속성:Evidence note
자료에서 확인할 수 있는 점이나 한계를 적습니다.
e
Verification: official USENIX page and abstract; confidence=high.
Canonical title: EMT: An OS Framework for New Memory Translation Architectures
Question: How can Linux support emerging nontraditional address-translation structures without repeated invasive rewrites?
Context: New radix/hash and hardware-assisted translation designs conflict with assumptions embedded throughout modern VM code.
Method: EMT provides an architecture-neutral Linux framework for radix/hash translation and hardware optimizations, and ports Linux memory management to support ECPT and FPT.
Evaluation: workloads=Linux workloads on ECPT and FPT prototypes; baselines=native Linux translation paths; metrics=framework overhead and compatibility; results=negligible overhead; no exact value in abstract
Interpretation: Separating translation semantics from page-table implementation makes architecture research deployable in a full OS.
Reusable lesson: Introduce a stable translation interface before adding new hardware-specific structures.
Applicability: OS/architecture co-design for alternative page tables and memory translation.
Limits: Requires Linux integration and implementation work for each architecture; exact evaluation scope is abstract-limited. +
enabling high performance and secure userspace nvm file systems with the trio architecture d59d00b6 +
Verification: abstract_only; confidence=high.
Canonical title: Enabling High-Performance and Secure Userspace NVM File Systems with the Trio Architecture
Question: 사용자 공간 NVM 파일시스템의 성능과 보안을 함께 달성할 수 있는가?
Context: 직접 NVM 접근은 빠르지만 메타데이터 위조와 커널 검증 비용 문제가 있다.
Method: 핵심 상태와 재생성 가능한 보조 상태를 분리하고, LibFS가 직접 접근하되 handoff 시 핵심만 검증한다.
Evaluation: workloads=LevelDB; ArckFS; two customized file systems; baselines=existing NVM file systems; ArckFS; metrics=application throughput; results=3.1–17× vs existing NVM FS; customized FS 1.3× vs ArckFS.
Interpretation: 보안 검증 대상을 최소 핵심 상태로 줄이면 사용자 공간 직접 접근이 가능하다.
Reusable lesson: 보안 경계에서는 검증 필수 상태와 재구축 가능한 상태를 분리하라.
Applicability: NVM 기반 사용자 공간 파일시스템.
Limits: NVM과 특정 handoff·신뢰 모델, 파일시스템별 핵심 상태 설계가 필요하다. +
enabling high performance and secure userspace nvm file systems with the trio architecture d59d00b6 +
Bibliographic paper record. +
enabling high performance and secure userspace nvm file systems with the trio architecture d59d00b6 +
Verification: abstract_only; confidence=medium.
Canonical title: Enabling High-Performance and Secure Userspace NVM File Systems with the Trio Architecture
Question: 사용자 공간 NVM 파일시스템의 성능과 보안을 함께 달성할 수 있는가?
Context: 직접 NVM 접근은 빠르지만 메타데이터 위조와 커널 검증 비용 문제가 있다.
Method: 핵심 상태와 재생성 가능한 보조 상태를 분리하고, LibFS가 직접 접근하되 handoff 시 핵심만 검증한다.
Evaluation: workloads=LevelDB; ArckFS; two customized file systems; baselines=existing NVM file systems; ArckFS; metrics=application throughput; results=3.1–17× vs existing NVM FS; customized FS 1.3× vs ArckFS.
Interpretation: 보안 검증 대상을 최소 핵심 상태로 줄이면 사용자 공간 직접 접근이 가능하다.
Reusable lesson: 보안 경계에서는 검증 필수 상태와 재구축 가능한 상태를 분리하라.
Applicability: NVM 기반 사용자 공간 파일시스템.
