[go: up one dir, main page]

KR102388458B1 - 데이터 키 값 변환 방법 및 장치 - Google Patents

데이터 키 값 변환 방법 및 장치 Download PDF

Info

Publication number
KR102388458B1
KR102388458B1 KR1020200032602A KR20200032602A KR102388458B1 KR 102388458 B1 KR102388458 B1 KR 102388458B1 KR 1020200032602 A KR1020200032602 A KR 1020200032602A KR 20200032602 A KR20200032602 A KR 20200032602A KR 102388458 B1 KR102388458 B1 KR 102388458B1
Authority
KR
South Korea
Prior art keywords
distribution
data key
key values
determining
processor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020200032602A
Other languages
English (en)
Other versions
KR20210052148A (ko
Inventor
최영리
이송이
양진
노삼혁
Original Assignee
울산과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 울산과학기술원 filed Critical 울산과학기술원
Publication of KR20210052148A publication Critical patent/KR20210052148A/ko
Application granted granted Critical
Publication of KR102388458B1 publication Critical patent/KR102388458B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2255—Hash tables

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

프로세서에 의해 스캔 가능한 동적 해싱(hashing)을 수행하는 방법에 있어서, 데이터 키 값들에 대해 산출된 키 값 분포 정보의 분포 형태를 판단하는 단계, 상기 키 값 분포 정보의 상기 분포 형태에 기초하여, 상기 데이터 키 값들을 변환시키는 변환 함수를 결정하는 단계, 상기 결정된 변환 함수를 이용하여 상기 데이터 키 값들을 균일(uniform)한 분포에 대응하는 값으로 변환하는 단계, 및 상기 변환된 데이터 키 값들에 관련된 해쉬 인덱스 구조(hash index structure)를 생성하는 단계를 포함할 수 있다.

Description

데이터 키 값 변환 방법 및 장치{METHOD AND APPARATUS FOR CONVERSING DATA KEY VALUE}
이하, 데이터 키 값을 변환하는 방법 및 장치에 관한 기술이 제공된다.
LSM 기반 키 값 저장소와 같은 기존 스토리지 시스템은 느린 디스크 용으로 설계되었다. 하드 디스크 드라이브 또는 SSD를 사용하는 시스템의 경우, 디스크 I/O 레이턴시(latency)는 병목현상을 야기하고, 이러한 시스템의 인덱스 구조(index structure)는 최소한의 성능을 제공할 수 있다. 예를 들어 B +- tree 인덱스에 대한 인덱스 쿼리 시간은 데이터 블록 읽기 시간의 1 % 미만일 수 있다. 최근 STT-MRAM과 같은 바이트의 주소를 지정 할 수 있는 비휘발성 메모리와 현재 상용화된 Optane DC Persistent Memory와 같은 빠른 스토리지 시스템과 Z-SSD와 같은 초저 대기 시간 SSD 및 Optane SSD가 환경을 변화시키고 있다. 이러한 빠른 스토리지 시스템의 경우 인덱스 구조의 효율성과 같은 소프트웨어 계층의 성능이 중요해지고 이에 따라 시스템의 최종 대기 시간에 더 큰 영향을 미칠 수 있게 된다.
스토리지 시스템의 경우 널리 사용되는 두 가지 인덱싱 구조로는 B +-트리 및 해시 인덱스(hash index)가 있다. B +-트리는 현재 워크로드를 기반으로 내부 구조를 조정할 수있는 동적 구조이며, 삽입 및 검색과 같은 일반적인 작업뿐만 아니라 스캔 작업도 지원할 수 있다. 한편, 해시 인덱스는 일반적으로 B +-트리에 비해 빠른 삽입 및 검색 작업을 제공할 수 있다. 그러나 해시 인덱스는 스캔 작업을 제공할 수 없다.
스캔 작업을 제공하는 동안 해시 인덱스만큼 빠른 삽입 및 검색을 지원하려는 시도들이 있었다. 예를 들어, 두 인덱스를 모두 사용하는 하이브리드 인덱스 구조가 제안되었다. 그러나 두 인덱스 구조 사이의 일관성 문제를 포함하여 두 인덱스 구조를 유지 관리하는 데에는 오버 헤드가 있다는 문제점이 있었다.
