디바이스 스케일링 기술의 발전에 따라 SSD의 용량은 빠르게 증가하고 있다. 그러나 이러한 증가는 대규모 DRAM을 요구하는 방대한 인덱스 테이블의 비용을 동반한다. DRAM을 적게 사용하면서도 합리적인 성능을 제공하기 위해, I/O 참조의 국소성(locality)과 규칙성(regularity)을 활용하는 다양한 인덱스 구조들이 제안되어 왔다. 하지만 이러한 구조들은 I/O 패턴과 저장장치 단편화(fragmentation)에 따라 성능이 저하되는 문제를 보인다. 본 논문에서는 메모리 효율적인 근사 인덱스와, 추가 전용이며 정렬된 성격을 갖는 LSM-tree를 결합한 새로운 근사 인덱스 구조인 AppL을 제안한다. AppL은 보통의 인덱스 구조가 요구하는 32-64비트에 비해, 인덱스 크기를 항목당 6-8비트로 줄이면서도 국소성 및 단편화와 무관하게 이러한 높은 메모리 효율을 유지한다. 메모리 압박을 완화함으로써 AppL은 선행 기술 대비 읽기 지연(read latency)을 33.6-72.4% 단축하고, I/O 처리량(I/O throughput)을 28.4%-83.4% 향상시킨다.

차량 내 통신은 원래 차량과 외부 시스템 간의 메시지 교환을 위해 설계되지 않았다. 따라서 메시지 보호에 대한 보안 설계가 충분하지 않다. 또한 내부 장치에는 추가적인 보안 연산을 처리하기에 충분한 자원이 없다. 그럼에도 불구하고, 메시지가 브로드캐스트되는 차량 내 네트워크의 특성으로 인해 특정 수신자에 대한 안전한 메시지 전송이 보장되어야 한다. 상기한 사실들을 고려하여, 본 연구는 고성능 장치로 안전 연산을 오프로딩함으로써 자원 문제를 해결하고, 공격자와 권한이 없는 사용자가부터의 메시지 기밀성을 보장하기 위해 속성 기반 접근 제어를 사용한다. 아울러 엣지 컴퓨팅과 속성 기반 접근 제어의 사용에서 비롯되는 새로운 취약성을 해결하기 위해 기존의 접근 제어 기반 암호화를 재구성한다. 이에 따라 본 논문은 해시 함수, 대칭 기반 암호, 그리고 재구성된 암호화 스킴을 사용한 세밀한 속성 기반 암호화를 기반으로 하는 엣지 컴퓨팅 기반 보안 프로토콜을 제안한다. 또한 본 연구는 재구성된 암호화 스킴 및 보안 프로토콜을 형식적으로 증명하고, CANoe 소프트웨어를 사용하여 제안된 보안 프로토콜의 타당성을 다양한 측면에서 평가한다.

비휘발성 메모리(NVM) 기술이 발전함에 따라, 다양한 컴퓨팅 시스템에서 상용 NVDIMM 장치를 손쉽게 사용할 수 있게 되었다. NVM의 높은 밀도와 고용량을 효율적으로 활용하기 위해, 최신 Xeon CPU는 DRAM을 최종 수준(last-level, L4) 캐시로 전환하고 NVM을 사용자가 주소를 지정해 접근하는 시스템 메모리로 사용하는 특수 Memory Mode를 지원한다. 그러나 Memory Mode는 종종 성능이 낮으며, 어떠한 DRAM 캐시도 사용하지 않고 NVM만을 사용하는 경우보다도 느린 경우가 많다. 우리의 분석에 따르면, 이는 통합 메모리 컨트롤러가 DRAM 캐시를 비효율적으로 관리하여 높은 미스율을 초래하기 때문이다. 본 논문은 TARMAC이라는 새로운 하이브리드 메모리 할당자를 제안한다. 메모리 할당자 수준에서 지능적이면서도 가벼운 메모리 관리 정책을 적용함으로써, TARMAC은 두 가지 서로 다른 유형의 메모리 장치를 보다 효율적으로 관리하여 평균적으로 하드웨어 기반 Memory Mode에 비해 37% 더 높은 캐시 적중률, 67% 더 높은 처리량, 40% 더 짧은 메모리 지연을 달성한다. 또한 TARMAC은 전통적인 메모리 할당자와 호환되는 메모리 인터페이스를 노출하여, 기존 소프트웨어가 수동 수정 없이도 TARMAC을 사용할 수 있게 한다.

다양한 딥러닝(DL) 응용에서 널리 사용되는 임베딩 레이어는 규모가 매우 크며, 그 크기는 계속 증가하고 있다. 우리는 대규모 임베딩 레이어를 갖는 DL 응용의 추론을 처리하기 위한 확장 가능한 임베딩 메모리 시스템(SEMS)을 제안한다. SEMS는 가속을 위한 FPGA를 포함하는 확장 가능한 임베딩 메모리(SEM) 모듈을 기반으로 구축된다. SEMS에서는 확장 가능하고 범용적인 PCIe 버스를 사용하여 시스템 메모리를 확장하며, SEM으로부터 호스트로 전송되는 데이터의 양을 줄이는 SEM의 처리는 PCIe의 유효 대역폭을 향상시킨다. 더 나은 성능을 달성하기 위해, 다양한 수준에서 여러 최적화 기법을 적용한다. 우리는 SEMS를 사용하는 데 편의를 제공하기 위한 Python 라이브러리인 SEMlib를 개발한다. 또한 SEMS의 개념 증명(proof-of-concept) 프로토타입을 구현하였으며, SEMS를 사용하면 전체 임베딩 레이어를 보유할 DRAM이 부족한 경우 CPU 기반 시스템에 비해 DLRM 실행 시간이 $32.85\times$ 더 빠르다.