Limits: NVM과 특정 handoff·신뢰 모델, 파일시스템별 핵심 상태 설계가 필요하다. +
Source: Yonsei University Computer Systems Laboratory publication list supplied by the user. Manifestation 1 of 1. +
정본 Lesson 보강 근거. 검토 원본: Lesson:technical_review_energy_efficient_scheduling_of_real_time_tasks_on_multicore_processors_cc0782cd. 확인 범위: official_abstract. 확인한 자료: https://doi.org/10.1109/TPDS.2008.104 ; https://yonsei.elsevierpure.com/en/publications/energy-efficient-scheduling-of-real-time-tasks-on-multicore-proce/. 질문, 방법, 평가, 해석, 재사용 교훈, 적용 범위와 한계를 같은 Lesson 본문에 통합했습니다. +
Source: Yonsei University Computer Systems Laboratory publication list supplied by the user. Manifestation 1 of 1. +
정본 Lesson 보강 근거. 검토 원본: Lesson:technical_review_enhancing_network_i_o_performance_for_a_virtualized_hadoop_cluster_41abd407. 확인 범위: official_abstract. 확인한 자료: https://doi.org/10.1002/cpe.3974 ; https://yonsei.elsevierpure.com/en/publications/enhancing-network-io-performance-for-a-virtualized-hadoop-cluster/. 질문, 방법, 평가, 해석, 재사용 교훈, 적용 범위와 한계를 같은 Lesson 본문에 통합했습니다. +
Source: Yonsei University Computer Systems Laboratory publication list supplied by the user. Manifestation 1 of 1. +
정본 Lesson 보강 근거. 검토 원본: Lesson:technical_review_enlightening_the_i_o_path_a_holistic_approach_for_application_performance_dabf0f9c. 확인 범위: full_text. 확인한 자료: https://www.usenix.org/conference/fast17/technical-sessions/presentation/kim-sangwook ; https://www.usenix.org/system/files/conference/fast17/fast17-kim-sangwook.pdf. 질문, 방법, 평가, 해석, 재사용 교훈, 적용 범위와 한계를 같은 Lesson 본문에 통합했습니다. +
Bibliographic paper record. +
Verification: abstract_only; confidence=high.
Canonical title: EvenDB: Optimizing Key-Value Storage for Spatial Locality
Question: 공간 지역성이 있는 분석 KV 작업에서 LSM write amplification을 줄일 수 있는가?
Context: LSM compaction은 대규모 순차·공간적 데이터 수집에서도 반복 재쓰기를 만든다.
Method: EvenDB는 공간 파티셔닝과 LSM batch I/O를 결합한다.
Evaluation: workloads=256 GB production analytics dataset; YCSB without locality; baselines=RocksDB; metrics=ingestion throughput; write amplification; results=4.4× ingest and nearly 4× lower WAF; parity on no-locality YCSB.
Interpretation: 키 공간의 의미적 지역성을 compaction 단위로 노출하면 재쓰기를 줄일 수 있다.
Reusable lesson: 데이터의 공간 구조를 key-value 저장 레이아웃에 보존하라.
Applicability: 공간·분석 데이터 ingest KV.
Limits: 효과가 spatial locality에 의존하고 일반 YCSB에서는 우위가 작다. +
Verification: abstract_only; confidence=medium.
Canonical title: EvenDB: Optimizing Key-Value Storage for Spatial Locality
Question: 공간 지역성이 있는 분석 KV 작업에서 LSM write amplification을 줄일 수 있는가?
Context: LSM compaction은 대규모 순차·공간적 데이터 수집에서도 반복 재쓰기를 만든다.
Method: EvenDB는 공간 파티셔닝과 LSM batch I/O를 결합한다.
Evaluation: workloads=256 GB production analytics dataset; YCSB without locality; baselines=RocksDB; metrics=ingestion throughput; write amplification; results=4.4× ingest and nearly 4× lower WAF; parity on no-locality YCSB.
Interpretation: 키 공간의 의미적 지역성을 compaction 단위로 노출하면 재쓰기를 줄일 수 있다.
Reusable lesson: 데이터의 공간 구조를 key-value 저장 레이아웃에 보존하라.
Applicability: 공간·분석 데이터 ingest KV.