대한민국 특허공개공보 제10-2006-0013815호(공개일: 2006년 02월 14일)
일 실시예에 따르면 프로세서에 의해 스캔 가능한 동적 해싱(hashing)을 수행하는 방법은, 데이터 키 값들에 대해 산출된 키 값 분포 정보의 분포 형태를 판단하는 단계; 상기 키 값 분포 정보의 상기 분포 형태를 판단한 결과에 기초하여, 상기 데이터 키 값들을 변환시키는 변환 함수를 결정하는 단계; 상기 결정된 변환 함수를 이용하여 상기 데이터 키 값들을 균일(uniform)한 분포에 대응하는 값으로 변환하는 단계; 및 상기 변환된 데이터 키 값들에 관련된 해쉬 인덱스 구조(hash index structure)를 생성하는 단계를 포함할 수 있다.
동적 해싱 수행 방법은 균일한 분포에 관련된 값과 상기 키 값 분포 정보 간의 거리를 계산한 결과에 기초하여, 상기 데이터 키 값들을 변환시킬지 여부를 판단하는 단계를 더 포함할 수 있다.
상기 데이터 키 값들을 변환시킬지 여부를 판단하는 단계는, 상기 거리로서 상기 균일한 분포의 분산 값과 상기 키 값 분포 정보의 분산 값의 차이를 계산하는 단계를 포함할 수 있다.
상기 데이터 키 값들을 변환시킬지 여부를 판단하는 단계는, 상기 계산된 거리를 미리 지정된 임계 거리에 비교하는 단계; 및 상기 계산된 거리 및 상기 임계 거리를 비교한 결과에 기초하여, 상기 데이터 키 값들을 변환을 수행하는 단계를 더 포함할 수 있다.
동적 해싱 수행 방법은 상기 데이터 키 값들의 군집 레벨(cluster level)에 기초하여, 상기 데이터 키 값들을 변환시킬지 여부를 판단하는 단계를 더 포함할 수 있다.
상기 데이터 키 값들을 변환시킬지 여부를 판단하는 단계는, 상기 데이터 키 값들 간의 공통 비트 개수를 상기 군집 레벨로서 결정하는 단계; 및 상기 군집 레벨이 미리 지정된 임계 레벨 이상인 경우에 응답하여, 상기 데이터 키 값들을 변환을 수행하는 단계를 포함할 수 있다.
상기 키 값 분포 정보는 상기 데이터 키 값들의 분산 및 평균을 포함할 수 있다.
상기 분포 형태를 판단하는 단계는, 상기 분포 형태 및 복수의 연속확률분포들의 각 연속확률분포에 대응하는 형태에 매칭하는지 판단하는 단계; 및 상기 분포 형태가 상기 복수의 연속확률분포들 중 한 연속확률분포에 대응하는 형태에 매칭하는 경우에 응답하여, 상기 분포 형태를 매칭된 연속확률분포로 결정하는 단계를 포함할 수 있다.
상기 분포 형태를 판단하는 단계는, 상기 분포 형태가 상기 복수의 연속확률분포들에 매칭되지 않는 경우에 응답하여, 상기 데이터 키 값들의 군집 레벨을 결정하는 단계; 및 상기 결정된 군집 레벨이 미리 지정된 임계 레벨 미만인 경우에 응답하여, 상기 데이터 키 값의 변환을 스킵하는 단계를 포함할 수 있다.
상기 변환 함수를 결정하는 단계는, 상기 키 값 분포 정보의 분포 형태에 대한 누적 분포 함수(Cumulative distribution function, CDF)에 기초하여 상기 변환 함수를 결정하는 단계를 포함할 수 있다.
상기 변환 함수를 결정하는 단계는, 선형 보간법에 기초하여 상기 누적 분포 함수를 일련의 선형 함수들의 집합으로 변환하는 단계를 포함할 수 있다.
