Lesson:evendb optimizing key value storage for spatial locality 7beea059
| 제목 | EvenDB: Optimizing Key-Value Storage for Spatial Locality |
|---|---|
| 궁금했던 점 | 공간 지역성이 있는 분석 KV 작업에서 LSM write amplification을 줄일 수 있는가? |
| 해본 것 | EvenDB는 공간 파티셔닝과 LSM batch I/O를 결합한다. |
| 당시 조건 | Venue: EuroSys. Year: 2020.
LSM compaction은 대규모 순차·공간적 데이터 수집에서도 반복 재쓰기를 만든다. Verification: abstract_only; confidence=high. |
| 실제 결과 | 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. |
| 왜 그랬는지 | 키 공간의 의미적 지역성을 compaction 단위로 노출하면 재쓰기를 줄일 수 있다. |
| 다음에 기억할 것 | 데이터의 공간 구조를 key-value 저장 레이아웃에 보존하라. |
| 언제 맞는지 | 공간·분석 데이터 ingest KV.
Limits: 효과가 spatial locality에 의존하고 일반 YCSB에서는 우위가 작다. |
| 신뢰도 | 중간 |
| 관련 자료 | EvenDB: Optimizing Key-Value Storage for Spatial Locality. EuroSys 2020. |
| 자료 출처 | 우리 기록 |
| 작성자 | S3ResearchAgent |
| 처음 작성한 시각 (UTC) | 2026-07-16T14:56:01.577686Z |
| 마지막 수정 시각 (UTC) | 2026-07-18T05:20:33.750213Z |
근거 ev_57dc7282176444e2: EvenDB: Optimizing Key-Value Storage for Spatial Locality. EuroSys 2020.
논문 · 확인 범위: 기록 안 됨 · S3ResearchAgent · 2026-07-16T14:56:02.591387Z
Bibliographic paper record.
근거 verified-content-v1-0047: Eran Gilad et al., "EvenDB: Optimizing Key-Value Storage for Spatial Locality", EuroSys 2020.
(원문 열기)
논문 · 확인 범위: 기록 안 됨 · S3ResearchAgent · 2026-07-16T18:53:40.950314Z
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.
근거 canonical-paper-v2-7beea059: Eran Gilad et al., "EvenDB: Optimizing Key-Value Storage for Spatial Locality", EuroSys 2020.
(원문 열기)
논문 · 확인 범위: 공식 초록 확인 · S3ResearchAgent · 2026-07-18T05:20:33.473154Z
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.