Limits: 효과가 spatial locality에 의존하고 일반 YCSB에서는 우위가 작다. +
Verification: abstract_only; confidence=high.
Canonical title: ExoFlow: A Universal Workflow System for Exactly-Once DAGs
Question: 다양한 워크플로 DAG에 exactly-once 복구를 범용적으로 제공할 수 있는가?
Context: 실행 엔진마다 재실행·비결정성·외부 부작용 처리가 달라 복구 로직이 중복된다.
Method: 실행과 exactly-once 복구 계층을 분리하고 task reference·annotation으로 비결정성을 표시한다.
Evaluation: workloads=ETL; stateful serverless workflows; baselines=specialized workflow systems; metrics=recovery correctness; performance; results=Abstract verifies broad support but provides no aggregate numeric result.
Interpretation: 복구 의미론을 실행 엔진 밖의 공통 계층으로 만들면 범용성과 성능을 함께 조정할 수 있다.
Reusable lesson: 워크플로 복구에는 비결정성과 외부 효과를 명시적으로 선언하라.
Applicability: ETL, ML 파이프라인, stateful serverless DAG.
Limits: annotation 정확성과 외부 부작용의 멱등성·커밋 가정에 의존한다. +
Bibliographic paper record. +
Verification: abstract_only; confidence=medium.
Canonical title: ExoFlow: A Universal Workflow System for Exactly-Once DAGs
Question: 다양한 워크플로 DAG에 exactly-once 복구를 범용적으로 제공할 수 있는가?
Context: 실행 엔진마다 재실행·비결정성·외부 부작용 처리가 달라 복구 로직이 중복된다.
Method: 실행과 exactly-once 복구 계층을 분리하고 task reference·annotation으로 비결정성을 표시한다.
Evaluation: workloads=ETL; stateful serverless workflows; baselines=specialized workflow systems; metrics=recovery correctness; performance; results=Abstract verifies broad support but provides no aggregate numeric result.
Interpretation: 복구 의미론을 실행 엔진 밖의 공통 계층으로 만들면 범용성과 성능을 함께 조정할 수 있다.
Reusable lesson: 워크플로 복구에는 비결정성과 외부 효과를 명시적으로 선언하라.
Applicability: ETL, ML 파이프라인, stateful serverless DAG.
Limits: annotation 정확성과 외부 부작용의 멱등성·커밋 가정에 의존한다. +
exploiting asymmetric cpu performance for fast startup of subsystem in mobile smart devices c00616ec +
정본 Lesson 보강 근거. 검토 원본: Lesson:technical_review_exploiting_asymmetric_cpu_performance_for_fast_startup_of_subsystem_in_mobile_s_f33a336a. 확인 범위: official_abstract. 확인한 자료: https://doi.org/10.1109/TCE.2015.7064117 ; https://yonsei.elsevierpure.com/en/publications/exploiting-asymmetric-cpu-performance-for-fast-startup-of-syst/. 질문, 방법, 평가, 해석, 재사용 교훈, 적용 범위와 한계를 같은 Lesson 본문에 통합했습니다. +
exploiting asymmetric cpu performance for fast startup of subsystem in mobile smart devices c00616ec +
Source: Yonsei University Computer Systems Laboratory publication list supplied by the user. Manifestation 1 of 1. +
Source: Yonsei University Computer Systems Laboratory publication list supplied by the user. Manifestation 1 of 1. +
정본 Lesson 보강 근거. 검토 원본: Lesson:technical_review_exploiting_gpus_in_virtual_machine_for_biocloud_9e8875c0. 확인 범위: full_text. 확인한 자료: https://doi.org/10.1155/2013/939460 ; https://pmc.ncbi.nlm.nih.gov/articles/PMC3654629/ ; https://pubmed.ncbi.nlm.nih.gov/23710465/. 질문, 방법, 평가, 해석, 재사용 교훈, 적용 범위와 한계를 같은 Lesson 본문에 통합했습니다. +