NUMA 인지 비휘발성 메모리 기반 파일시스템에서 동적 페이지 이주 기법 및 알고리즘 연구
Dynamic Data Migration Techniques and Algorithms in NUMA-aware Non-Volatile Memory-based File System
- 주제어 (키워드) Non-Volatile Memory , NVM based File System , Non Uniform Memory Access , Thread Migration , Data Migration
- 발행기관 서강대학교 일반대학원
- 지도교수 김영재
- 발행년도 2023
- 학위수여년월 2023. 2
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000069905
- UCI I804:11029-000000069905
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
차세대 메모리로 Intel에서 출시된 Optane DC Memory은 byte addressable하고 높은 throughput과 낮은 latency를 갖는 비휘발성 메모리(Non-Volatile Memory)이다. 이 NVM(Optane DC Memory)을 탑재한 Intel Optane DC PM 서버는 NUMA(Non-Uniform Memory Access) 시스템 아키텍처를 기반으로 하는 멀티코어 서버이다. NUMA 시스템 아키텍처에는 remote 메모리 접근 등의 NUMA issue가 존재하고 이를 해결하기 위한 NUMA 시스템에서의 최적화 연구들이 선행되었다. NUMA 시스템 아키텍처에서의 최적화 연구들은 주로 쓰레드 이주나 데이터 이주 기법을 통해서 최적화를 보여주고 있지만, 전통적으로 NVM(Non-Volatile Memory) 기반의 NUMA 환경에서 데이터 이주는 복제로 인한 성능 저하, 쓰기 증폭 문제, 파일 시스템 일관성 유지를 위한 복잡한 설계 때문에 사용이 제한적이었다. 따라서 통상적으로 NVM 기반의 서버에서 데이터 이주보다는 쓰레드 이주가 선호되었다. 하지만 쓰레드 이주 기법만을 사용한 최적화 방식에는 한계점이 존재하였다. 본 연구에서는 NUMA(Non-Uniform Memory Access) 인지 NVM 파일 시스템을 위한 쓰레드 이주 기법의 한계점을 극복하기 위해 쓰레드 이주 기법에 데이터 이주 기법을 통합한 Dragonfly을 제안한다. 또한 데이터 이주 시, 판단 착오로 인한 성능 벌금과 쓰기 증폭 문제를 최소화하기 위해 수학적 모델을 기반으로 데이터를 이주하는 MTP (Migration Trigger Policy) 알고리즘을 제안한다. 이 MTP 알고리즘을 기반으로 Dragonfly는 I/O 서비스 중에 노드 간의 데이터 이주를 기회적으로 실행하도록 하였다. Dragonfly의 실효성을 평가하기 위해 본 논문에서는 NVM 기반의 파일시스템인 NOVA에 Dragonfly를 구현하였으며 리눅스 커널 5.1.0이 구동되는 Intel Optane DC PM 서버에서 Filebench의 다양한 응용 시나리오들에 대한 성능 평가를 수행하였다. 모든 응용 사나리오에 대해서 Dragonfly는 쓰레드 이주 기법만을 사용했을 때보다 평균적으로 3.26배의 성능 증가를 보였다. 본 논문은 1장의 서론을 시작으로 2장의 Intel Optane DC PM 서버와 NVM 기반의 파일시스템에 대한 배경지식 및 NUMA 아키텍처와 관련 연구에 대해서 설명한다. 이어서 3장에 대해서 선행 연구들이 한계점을 규명하고 문제에 대해서 명확히 정의한다. 4장에서는 데이터 이주 모듈, Dragonfly에 대해 자세히 설명한 후 5장에서는 Dragonfly의 효용성을 실험 및 평가한다. 6장에서는 본 연구의 현 발자취를 돌아보고 한계점 및 향후 연구 내용에 대해서 설명하며, 7장에서는 결론을 지으며 논문을 마무리 한다.
more초록 (요약문)
Released by Intel as a next-generation memory, Optane DC Memory is a byte-addressable, non-volatile memory with high throughput and low latency. The Intel Optane DC PM server with NVM(Optane DC Memory) is a multi-core server based on NUMA(Non-Uniform Memory Access) system architecture. NUMA issues such as remote memory access exist in the NUMA system architecture, and optimization studies in NUMA systems have been preceded to solve them. Optimization studies in NUMA system architectures mainly show optimization through thread migration or data migration techniques, but data migration in a NUMA environment based on NVM (Non-Volatile Memory) traditionally causes performance degradation due to replication, write amplification problems, and its use has been limited due to its complex design for maintaining file system consistency. Therefore, thread migration is usually preferred over data migration in NVM-based servers. However, the optimization method using only the thread migration technique had limitations. In this study, to overcome the limitations of thread migration techniques for NUMA (Non-Uniform Memory Access) aware NVM file systems, we propose Dragonfly, which integrates data migration techniques with thread migration techniques. In addition, we propose MTP (Migration Trigger Policy) algorithm that migrates data based on a mathematical model to minimize performance penalties and write amplification problems due to misjudgment during data migration. Based on this MTP algorithm, Dragonfly opportunistically performs data migration between nodes during I/O service. In order to evaluate the effectiveness of Dragonfly, this paper implemented Dragonfly in NOVA, an NVM-based file system, and analyzed various application scenarios of Filebench on Intel Optane DC PM server running Linux kernel 5.1.0. A performance evaluation was performed. For all application scenarios, Dragonfly showed an average performance increase of 3.26 times compared to using thread migration alone. This paper starts with the introduction in Chapter 1 and explains the background knowledge of Intel Optane DC PM server and NVM-based file system in Chapter 2, as well as the NUMA architecture and related research. Next, in Chapter 3, the limitations of previous studies are identified and the problem is clearly defined. Chapter 4 explains the data migration module Dragonfly in detail, and Chapter 5 experiments and evaluates the effectiveness of Dragonfly. In Chapter 6, we look back at the current history of this study, explain the limitations and future research, and in Chapter 7, we conclude this paper.
more