RnDCircle Logo

CASTLab

한양대학교 컴퓨터학부

최원일 교수

Graph Analysis

SSD Performance Optimization

Multithreaded Applications

CASTLab

컴퓨터학부 최원일

CASTLab(Computer Architecture and Storage Technology Laboratory)은 한양대학교 ERICA캠퍼스 컴퓨터학부 소속으로, 컴퓨터 아키텍처와 스토리지 기술, 특히 솔리드 스테이트 드라이브(SSD)를 중심으로 첨단 연구를 수행하고 있습니다. 연구실은 차세대 스토리지 시스템의 구조적 설계, 성능 최적화, 자원 관리, 그리고 소프트웨어 스택의 효율화 등 다양한 주제를 다루며, 이론적 연구와 실용적 응용을 동시에 추구합니다. CASTLab의 주요 연구 분야는 블록 및 키-값 기반 SSD 설계, 장치 수명 연장, 다중 워크로드 환경에서의 성능 최적화, 그리고 엔터프라이즈 SSD 시뮬레이터 개발 등입니다. 연구실은 실제 데이터센터와 클라우드 환경에서 요구되는 고성능, 고내구성 스토리지 시스템의 실현을 목표로, 패턴 인식 기반의 상태 인코딩, 가비지 컬렉션 최적화, 자원 공정 할당 등 다양한 혁신적 기술을 개발하고 있습니다. 또한, CASTLab은 시스템 모델링, 워크로드 특성 분석, 자원 할당 전략 개발 등 스토리지 시스템의 효율적 운영을 위한 연구도 활발히 진행하고 있습니다. 다중 자원 공정 할당 기법과 엔터프라이즈 SSD 시뮬레이터(MQSim-E) 등은 실제 환경에서의 성능 예측과 자원 관리 전략의 효과 검증에 큰 역할을 하고 있습니다. 이러한 연구는 데이터센터, 클라우드, AI 반도체 등 다양한 응용 분야에서 스토리지 시스템의 성능과 신뢰성을 획기적으로 향상시키고 있습니다. 운영체제 및 소프트웨어 스택 최적화 역시 CASTLab의 중요한 연구 축입니다. 커널 레벨의 I/O 스케줄링, 가비지 컬렉션 인식 스케줄러, NVMe 기반 엔터프라이즈 SSD 확장 등 다양한 운영체제 최적화 기술을 통해 스토리지 하드웨어와 소프트웨어의 통합적 성능 향상을 추구하고 있습니다. 이러한 연구는 실제 시스템에 적용 가능한 실용적 솔루션을 제공하며, 고성능 컴퓨팅 및 대규모 데이터 처리 환경에서의 스토리지 시스템 운영 효율성을 높이고 있습니다. CASTLab은 국내외 유수 학회 및 저널에 다수의 논문을 발표하고, 산업계와의 협력 프로젝트 및 특허 출원 등 실질적인 기술적 성과를 창출하고 있습니다. 앞으로도 CASTLab은 컴퓨터 아키텍처와 스토리지 기술 분야에서 혁신적인 연구를 지속하며, 차세대 컴퓨팅 인프라의 핵심 기술을 선도해 나갈 것입니다.