상기 변환 함수를 결정하는 단계는, 상기 데이터 키 값들을 데이터 키 값 개수에 따라 복수의 그룹으로 분할하고, 각 그룹에 대한 선형 함수를 계산하는 단계를 포함할 수 있다.
상기 해쉬 인덱스 구조를 결정하는 단계는, 상기 데이터 키 값에 관련된 디렉토리(directory) 및 상기 디렉토리에 대응하는 버킷(bucket)을 생성하고, 상기 변환 함수에 따라 변환된 데이터 키 값들을 상기 버킷에 매핑하는 단계를 포함할 수 있다.
일 실시예에 따른 스캔 가능한 동적 해싱 수행 장치는, 데이터 키 값들에 대해 산출된 키 값 분포 정보의 분포 형태를 판단하고, 키 값 분포 정보의 상기 분포 형태를 판단한 결과에 기초하여, 상기 데이터 키 값들을 변환시키는 변환 함수를 결정하며, 기 결정된 변환 함수를 이용하여 상기 데이터 키 값들을 균일(uniform)한 분포에 대응하는 값으로 변환하고, 상기 변환된 데이터 키 값들에 관련된 해쉬 인덱스 구조(hash index structure)를 생성하는 프로세서; 및 상기 해쉬 인덱스 구조에 상기 변환된 데이터 키 값들을 저장하는 메모리를 포함할 수 있다.
일실시예에 따르면, 데이터 키 값 변환 방법은 원 데이터 키 값을 변환함수에 기초하여 변환함으로써, 삽입, 검색, 스캔 기능에서 모두 빠른 성능을 제공할 수 있다.
기존 해싱(hashing)에서 해싱 함수들은 각 키들을 균일하게 분산시켜 서로 충돌(collision)이 일어나지 않게 매핑시키려 하므로, 변환 데이터 키와 원 데이터 키가 같은 순서로 정렬이 되지 않는다. 이에 반해, 일실시예에 따르면, 프로세서는 변환된 변환 데이터 키를 원 데이터 키와 같은 순서를 유지하며 버킷에 정렬시켜 저장시킬 수 있다.
도 1는 일실시예에 따른 키 값을 변환시켜 인덱스 구조를 결정하는 방법을 도시한 흐름도이다.
도 2는 일실시예에 따른 확장 해싱(extendible hashing)의 해싱 방법을 도시한 도면이다.
도 3은 일실시예에 따라 키 값의 분포 정보에 기초하여 키 값을 변환시킨 인덱스 구조를 도시한 도면이다.
도 4는 일실시예에 따라 키 값을 변환시킬지 여부를 결정하는 방법을 도시한 흐름도이다.
도 5는 일실시예에 따른 키 값의 분포 형태를 도시한 도면이다.
도 6은 일실시예에 따라 디렉토리를 생성하는 것을 도시한 도면이다.
도 7은 일실시예에 따른 키 값 변환 장치의 개괄적인 구성을 도시한 블록도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1는 일실시예에 따른 키 값을 변환시켜 인덱스 구조를 결정하는 방법을 도시한 흐름도이다.
일실시예에 따른 프로세서는 스캔 가능한 동적 해싱을 수행하는 방법을 수행할 수 있다. 단계(110)에서, 프로세서는 데이터 키 값들에 대해 산출된 키 값 분포 정보의 분포 형태를 판단할 수 있다. 프로세서는 키 값 각각들을 "1"과 "0"으로 나열된 복수의 비트 중 일정 개수의 비트 단위로 군집화하고, 군집에 포함된 데이터 개수에 기초하여 키 값 분포를 결정할 수 있다. 예시적으로, 키 값 분포는 최상위 일정 개수의 비트 단위로 군집화된 군집에 기초하여 결정된 분포일 수 있다.