시간에 민감한 콘텐츠에 대한 수요가 증가함에 따라, 최근 캐시가 지원되는 네트워크에서 데이터 신선도(data freshness)가 중요한 성능 지표로 부상하고 있다. 따라서 본 논문에서는 클라우드-엣지 네트워크에서 클라우드 서버와 엣지 서버 모두에서의 데이터 신선도를 고려하여, 공동 캐시 교체 및 콘텐츠 업데이트 알고리즘을 설계한다. 우리는 캐시 적중(cache hit)과 함께 신선한 콘텐츠 획득(fresh content acquisition) 비율을 FACH(FACH) 비율로 정의하며, 이는 신선도 제약 조건을 만족하면서 요청하는 콘텐츠를 엣지 서버로부터 획득하는 사용자의 비중을 나타내는 성능 지표이다. FACH 비율을 최대화하기 위해, intelligent Cache replacement and content Update(i-CU)라는 이름의 강화학습(RL) 기반 알고리즘을 제안한다. 제안된 알고리즘에서는 문제의 제약 조건을 보장하면서 행동 공간을 축소하기 위해, 점수 기반(action) 의사결정을 새롭게 제안한다. 시뮬레이션 결과에서는 다양한 데이터셋에 대해 i-CU 알고리즘을 개발하고 평가하였으며, 여러 네트워크 매개변수 하에서 기존 기준(baseline)들에 비해 i-CU 알고리즘이 더 높은 FACH 비율을 달성할 수 있음을 검증한다.

빈번한 소규모 무작위 읽기 연산을 수반하는 데이터 집약적 응용의 증가는 기존 SSD 아키텍처의 처리량 한계를 도전과제로 제기한다. Compute Express Link 기반 SSD는 지연을 줄이면서도 세밀한 데이터 접근을 가능하게 하지만, 그 읽기 처리량은 여전히 레거시 블록 지향 설계에 의해 제한된다. 이를 해결하기 위해 본 연구에서는 CXL SSD를 위한 고급 NAND 플래시 아키텍처인 srNAND를 제안한다. 이는 읽기 증폭을 감소시키기 위한 2단계 ECC 디코딩 메커니즘, 병렬성을 향상시키는 최적화된 읽기 명령 시퀀스, 그리고 중복 연산을 제거하는 요청 병합 모듈을 사용한다. 평가 결과, srSSD는 기존 CXL SSD에 비해 읽기 처리량을 최대 10.4배 향상시킬 수 있음을 보여준다.

데이터 중심 애플리케이션에 의해 촉진되는 메모리 분해의 확장은 메모리 시스템의 이질성을 증가시킨다. 이러한 변화는 수명 제한이 있는 저렴한 플래시 메모리를 메모리 확장 모듈로 사용할 수 있게 한다. 본고에서는 이 전환에 효과적으로 대응하기 위해 메모리 관리 시스템에 TRIM을 도입해야 한다고 주장한다. 본 논문은 포지션 페이퍼로서, 메모리 확장을 위한 플래시 메모리의 채택 가능성을 탐색하고 TRIM의 효과를 간명하면서도 엄밀하게 평가할 수 있는 분석 모델을 제시한다. 이 모델과 실제 작업 부하로부터 추출한 특성들을 사용하여, 확장 가능한 메모리 시스템에서 TRIM의 효과를 평가하고 그 필요성을 증명한다.

이 글은 SSD(솔리드 스테이트 드라이브) 인터페이스의 진화 과정을 추적하며, 하드 디스크 드라이브로부터 계승된 블록 저장소 패러다임에서 플래시 메모리에 맞춤화된 SSD 전용 표준으로의 전환을 고찰한다. 초기 SSD는 기존 소프트웨어 저장 스택과의 호환성을 위해 블록 추상화를 따랐으나, 연구와 실제 배치 사례들은 이러한 접근이 SSD의 성능 잠재력을 제한함을 보여준다. 이에 따라 새로운 SSD 전용 인터페이스 표준이 등장하여, SSD의 낮은 지연과 풍부한 내부 병렬성을 활용할 뿐 아니라, 기존의 오랜 블록 추상화와는 다른 새로운 명령 집합을 포함하게 되었다. 먼저, 블록 저장소 추상화의 맥락에서 플래시 메모리 기술과 블록 저장소의 ‘환영’을 제공하는 SSD 내부 구성 요소를 설명한다. 그다음으로, 학술 연구와 산업 표준화 노력 사이의 계보와 관계를 기술하면서, 그중 일부의 인기의 부상과 쇠퇴 양상도 함께 다룬다. 이러한 연구들을 네 가지로 분류한다: (1) 호스트-SSD 힌트/지시를 통해 블록 추상화를 확장하는 것, (2) 호스트 수준에서 SSD에 대한 제어를 강화하는 것, (3) 호스트 수준의 관리를 SSD로 오프로딩하는 것, (4) SSD를 바이트 주소 지정 가능하게 만드는 것. 이러한 궤적을 면밀히 분석함으로써, 이 글은 향후 SSD 기술의 연구개발을 위한 로드맵과 더불어 대두되는 과제와 기회를 조명한다.

