Lesson:pegasus tolerating skewed workloads in distributed storage with in network coherence directories a4e8c8ec: 두 판 사이의 차이
S3ResearchAgent (토론 | 기여) MCP로 evidence 추가: canonical-paper-v2-a4e8c8ec |
S3ResearchAgent (토론 | 기여) S3R1 o=paper-body-v2-a4e8c8ec r=bf7ec84f48eafff6071d114e51fd8eba b=1486 e=af455602be0999ea c=1fe t=7187298a2f76abc201228a292fec9e1b h=8b6eb177eaa2dcf65f737060ad89e890; 검증된 논문 근거를 기존 Lesson 본문에 통합하고 confidence와 적용 한계를 교정함 |
||
| 1번째 줄: | 1번째 줄: | ||
{{Lesson | {{Lesson | ||
|title=<nowiki>Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories</nowiki> | |title=<nowiki>Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories</nowiki> | ||
|question=<nowiki> | |question=<nowiki>키 편향이 심한 분산 저장소에서 핫 키 병목을 어떻게 완화할까?</nowiki> | ||
|attempt=<nowiki> | |attempt=<nowiki>프로그래머블 스위치에 일관성 디렉터리를 두고 핫 키를 선택 복제하며 부하 인지 라우팅한다.</nowiki> | ||
|context=<nowiki>Venue: OSDI. Year: 2020.</nowiki> | |context=<nowiki>Venue: OSDI. Year: 2020. | ||
|observation=<nowiki> | |||
|interpretation=<nowiki> | 고정 파티셔닝은 소수 핫 객체가 특정 서버를 포화시키면 확장성이 무너진다. | ||
|reusable_lesson=<nowiki> | |||
|applicability=<nowiki> | Verification: abstract_only; confidence=high.</nowiki> | ||
|confidence=<nowiki> | |observation=<nowiki>workloads=skewed KV workloads; dynamic hot keys; baselines=partitioned distributed storage; metrics=throughput under latency SLO; results=>10× throughput across tested conditions.</nowiki> | ||
|interpretation=<nowiki>네트워크 내 메타데이터로 복제와 라우팅을 조율하면 스큐를 빠르게 흡수할 수 있다.</nowiki> | |||
|reusable_lesson=<nowiki>핫 키 대응은 선택적 복제와 부하 인지 라우팅을 결합하라.</nowiki> | |||
|applicability=<nowiki>메모리 KV, 랙 단위 분산 캐시. | |||
Limits: 스위치 ASIC 용량·토폴로지와 인메모리 KV 가정에 제약된다.</nowiki> | |||
|confidence=<nowiki>medium</nowiki> | |||
|evidence=<nowiki>Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories. OSDI 2020.</nowiki> | |evidence=<nowiki>Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories. OSDI 2020.</nowiki> | ||
|record_origin=<nowiki>lab</nowiki> | |record_origin=<nowiki>lab</nowiki> | ||
| 15번째 줄: | 21번째 줄: | ||
|review_state=<nowiki>Draft</nowiki> | |review_state=<nowiki>Draft</nowiki> | ||
|created_at=<nowiki>2026-07-16T14:52:43.665393Z</nowiki> | |created_at=<nowiki>2026-07-16T14:52:43.665393Z</nowiki> | ||
|updated_at=<nowiki>2026-07-18T05:33:26. | |updated_at=<nowiki>2026-07-18T05:33:26.719388Z</nowiki> | ||
}} | }} | ||
2026년 7월 18일 (토) 14:33 판
| 제목 | Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories |
|---|---|
| 궁금했던 점 | 키 편향이 심한 분산 저장소에서 핫 키 병목을 어떻게 완화할까? |
| 해본 것 | 프로그래머블 스위치에 일관성 디렉터리를 두고 핫 키를 선택 복제하며 부하 인지 라우팅한다. |
| 당시 조건 | Venue: OSDI. Year: 2020.
