초록 ▼

□ 연구개요
데이터 집약적인 응용에 특화된 분산 스마트 스토리지 시스템을 개발하고, 디바이스로부터 응용에 이르는 수직적인 최적화를 가능하게 하여 데이터 집약적인 응용의 성능을 향상시킨다. 이를 위해 분산 스마트 스토리지 시스템을 경량화하고, 데이터 연산 오프로딩 프레임워크를 개발하여 다양한 빅데이터 응용에 적용시키도록 한다.

□ 연구 목표대비 연구결과
1차년도의 연구결과로 파일 시스템을 사용하지 않는 경량화된 스토리지 엔진 구조를 개발하여 기존의 스토리지 엔진보다 최대 59% 높은 IOPS를 보였으며 15%

□ 연구개요
데이터 집약적인 응용에 특화된 분산 스마트 스토리지 시스템을 개발하고, 디바이스로부터 응용에 이르는 수직적인 최적화를 가능하게 하여 데이터 집약적인 응용의 성능을 향상시킨다. 이를 위해 분산 스마트 스토리지 시스템을 경량화하고, 데이터 연산 오프로딩 프레임워크를 개발하여 다양한 빅데이터 응용에 적용시키도록 한다.

□ 연구 목표대비 연구결과
1차년도의 연구결과로 파일 시스템을 사용하지 않는 경량화된 스토리지 엔진 구조를 개발하여 기존의 스토리지 엔진보다 최대 59% 높은 IOPS를 보였으며 15% 낮은 WAF를 보였다.
2차년도의 연구결과로 Ceph의 RADOS class 기능을 활용해 데이터 연산을 스토리지 노드에서 처리하도록 오프로딩하여 오프로딩을 하지 않았을 때 대비 93%의 시간 단축을 이끌어냈다.
3차년도의 연구결과로 빅데이터 응용 중 하나인 Apache Kafka와 Flink의 데이터 속성 및 필요 연산을 분석하여 key-value SSD를 사용하여 디바이스 내부에서 연산을 수행하는 in-storage processing을 통해 평균 latency를 감소시켰다.

□ 연구개발결과의 중요성
1차년도의 연구결과는 스토리지 엔진의 성능을 향상시켰을 뿐만 아니라 WAF 값도 감소시켜 SSD를 사용할 경우 디바이스의 수명을 늘릴 수 있기 때문에 빅데이터를 처리하는 시스템에 적합하다고 볼 수 있다.
2차년도의 연구결과는 데이터 집약적 응용에 대해 클라이언트 노드에서 수행할 작업을 스토리지 노드에서 대신 수행하도록 하여 클라이언트 노드와 스토리지 노드 간에 발생하는 데이터 전송량을 줄임으로써 클라이언트 노드의 연산 부하, 네트워크 부하를 줄인다는 점에서 분산 스마트 스토리지 시스템을 구축했다고 할 수 있다.
3차년도의 연구결과는 빅데이터 응용에서 데이터 연산을 디바이스에서 가장 먼 클라이언트 노드가 아닌 가장 가까운 디바이스 자체에서 수행하도록 하여 연산에 필요한 데이터의 이동을 최소화했다는 점에서 보다 최적화된 분산 스마트 스토리지 시스템을 구축했다고 볼 수 있다.

(출처 : 연구결과 요약문 3p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 3
• 목차 ... 4
• 1. 연구개발과제의 개요 ... 5
• 1.1. 연구개발의 필요성 ... 5
• 1.2. 연차별 연구 목표 및 내용 ... 5
• 2. 연구수행내용 및 연구결과 ... 6
• 2.1. SSD 기반 분산 스마트 스토리지 시스템 개발 (1차년도) ... 6
• 2.2. 분산 스마트 스토리지 시스템을 위한 연산 오프로딩 프레임워크 개발 (2차년도) ... 11
• 2.3. 주요 빅데이터 응용 최적화 (3차년도) ... 14
• 3. 연구개발결과의 중요성 ... 19
• 4. 참고문헌 ... 19
• 5. 연구성과 ... 21
• 대표적 연구실적 ... 23
• 끝페이지 ... 31