본 논문은 계층형 저장(tiered storage)을 Log-Structured Merge(LSM)-tree에 통합하여 Key–Value Store(KVS)의 성능과 저장 비용 간의 트레이드오프를 균형 있게 조정하는 접근법을 제시한다. 구현은 수직 및 수평 저장 정렬(storage alignment) 전략을 각각 적용하거나 두 전략을 조합하여, LSM-tree 기반 KVS 아키텍처에 계층형 저장을 적용하는 데 중점을 둔다. 또한 이러한 구성들은 키–값(KV) 분리(key–value separation)를 활용하여 성능을 추가로 향상시킨다. 본 실험 결과, 이 접근법은 저장 재정 비용을 절감하는 동시에 쓰기 및 읽기 성능에서의 트레이드오프를 제공함을 확인하였다. 쓰기 집약적 워크로드에서는, 고속 NVMe 솔리드 스테이트 드라이브(SSD)만을 사용하는 접근법에 비해 경쟁력 있는 성능을 달성하면서도 데이터의 96%를 보다 저렴한 SATA SSD에 저장한다. 또한 BlobDB와 견줄 만한 조회(lookup) 성능을 보이며, NVMe SSD에서 RocksDB 대비 범위 질의(range query) 성능을 1.8배 향상시킨다. 종합적으로, 이 접근법은 NVMe SSD에서 RocksDB 및 BlobDB에 비해 저장 재정 비용을 49.5% 감소시킨다. 선택적 KV 분리의 통합은 이러한 개선을 한층 더 진전시키며, LSM-tree 계층형 저장 시스템에서 원격 데이터를 오프로딩(offloading)하는 향후 연구의 기반을 마련한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.