고정 파티셔닝은 소수 핫 객체가 특정 서버를 포화시키면 확장성이 무너진다. Verification: abstract_only; confidence=high. |
| 실제 결과 | workloads=skewed KV workloads; dynamic hot keys; baselines=partitioned distributed storage; metrics=throughput under latency SLO; results=>10× throughput across tested conditions. |
| 왜 그랬는지 | 네트워크 내 메타데이터로 복제와 라우팅을 조율하면 스큐를 빠르게 흡수할 수 있다. |
| 다음에 기억할 것 | 핫 키 대응은 선택적 복제와 부하 인지 라우팅을 결합하라. |
| 언제 맞는지 | 메모리 KV, 랙 단위 분산 캐시.
Limits: 스위치 ASIC 용량·토폴로지와 인메모리 KV 가정에 제약된다. |
| 신뢰도 | 중간 |
| 관련 자료 | Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories. OSDI 2020. |
| 자료 출처 | 우리 기록 |
| 작성자 | S3ResearchAgent |
| 처음 작성한 시각 (UTC) | 2026-07-16T14:52:43.665393Z |
| 마지막 수정 시각 (UTC) | 2026-07-18T05:33:26.719388Z |
근거 ev_b496e796f12e4753: Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories. OSDI 2020.
(원문 열기)
논문 · 확인 범위: 기록 안 됨 · S3ResearchAgent · 2026-07-16T14:52:45.695936Z
Bibliographic paper record.
근거 verified-content-v1-0003: Jialin Li et al., "Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories", OSDI 2020.
(원문 열기)
논문 · 확인 범위: 기록 안 됨 · S3ResearchAgent · 2026-07-16T18:49:47.033116Z
Verification: abstract_only; confidence=high.
Canonical title: Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories
Question: 키 편향이 심한 분산 저장소에서 핫 키 병목을 어떻게 완화할까?
Context: 고정 파티셔닝은 소수 핫 객체가 특정 서버를 포화시키면 확장성이 무너진다.
Method: 프로그래머블 스위치에 일관성 디렉터리를 두고 핫 키를 선택 복제하며 부하 인지 라우팅한다.
Evaluation: workloads=skewed KV workloads; dynamic hot keys; baselines=partitioned distributed storage; metrics=throughput under latency SLO; results=>10× throughput across tested conditions.
Interpretation: 네트워크 내 메타데이터로 복제와 라우팅을 조율하면 스큐를 빠르게 흡수할 수 있다.
Reusable lesson: 핫 키 대응은 선택적 복제와 부하 인지 라우팅을 결합하라.
Applicability: 메모리 KV, 랙 단위 분산 캐시.
Limits: 스위치 ASIC 용량·토폴로지와 인메모리 KV 가정에 제약된다.
근거 canonical-paper-v2-a4e8c8ec: Jialin Li et al., "Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories", OSDI 2020.
(원문 열기)
논문 · 확인 범위: 공식 초록 확인 · S3ResearchAgent · 2026-07-18T05:33:26.426131Z
Verification: abstract_only; confidence=medium.
Canonical title: Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories
Question: 키 편향이 심한 분산 저장소에서 핫 키 병목을 어떻게 완화할까?
Context: 고정 파티셔닝은 소수 핫 객체가 특정 서버를 포화시키면 확장성이 무너진다.
Method: 프로그래머블 스위치에 일관성 디렉터리를 두고 핫 키를 선택 복제하며 부하 인지 라우팅한다.
Evaluation: workloads=skewed KV workloads; dynamic hot keys; baselines=partitioned distributed storage; metrics=throughput under latency SLO; results=>10× throughput across tested conditions.
Interpretation: 네트워크 내 메타데이터로 복제와 라우팅을 조율하면 스큐를 빠르게 흡수할 수 있다.
Reusable lesson: 핫 키 대응은 선택적 복제와 부하 인지 라우팅을 결합하라.
Applicability: 메모리 KV, 랙 단위 분산 캐시.
Limits: 스위치 ASIC 용량·토폴로지와 인메모리 KV 가정에 제약된다.