단계(120)에서, 프로세서는 키 값 분포 정보의 분포 형태를 판단한 결과에 기초하여 데이터 키 값들을 변화시키는 변환 함수를 결정할 수 있다. 예를 들어, 키 값 분포 정보가 연속확률분포에 매칭하는 경우, 프로세서는 키 값 분포 정보의 분포 형태에 대한 누적 분포 함수에 기초하여 변환 함수를 결정할 수 있다. 이 때, 프로세서는 선형 보간법에 기초하여 누적 분포 함수를 일련의 선형 함수들의 집합으로 변형시킬 수 있는데, 선형 함수들의 집합에 기초하여 변환 함수를 결정함으로써, 선형 함수를 이용하지 않는 경우에 비해 더 빠르게 변환 함수를 계산할 수 있다. 프로세서는 선형 함수를 계산하기 위해 복수의 그룹으로 분할하는데, 데이터 키 값 개수에 따라 복수의 그룹으로 분할할 수 있다. 다른 예를 들어, 키 값 분포 정보가 연속확률분포에 매칭되지 않는 경우, 프로세서는 군집된 데이터 키 값이 존재하는 구간의 누적 분포 함수의 기울기를 증가시키는 함수로 변환 함수를 결정할 수 있다.
단계(130)에서, 프로세서는 결정된 변환 함수를 이용하여 데이터 키 값들을 균일한 분포에 대응하는 값으로 변환시킬 수 있다.
단계(140)에서, 프로세서는 변환된 데이터 키 값들에 관련된 해쉬 인덱스 구조를 생성할 수 있다. 프로세서는 데이터 키 값에 관련된 디텍토리 및 디렉토리에 대응하는 버킷을 생성하고, 변환 함수에 따라 변환된 데이터 키 값들을 버킷에 매핑시킬 수 있다. 이 때, 매핑된 키 값들은 변환 함수에 따라 변환되기 전 키 값들과 같은 순서로 배열될 수 있다. 해쉬 인덱스 구조를 생성하는 것에 대해서는 도 6을 통해 상세히 후술한다.
일실시예에 따르면, 프로세서는 변환 함수를 결정하기 위해 키 값 분포 정보의 분포 형태를 판단하기 전, 데이터 키 값들을 변환시킬지 여부를 판단할 수 있다. 데이터 키 값들을 변환시킬지 여부를 판단하는 것은 도 4에서 후술한다.
도 2는 확장 해싱(extendible hashing)의 해싱 방법을 도시한 도면이다.
확장 해싱은 작업량이 동적으로 변경될 때 커지거나 줄어들 수 있는 동적 인덱싱 구조로, 재해싱(rehashing)이 필요한 전통적인 해싱 구조와 차이가 있을 수 있다. 도 1에 도시된 일실시예에서, n은 키에 사용된 비트 수이며 주어진 키 K의 해시 값은 의사 키(pseudo-key)로 사용될 수 있다. 여기서, K` = h(K)로써, h는 해시 함수일 수 있다.
확장 해싱에서 해시 테이블은 디렉토리(directory)와 버킷(bucket)을 포함할 수 있다. 디렉토리는 최상위 비트(MSB)와 관련된 접두사 또는 의사 키의 최하위 비트(LSB)와 관련된 접미사가 인덱스로 사용되는 배열일 수 있다. 도 2에 따르면, 프로세서는 의사 키의 최상위 두 비트를 디렉토리의 인덱스로 사용할 수 있다. 프로세서는 디렉토리에 인덱스로 사용되는 최상위 비트 수와 대응되는 전역 깊이(global depth) G를 설정할 수 있다. 즉, G (여기서 G는 자연수)는 디렉토리의 크기를 결정할 수 있다.
도 2에 따르면, 디렉토리의 각 항목은 고정된 수의 키 값을 저장할 수 있는 버킷을 의미하는 것일 수 있다. 키 값은 키와 연관된 실제 값에 대한 포인터 일 수 있다. 프로세서는 키 값을 삽입 할 때 디렉토리 항목을 찾기 위해 해쉬의 최상위 비트를 사용하고, 디렉토리 항목을 찾은 경우, 디렉토리 항목이 가리키는 버킷에 여유 공간이 있는 경우 버킷의 여유 공간에 저장 키 값 및 키 값과 관련된 데이터를 저장할 수 있다. 예를 들어, 도 110 및 도 120은 각각 "01101 ..."키를 해싱 인덱스에 삽입하기 전 후의 상태를 도시한 것일 수 있다. 프로세서는 각 버킷에 로컬 깊이(local depth)L을 설정할 수 있고, 여기서 로컬 깊이는 0보다 크거나 같고 전역 깊이G보다 작거나 같을 수 있다. 이 버킷에 연결된 디렉토리 인덱스의 L 개의 최상위 비트로 시작하는 모든 키가 포함될 수 있다. 따라서, 도 120에 따르면, 디렉토리의 둘 이상의 항목이 동일한 버킷을 지시할 수 있다.
