The key-value data model and object-relational data model are representative data models for storing large-scale data in social network service(SNS) systems. Representative commercial SNS systems such as Facebook are based on the scalable key-value data model. However, they are struggling to provide efficient join or search operations since the key-value data model is not suitable for properly supporting those operations as it stores data in a denormalized form. To solve this problem, our earlier work has proposed ODYSSEUS/SNS system. It uses the object-relational data model, and achieves both high scalability and high functionality by solving the problems of the object-relational data model and the key-value data model: avoiding inter-node join, and supporting efficient join/search operations. However, we have yet to prove whether the proposed system can provide performance comparable to that of the commercial SNS systems under the real-world scale workloads.
In this thesis, we propose a workload generation model, which generates a synthetic workload at the real-world scale. By analyzing the statistics for commercial SNS systems, the proposed model can generate a workload very similar to that of the commercial SNS system. Furthermore, the proposed model can generate a real-world scale workload adaptively depending on the number of nodes in the system. In the experiments, we evaluate the performance of ODYSSEUS/SNS under a synthetic workload generated using the proposed model at the scale of a representative commercial SNS system (i.e., Facebook). The results show that the SNS systems based on the object-relational data model can effectively handle the real-world scale workload.
SNS 시스템에서 대용량 데이터를 저장하기 위한 대표적인 데이터 모델로 key-value 데이터 모델과 객체 관계형 데이터 모델이 있다. Facebook과 같은 대표적인 상용 SNS 시스템들은 대부분 확장성이 높은 key-value 데이터 모델에 기반한다. 그러나 key-value 데이터 모델은 비정규화된 형태로 데이터를 저장함에 따라 조인을 효율적으로 수행하지 못하고, 검색 연산을 제대로 지원하기 못하는 한계가 있다. 최근, 이러한 문제를 해결하기 위하여 오디세우스/SNS가 제안되었다. 오디세우스/SNS에서는 관계형 데이터 모델의 단점인 노드 간 조인을 회피함으로써 확장성을 증가시킴과 동시에 key-value 모델의 단점인 조인 및 검색 연산도 효과적으로 지원할 수 있다고 주장하였다. 그러나 성능 평가에 사용될 워크로드의 부재로 인하여 단일 사용자 환경에서의 제한된 성능 평가만이 수행되었으며, 이로 인하여 제안된 시스템이 실세계 규모의 워크로드 하에서도 상용 SNS 시스템 수준의 성능을 제공할 수 있는지의 여부가 불확실했다.
이에, 본 논문에서는 실세계 규모의 합성(synthetic) 워크로드 생성 모델을 제안한다. 제안된 모델은 상용 SNS 시스템의 통계를 기반으로 상용 SNS 시스템과 거의 유사한 워크로드를 생성할 수 있다. 또한, 시험 시스템(test system)의 노드 수에 상응하는 실세계 규모의 워크로드를 adaptive하게 생성할 수 있다. 실험에서는 제안된 워크로드 생성 모델에 의해 생성된 상용 SNS 시스템 (i.e., Facebook) 규모의 합성 워크로드를 사용하여 오디세우스/PIR 기반 SNS 시스템의 성능 평가를 수행한다. 이를 통해 노드 간 조인이 발생하지 않도록 고안된 관계형 데이터 모델 기반의 SNS 시스템이 상용 SNS 규모의 워크로드를 효과적으로 다룰 수 있음을 보인다.
