[연구의 필요성]

Snowflake, Amazon Redshift, Databricks 같은 클라우드 분석형 DBMS는 컴퓨팅과 스토리지를 분리한 구조를 쓴다. 데이터는 Amazon S3 같은 원격 객체 스토리지에 두고, 필요할 때 네트워크로 읽어 처리한다. 이 구조에서는 원격 스토리지에 접근하는 지연이 질의 성능을 좌우한다. 따라서 컴퓨팅 노드의 로컬 캐시와 그 캐시 교체 정책(cache replacement policy)이 핵심 성능 요소가 된다.

그러나 현재 상용 시스템 대부분은 전통적인 DBMS 버퍼 관리에서 쓰던 LRU·Clock 계열 정책을 그대로 쓰고 있다. 이 정책들은 크기가 균일한 페이지와 동일한 miss 비용을 가정한다. 반면 클라우드 OLAP에서는 상황이 다르다. 캐시 객체(Parquet column chunk 등)의 크기 편차가 크다. miss 한 번의 비용은 크기와 무관한 요청 오버헤드(네트워크 왕복 지연 등)와 크기에 비례하는 전송 비용의 합이다. 또한 멀티테넌트 환경에서는 워크로드가 시간에 따라 변한다.

웹 캐시와 스토리지 시스템 분야에는 이러한 특성을 다루는 정책이 많이 있다. 하지만 이들을 동일한 클라우드 OLAP 환경에서 나란히 비교한 연구는 없었다. 기존 지표인 객체 적중률(OHR)과 바이트 적중률(BHR)도 각각 원격 I/O 이득의 일부만 반영하므로, 실제 지연 시간 관점에서 정책을 비교할 공통 기준이 없었다. 그 결과 "어떤 워크로드 조건에서 어떤 캐시 교체 정책을 써야 하는가"라는 실무적 질문에 답하기 어려웠다.

[포스텍이 가진 고유의 기술]

본 연구는 SAP Labs Korea, 경북대학교와 공동으로 수행되었다. 대상 환경은 원격 객체 스토리지에서 원본 데이터를 직접 읽어 로컬에서 처리하는 direct-access 클라우드 OLAP이며, 이 환경에서 캐시 교체 정책을 대규모로 실험 비교하고 실무 지침을 제시하였다.

(1) 공통 실험 기반 구축: DBMS 버퍼 관리, 웹 캐싱, 스토리지 캐싱 분야의 대표 캐시 교체 알고리즘 22종을 하나의 프레임워크로 이식하였다. 모든 정책에는 동일한 캐시 단위(Parquet column chunk)와 pin/unpin 의미론을 적용하였다. 여기에 semantic caching 기법(Crystal)과 지연 비용 변형을 더해 총 27개 구성을 비교하였다. 비교에는 S3 위에서 동작하는 SAP HANA에서 수집한 실제 참조 트레이스를 사용하였으며, 범위는 4개 벤치마크 계열(CAB, MTD-DS, Redbench, Lineitem)의 7개 워크로드와 10개 캐시 크기이다.

(2) 지연 시간 기반 평가 지표 UHR: 클라우드 miss 비용 모델을 바탕으로, 지연 가중 적중률인 Unified Hit Ratio(UHR)를 정식화하였다. UHR은 워크로드별 가중치를 갖는 OHR과 BHR의 결합으로 분해된다. 동시에 캐싱으로 절감된 원격 다운로드 지연의 정규화된 비율과도 같다. 실제 Amazon S3 재생(live replay) 실험의 9개 검증 설정 모두에서, UHR은 OHR·BHR보다 실측 지연 감소와 높은 상관관계(Pearson/Spearman)를 보였다.

(3) 지침의 구현 검증(LARA): 도출한 설계 지침인 지연 인지 우선순위, 재사용되지 않는(zero-reuse) 객체 필터링, 온라인 적응성을 경량 참조 정책 LARA(Latency-aware Adaptive Replacement Algorithm)로 구현하였다. LARA는 비교 대상 전체 중 가장 좋은 평균 UHR 순위(2.0위)와 가장 높은 평균 UHR(83.4%, LRU는 70.3%)을 기록하였다.

[연구의 의미]

본 연구는 "모든 상황에 최선인 정책은 없다"는 일반론을 넘어섰다. 어떤 워크로드 특성에서 어떤 정책 계열이 왜 유리한지를 구체적으로 규명하였다.

웹 캐시 분야에서 개발된 GDS, GDSF, LRU-SP 등 고전적인 크기 인지(size-aware) 정책은 대부분의 워크로드에서 객체 적중률이 가장 높았고, UHR 기준으로도 최상위권이었다. 바이트 효율은 한 번만 접근되는 객체를 빠르게 걸러내는 능력(Cacheus, S3-FIFO, LIRS)에 주로 좌우되었다. 멀티테넌트 환경에서 워크로드가 변할 때는, 재학습이 필요한 학습 기반 정책보다 요청 단위의 경량 적응 정책(Cacheus, ARC)이 더 견고하였다.

이러한 결과를 정책 선택 지침으로 정리하였다. 목표 지표를 먼저 정한 뒤, 지배적인 워크로드 특성에 맞는 정책 계열을 고르는 방식이다. 클라우드 OLAP 및 레이크하우스 시스템의 개발자와 운영자는 이 지침을 실제 배포에 활용할 수 있다.

UHR 지표와 실측 검증 절차는 캐시 연구자들이 클라우드 환경에서 정책을 공정하게 비교할 기준이 된다. 이 결과는 서버리스·데이터프레임 분석, CDN처럼 크기가 다양하고 miss 비용이 균일하지 않은 객체를 캐싱하는 다른 시스템에도 적용될 수 있을 것으로 기대된다.

[연구결과의 진행 상태 및 향후 계획]

본 연구는 데이터베이스 분야 최고 권위 학술대회인 ACM SIGMOD 2027에 채택되었다. Proceedings of the ACM on Management of Data(PACMMOD)에 게재될 예정이며, 2027년 6월 미국 헌팅턴비치에서 발표될 예정이다. 앞으로 캐시 교체를 넘어 캐시 admission, 동시 eviction, pushdown-aware 캐싱 등 클라우드 캐시 설계 공간 전반으로 연구를 확장할 계획이다.

• 
  [성과와 관련된 실적]

Yoon, T., Lee, T., Lee, J., Kim, K., Tak, B., and Han, W., “Cache Replacement in Direct-Access Cloud OLAP—An Experimental Comparison and Practical Guidance,” Proceedings of the ACM on Management of Data (PACMMOD), Vol. 4, No. 6 (SIGMOD), Article 325, December 2026 (ACM SIGMOD 2027, Huntington Beach, CA, USA, June 2027). DOI: 10.1145/3856320

[성과와 관련된 프로젝트 홈페이지]

https://autosaddler-projectpage.github.io/

• 
  [성과와 관련된 이미지]