적인 워크로드에서 최대 165%의 성능 향상을 달성했으며, 전체 지속성 대비 평균 15% 향상 효과를 보였다.

ABSTRACT

Data structures used in software development have inbuilt redundancy to improve software reliability and to speed up performance. Examples include a Doubly Linked List which allows a faster deletion due to the presence of the previous pointer. With the introduction of Persistent Memory, storing the redundant data fields into persistent memory adds a significant write overhead, and reduces performance. In this work, we focus on three data structures - Doubly Linked List, B+Tree and Hashmap, and showcase alternate partly persistent implementations where we only store a limited set of data fields to persistent memory. After a crash/restart, we use the persistent data fields to recreate the data structures along with the redundant data fields. We compare our implementation with the base implementation and show that we achieve speedups around 5-20% for some data structures, and up to 165% for a flush-dominated data structure.

연구 동기 및 목표

• 영구 메모리 시스템에서 빈번한 캐시 플러시로 인한 성능 오버헤드를 줄이기 위해.
• 모든 중복 필드가 아닌 필수 데이터 필드만 지속함으로써 영구 데이터 구조에서 성능 향상이 가능한지 탐색하기 위해.
• 시스템 재시작 후 비지속성 메모리에서 중복 필드를 효율적으로 재구성하는 알고리즘을 설계하기 위해.
• 이중 연결 리스트, B+트리, 해시맵과 같은 일반적인 데이터 구조에서 선택적 지속성의 성능 영향을 평가하기 위해.
• 지속적 쓰기 횟수를 최소화함으로써 응용 프로그램 성능을 크게 향상시킬 수 있으며, 정확성과 신뢰성에 영향을 주지 않음을 입증하기 위해.

제안 방법

• 연결 리스트의 'next' 포인터와 같은 필수 데이터 필드만 비지속성 메모리에 기록하고, 'prev' 포인터와 같은 중복 필드는 기록하지 않는다.
• 장애 발생 후, 구조적 인variants를 활용하여 유일하게 기록된 필드만을 사용해 비지속성 메모리에서 전체 데이터 구조를 재구성한다.
• 재구성 과정은 성능 최적화가 이루어졌으며, 데이터 구조의 복잡성에 따라 소요 시간이 달라진다 (예: 1.2 GB 크기의 연결 리스트는 2초, 유사 크기의 해시맵은 7초 소요).
• 이 접근법은 두 단계 설계를 사용한다: 연산은 비지속성 메모리에서 수행되며, 필요할 때만 지속성 메모리로 플러시된다. 이로써 지속적 쓰기 횟수를 최소화한다.
• 메모리 패널과 캐시 플러시는 필수 데이터 필드에만 선택적으로 적용되어 전체 플러시 오버헤드를 감소시킨다.
• 정확성 검사를 포함하여 플러시가 오직 지속성 메모리 영역을 대상으로 하고 있으며, 인젝션된 장애 후 복구가 성공적으로 수행됨을 검증한다.

실험 결과

연구 질문

• RQ1 데이터 구조에서 지속되는 데이터 필드의 수를 줄이면 영구 메모리 시스템에서 측정 가능한 성능 향상이 이루어질 수 있는가?
• RQ2 플러시가 지배적인 워크로드에서 선택적 지속성이 연결 리스트, B+트리, 해시맵과 같은 일반적인 데이터 구조의 성능에 어떤 영향을 미치는가?
• RQ3 장애 후 비지속성 메모리에서 중복 데이터 필드를 재구성하는 데 드는 성능 오버헤드는 얼마이며, 이를 줄여 지속적 쓰기 횟수를 줄이는 데 유의미한가?
• RQ4 데이터 정렬이 영구 메모리 액세스에서 플러시 성능에 미치는 영향은 무엇이며, 특히 동일한 캐시 라인을 재사용할 경우 어떤가?
• RQ5 지속성 일관성 또는 정확성에 영향을 주지 않으면서 플러시 횟수를 최소화함으로써 얼마나 많은 성능 향상을 달성할 수 있는가?

주요 결과

• 부분적 지속성 접근법은 단순 전면 지속성 구현 대비 평균 15%의 성능 향상을 달성했다.
• 플러시가 지배적인 워크로드에서 이 방법은 필수 플러시 횟수를 크게 줄여 최대 165%의 성능 향상을 달성했다.
• 1.2 GB 크기의 해시맵 재구성에 7초가 소요되었고, 유사 크기의 연결 리스트는 2초가 소요되어 재구성 시간이 데이터 구조에 따라 달라짐을 확인했다.
• 정렬되지 않은 데이터 플러시는 64바이트 정렬 플러시 대비 61.3%의 성능 저하를 초래했으며, 이는 영구 메모리 액세스에서 캐시 라인 정렬의 중요성을 강조한다.
• 장애 인젝션 테스트에서도 정확성이 유지되었으며, 플러시 이전에 인젝션된 버그도 재구성 메커니즘을 통해 성공적으로 복구되었다.
• 높은 쓰기 및 플러시 빈도를 가진 워크로드에서 성능 향상이 가장 두드러졌으며, 이는 지속적 쓰기 횟수를 줄임으로써 가장 큰 영향을 미쳤다.