Key-Value (KV) store has been used widely because of its flexible and straightforward interface. In this trend, Key-Value SSD (KV-SSD) has been proposed to minimize host SW involvement by offloading KV functionality onto the storage device. It shows better application-level write performance with fewer resource requirements than the case of using Block-SSD. However, it represents worse read performance. To solve this problem, we introduce a new opportunity in KV-SSD about SSD internal parallelism not issued. Although particular value sizes exist in which the KV-SSD fully leverages its parallelism, this characteristic has not been used as a crucial design point so far. In this paper, we propose "Application-Aware Aggregation" approach and system Triple A to leverage the internal parallelism of KV-SSD and improve the performance. Our approach's primary idea is to use properties about sequentiality and spatial locality, which can be found in several applications, in order to reduce aggregation overhead and increase read efficiency. With two sample applications, Triple A achieves x500 throughput & x0.55 completion time compared to basic KV-SSD. It also achieves x1.78 throughput & x0.57 completion time than LSM-based-tree KV stores while using less than or equal to the CPU resources.
키-값 저장소는 편리하고 간편한 인터페이스로 인해 널리 사용되고 있다. 그러나, 블록 인터페이스 저장 장치를 기반으로 하기에 호스트 측에서 키-값 인터페이스로 처리한 데이터를 블럭 인터페이스에 맞게 전환하는 과정이 필요하고 이로 인한 상당한 오버헤드 발생한다. 따라서 키-값 인터페이스 기반 저장 기능을 하드웨어로 이전함으로써 호스트 소프트웨어의 개입을 최소화하는 키-값 저장장치 (키-값 SSD)가 제안되었다. 해당 장치를 사용하면 블럭-SSD 사용 사례보다 우수한 쓰기 성능을 보여줌과 동시에 적은 리소스를 요구한다. 하지만, 예상과 다르게 블럭-SSD 사용 사례보다 안 좋은 읽기 성능을 보여준다. 우리는 이 문제를 해결하기 위해 지금까지 보고되지 않은 키-값 SSD 내부 병렬화에 대한 새로운 기회를 소개한다. 24KB 크기 단위의 값을 사용하면 장치의 내부 병렬성을 최대한 활용할 수 있으나, 이러한 특성이 핵심 설계 포인트로 활용되지는 않고 있다. 따라서, 본 논문에서는 장치의 내부 병렬성를 완전히 활용하기 위한 최적화 방법과 이를 지원하는 시스템을 제안한다. 핵심 아이디어는 여러 애플리케이션에서 분석을 통해 발견된 속성(순차성 및 공간적 인접성)을 기반으로 오버헤드를 줄이고 읽기 효율성을 높이는 것이다. 두 종류의 어플리케이션 데이터에 대해 본 논문의 최적화 방법은 단순히 키-값 SSD를 사용했을 때보다 500배의 처리량 및 0.55배의 소요시간을 각각 달성했다. 또한, 기존의 로그 구조 병합 트리 기반 키-값 저장소와 비교했을 때 같거나 더 적은 양의 컴퓨팅 자원을 사용하면서 1.78배 처리량 및 0.57배의 소요시간을 달성했다.