디바이스 스케일링 기술의 발전에 따라 SSD의 용량은 빠르게 증가하고 있다. 그러나 이러한 증가는 대규모 DRAM을 요구하는 방대한 인덱스 테이블의 비용을 동반한다. DRAM을 적게 사용하면서도 합리적인 성능을 제공하기 위해, I/O 참조의 국소성(locality)과 규칙성(regularity)을 활용하는 다양한 인덱스 구조들이 제안되어 왔다. 하지만 이러한 구조들은 I/O 패턴과 저장장치 단편화(fragmentation)에 따라 성능이 저하되는 문제를 보인다. 본 논문에서는 메모리 효율적인 근사 인덱스와, 추가 전용이며 정렬된 성격을 갖는 LSM-tree를 결합한 새로운 근사 인덱스 구조인 AppL을 제안한다. AppL은 보통의 인덱스 구조가 요구하는 32-64비트에 비해, 인덱스 크기를 항목당 6-8비트로 줄이면서도 국소성 및 단편화와 무관하게 이러한 높은 메모리 효율을 유지한다. 메모리 압박을 완화함으로써 AppL은 선행 기술 대비 읽기 지연(read latency)을 33.6-72.4% 단축하고, I/O 처리량(I/O throughput)을 28.4%-83.4% 향상시킨다.

차량 내 통신은 원래 차량과 외부 시스템 간의 메시지 교환을 위해 설계되지 않았다. 따라서 메시지 보호에 대한 보안 설계가 충분하지 않다. 또한 내부 장치에는 추가적인 보안 연산을 처리하기에 충분한 자원이 없다. 그럼에도 불구하고, 메시지가 브로드캐스트되는 차량 내 네트워크의 특성으로 인해 특정 수신자에 대한 안전한 메시지 전송이 보장되어야 한다. 상기한 사실들을 고려하여, 본 연구는 고성능 장치로 안전 연산을 오프로딩함으로써 자원 문제를 해결하고, 공격자와 권한이 없는 사용자가부터의 메시지 기밀성을 보장하기 위해 속성 기반 접근 제어를 사용한다. 아울러 엣지 컴퓨팅과 속성 기반 접근 제어의 사용에서 비롯되는 새로운 취약성을 해결하기 위해 기존의 접근 제어 기반 암호화를 재구성한다. 이에 따라 본 논문은 해시 함수, 대칭 기반 암호, 그리고 재구성된 암호화 스킴을 사용한 세밀한 속성 기반 암호화를 기반으로 하는 엣지 컴퓨팅 기반 보안 프로토콜을 제안한다. 또한 본 연구는 재구성된 암호화 스킴 및 보안 프로토콜을 형식적으로 증명하고, CANoe 소프트웨어를 사용하여 제안된 보안 프로토콜의 타당성을 다양한 측면에서 평가한다.

비휘발성 메모리(NVM) 기술이 발전함에 따라, 다양한 컴퓨팅 시스템에서 상용 NVDIMM 장치를 손쉽게 사용할 수 있게 되었다. NVM의 높은 밀도와 고용량을 효율적으로 활용하기 위해, 최신 Xeon CPU는 DRAM을 최종 수준(last-level, L4) 캐시로 전환하고 NVM을 사용자가 주소를 지정해 접근하는 시스템 메모리로 사용하는 특수 Memory Mode를 지원한다. 그러나 Memory Mode는 종종 성능이 낮으며, 어떠한 DRAM 캐시도 사용하지 않고 NVM만을 사용하는 경우보다도 느린 경우가 많다. 우리의 분석에 따르면, 이는 통합 메모리 컨트롤러가 DRAM 캐시를 비효율적으로 관리하여 높은 미스율을 초래하기 때문이다. 본 논문은 TARMAC이라는 새로운 하이브리드 메모리 할당자를 제안한다. 메모리 할당자 수준에서 지능적이면서도 가벼운 메모리 관리 정책을 적용함으로써, TARMAC은 두 가지 서로 다른 유형의 메모리 장치를 보다 효율적으로 관리하여 평균적으로 하드웨어 기반 Memory Mode에 비해 37% 더 높은 캐시 적중률, 67% 더 높은 처리량, 40% 더 짧은 메모리 지연을 달성한다. 또한 TARMAC은 전통적인 메모리 할당자와 호환되는 메모리 인터페이스를 노출하여, 기존 소프트웨어가 수동 수정 없이도 TARMAC을 사용할 수 있게 한다.