Graph Analysis
SSD Performance Optimization
Multithreaded Applications
스토리지 시스템 및 SSD 설계
CASTLab은 차세대 스토리지 시스템, 특히 솔리드 스테이트 드라이브(SSD)의 설계와 최적화에 중점을 두고 연구를 수행하고 있습니다. 연구실은 블록 기반 및 키-값(Key-Value) SSD의 구조적 설계, 장치 수명 연장, 그리고 다양한 워크로드 환경에서의 성능 최적화에 관한 다양한 연구를 진행하고 있습니다. 특히, 대규모 데이터센터와 클라우드 환경에서 요구되는 고성능, 고내구성 SSD의 설계와 관련된 문제를 해결하기 위해 새로운 아키텍처와 제어 알고리즘을 개발하고 있습니다. SSD의 수명 연장과 성능 향상을 위해 패턴 인식 기반의 상태 인코딩, 가비지 컬렉션(GC) 최적화, 그리고 채널 자원의 효율적 분배 등 다양한 기술을 도입하고 있습니다. 예를 들어, TailCut과 같은 패턴 인식 인코딩 기법은 3D NAND 플래시 메모리의 주요 오류 원인을 분석하고, 취약한 상태 패턴을 제거함으로써 SSD의 수명과 읽기 지연을 크게 개선하는 데 기여하였습니다. 또한, 대용량 키-값 워크로드에 최적화된 LK-SSD 설계는 기존 SSD가 겪는 긴 꼬리 지연과 낮은 저장 효율 문제를 해결하는 혁신적인 접근법을 제시하였습니다. 이러한 연구는 실제 산업계와 연계된 프로젝트 및 특허 출원으로 이어지고 있으며, SSD 하드웨어 자원의 최적 할당을 위한 자동 탐색 장치 및 방법 등 실질적인 기술적 성과를 창출하고 있습니다. CASTLab의 연구는 데이터센터, 클라우드, AI 반도체 등 다양한 응용 분야에서 스토리지 시스템의 성능과 신뢰성을 획기적으로 향상시키는 데 중요한 역할을 하고 있습니다.
시스템 모델링 및 자원 할당 최적화
CASTLab은 스토리지 시스템의 효율적인 운영을 위한 시스템 모델링, 워크로드 특성 분석, 그리고 자원 할당 전략 개발에 집중하고 있습니다. 다양한 워크로드가 동시에 실행되는 환경에서 각 워크로드의 요구사항을 만족시키면서도 전체 시스템의 자원을 효율적으로 분배하는 것은 매우 중요한 과제입니다. 이를 위해 연구실은 워크로드 특성화, 자원 할당 알고리즘, 그리고 시뮬레이션 및 에뮬레이션 도구 개발에 힘쓰고 있습니다. 특히, 플래시 기반 캐싱 시스템에서 여러 워크로드가 자원을 공유할 때 발생하는 성능 저하와 자원 낭비 문제를 해결하기 위해 다중 자원 공정 할당(Multi-Resource Fair Allocation) 기법을 개발하였습니다. 이 기법은 용량, 대역폭, 장치 수명 등 여러 자원을 동시에 고려하여 자원을 분배함으로써, 기존의 단일 자원 중심 할당 방식보다 공정성과 효율성을 크게 높였습니다. 또한, MQSim-E와 같은 엔터프라이즈 SSD 시뮬레이터를 개발하여 실제 환경에서의 성능을 정밀하게 예측하고, 새로운 자원 관리 전략의 효과를 검증할 수 있도록 지원하고 있습니다. 이러한 연구는 SSD 및 스토리지 시스템의 자원 관리와 운영 효율성을 극대화하는 데 기여하며, 데이터센터와 클라우드 인프라의 신뢰성과 확장성을 높이는 데 중요한 역할을 하고 있습니다. 또한, 특허로 출원된 자동 탐색 기반 자원 할당 기술은 실제 산업 현장에서의 적용 가능성을 높이고, 차세대 스토리지 시스템의 핵심 기술로 자리매김하고 있습니다.
운영체제 및 소프트웨어 스택 최적화
CASTLab은 스토리지 하드웨어와 소프트웨어의 통합적 성능 향상을 위해 운영체제(OS) 및 소프트웨어 스택의 최적화 연구도 활발히 진행하고 있습니다. SSD와 같은 고성능 스토리지 장치의 잠재력을 최대한 활용하기 위해서는 커널 레벨에서의 솔루션 개발, 전체 시스템의 거시적 분석 및 최적화, 그리고 소프트웨어 스택의 효율화가 필수적입니다. 연구실은 커널 레벨에서의 I/O 스케줄링, 가비지 컬렉션 인식 스케줄러, 그리고 NVMe 프로토콜 기반의 엔터프라이즈 SSD 확장 등 다양한 운영체제 최적화 기술을 개발하였습니다. 예를 들어, GC-Free SSD를 위한 호스트 인터페이스 로직 설계는 I/O 요청의 지연과 자원 경합 문제를 효과적으로 완화하여, QoS(서비스 품질) 요구사항을 만족시키는 동시에 전체 시스템의 응답성을 크게 향상시켰습니다. 또한, 소프트웨어 스택의 병목 현상을 분석하고, 최적화 방안을 도출함으로써 스토리지 시스템의 전반적인 성능을 극대화하고 있습니다. 이러한 연구는 실제 시스템에 적용 가능한 실용적 솔루션을 제공하며, 고성능 컴퓨팅, 대규모 데이터 처리, AI 및 클라우드 환경에서의 스토리지 시스템 운영 효율성을 높이는 데 크게 기여하고 있습니다. CASTLab의 운영체제 및 소프트웨어 스택 최적화 연구는 하드웨어와 소프트웨어의 경계를 넘나드는 융합적 접근을 통해 차세대 컴퓨팅 인프라의 핵심 기술을 선도하고 있습니다.
1
AnyKey: A Key-Value SSD for All Workload Types
Chanyoung Park, Jungho Lee, Chun-Yi Liu, Kyungtae Kang, Mahmut Kandemir, Wonil Choi
Architectural Support for Programming Languages and Operating Systems (ASPLOS'25), 2025
2
An Autonomic Resource Allocating SSD
Dongjoon Lee, Jongin Choe, Chanyoung Park, Kyungtae Kang, Mahmut Kandemir, Wonil Choi
Design, Automation and Test in Europe Conference (DATE'24), 2024
3
MBFGraph: An SSD-Based Analytics System for Evolving Graphs
Chun-Yi Liu, Wonil Choi, Soheil Khadirsharbiyani, Mahmut Kandemir
High Performance Computing, Networking, Storage, and Analysis (SC'23), 2023
1
AI반도체 융합 Computational 메모리/스토리지 SoC 및 활용 기술 개발
과학기술정보통신부(2017Y)
2025년 04월 ~ 2025년 12월
2
범용 응용프로그램 실행을 지원하는 저전력·고성능 계산형 스토리지 설계
과학기술정보통신부(2017Y)
2025년 ~ 2025년 12월
3
저지연 대규모 데이터 처리를 위한 저전력 연산 스토리지 시스템 기술 개발
과학기술정보통신부(2017Y)
2024년 ~ 2024년 12월