[논문 리뷰] PrismDB: Read-aware Log-structured Merge Trees for Heterogeneous Storage.

Ashwini Raina, Asaf Cidon외 2명|arXiv (Cornell University)|2020. 08. 05.

Advanced Data Storage Technologies참고 문헌 14인용 수 4

한 줄 요약

PrismDB는 3D XPoint와 QLC NAND와 같은 이질적 스토리지 티어 간에 핫 오브젝트를 빠른 스토리지에 핀딩함으로써 동적으로 데이터 티어링을 수행하는 읽기 인식 로그 구조 합치기 트리 키-값 스토어이다. 동일한 하드웨어에서 RocksDB 대비 평균 처리량은 2.3배 높고 꼬리 지연 시간은 10배 이상 낮으며, 비용은 50% 감소시킨다.

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.

연구 동기 및 목표

• 고성능과 비용 대비 비트 단위 비용 간의 점점 커지는 스토리지 하드웨어 목표 간 괴리 문제를 해결하기 위해.
• 빠른 스토리지 기술과 저비용 스토리지 기술을 하나의 시스템에서 효율적으로 통합하는 키-값 스토어를 설계하기 위해.
• 읽기 인식 기반의 도입을 통해 로그 구조 합치기 트리에서 데이터 티어링과 핫-콜드 분리 성능을 향상시키기 위해.
• 데이터센터 배포 환경에서 기존 시스템(예: RocksDB)보다 더 나은 성능과 비용 효율성을 달성하기 위해.

제안 방법

• 자주 액세스되는(핫) 오브젝트를 더 빠른 스토리지 티어에 고정시키기 위해 LSM 트리에 읽기 인식 기능을 도입한다.
• 실시간 읽기 빈도를 활용해 액세스 패턴에 기반한 동적 티어링을 구현한다.
• 고성능 3D XPoint부터 저비용 QLC NAND에 이르기까지 전반적인 스토리지 기술 스펙트럼을 하나의 스토리지 레이어 내에서 지원한다.
• 접근 국소성 원리를 활용해 자동으로 성능과 비용을 균형 잡는 하이브리드 스토리지 아키텍처를 구현한다.
• 읽기 액세스 빈도를 추적하고 핫 오브젝트 탐지 기반으로 티어링 결정을 유도하는 새로운 LSM 트리 변종을 설계한다.
• 지능적인 핫 오브젝트 유지 전략을 통해 교차 티어 데이터 이동을 최소화함으로써 왇어 앰플리피케이션과 읽기 지연 시간을 최적화한다.

실험 결과

연구 질문

• RQ1 빠른 스토리지에서 저비용 스토리지에 이르기까지 이질적 스토리지 기술을 효율적으로 활용할 수 있는 키-값 스토어는 어떻게 설계할 수 있는가?
• RQ2 쓰기 성능을 희생시키지 않고 로그 구조 합치기 트리에서 효과적인 핫-콜드 데이터 분리 기법은 무엇인가?
• RQ3 기존의 티어링 전략 대비 LSM 트리에서 읽기 인식 기능이 성능 향상과 꼬리 지연 시간 감소에 뚜렷한 영향을 미칠 수 있는가?
• RQ4 혼합 티어 스토리지 기반의 스토리지 시스템에서 하드웨어 비용을 줄이면서 성능을 얼마나 향상시킬 수 있는가?
• RQ5 실제 워크로드에서 읽기 인식 티어링은 기존의 LSM 트리 설계와 비교해 어떻게 성능가능성이 있는가?

주요 결과

• PrismDB는 비용 대비 비트 단위가 반값인 이질적 스토리지 환경에서 RocksDB 대비 평균 처리량이 2.3배 높다.
• 동일한 하드웨어 조건에서 PrismDB의 꼬리 지연 시간은 RocksDB보다 10배 이상 낮다.
• QLC NAND와 3D XPoint를 함께 활용함으로써 PrismDB는 RocksDB 대비 비용을 50% 절감하면서도 뛰어난 성능을 유지한다.
• 읽기 인식 기능을 통해 효과적인 핫 오브젝트 핀딩이 가능해져 캐시 효율성이 향상되고 교차 티어 데이터 이동이 감소한다.
• 빠른 스토리지와 저비용 스토리지의 조합은 성능과 비용 간 파레토 효율적 트레이드오프를 이룬다.
• 다양한 액세스 패턴에서 PrismDB는 처리량과 지연 시간 모두에서 RocksDB를 뛰어넘어 뛰어난 확장성과 효율성을 입증한다.