버킷이 과도하게 채워지면 프로세서는 버킷을 두 개의 버킷으로 분할할 수 있다. 버킷이 분리되는 두 가지 상황이 있을 수 있는데, 첫 번째는 L < G 일 때이며, 이는 도 120의 경우와 같이 여러 디렉토리 항목들이 가장 오른쪽 버킷을 가리키고 있는 경우를 포함할 수 있다. 이 경우 프로세서는 G를 동일하게 유지하고, 두 버킷의 L을 원래 버킷 중 하나만큼 증가시키며, 원래 버킷의 내용을 의사 키의 L + 1 개의 최상위 비트 값에 따라 조정할 수 있다. 예를 들어, 도 120에서 dir[2] 및 dir[3]이 가리키는 버킷은 도 130에서 두 개의 버킷으로 분할되어 접두사가“10”인 키는 하나의 버킷에 저장되고 접두사“11”은 또 다른 버킷에 저장될 수 있다.
두 번째 상황은 G = L 인 경우일 수 있다. 이 경우 하나의 디렉토리 항목은 하나의 버킷을 지시한다. 따라서 분할을 수용할 수 있도록 디렉토리를 확장해야 하며 이를 디렉토리 더블링(directory doubling)이라고 한다. 이를 위해 프로세서는 인덱스로 사용되는 비트 수, 즉 G를 먼저 증가시키고, 첫번째 경우와 동일한 방식으로 내용을 분할하고 L 값을 조정시킬 수 있다. 예를 들어, 도 130에서 dir[1]이 가리키는 버킷에 하나 이상의 키가 추가되면 프로세서는 디렉토리를 배가함으로써, 버킷의 L 값이 3이 되고, dir[1]은 dir[2] 및 dir[3]으로 분할시킬 수 있다.
도 3은 일실시예에 따라 키 값의 분포 정보에 기초하여 키 값을 변환시킨 인덱스 구조를 도시한 도면이다.
일실시예에 따르면, 프로세서는 확장 해싱을 기반으로 하지만 해시 키(hash key)가 아닌 재매핑된 키(remapped key)를 의사 키로 사용함으로써, 키의 원래 순서를 유지하면서 키 값을 변환하는 스캔 가능한 동적 해싱 방법을 제공할 수 있다. 도 3은 키 값 변환 방법의 아키텍처를 보여준다. 예시적으로, 비휘발성 메모리(persistent memory, PM)에 유지되는 디렉토리 및 버킷을 사용하는 인덱싱 구조는 기본적으로 정렬된 버킷을 사용하는 확장 해싱일 수 있다. 다만, 인덱싱 구조가 저장되는 메모리는 비휘발성 메모리에 국한되는 것이 아니라, 휘발성 메모리도 포함될 수 있다. 비휘발성 메모리는 예시적으로, 하드디스크, 플래시 메모리 뿐만 아니라, PM, MRAM을 포함할 수 있다. 휘발성 메모리는 DRAM, SRAM을 포함할 수 있다.
프로세서는 가상 키를 생성하기 위해 해시 함수(hash function)를 사용하지 않고, 대신 원시 키(raw key) 자체를 의사 키로 사용 한 후, 각 버킷에 키를 정렬된 순서로 저장할 수 있다. 이를 통해 효율적인 스캔 작업이 가능합니다. 그러나 특정 범위에 많은 수의 키가 존재하고, 나머지 범위의 디렉토리에는 몇 개의 키만 존재하는 경우, 이러한 균일하지 않은(non-uniform) 키 분포는 불균형 디렉토리를 초래할 수 있고, 디렉토리 더블링을 불필요하게 많이 수행해야 할 수 있다.
예를 들어, 프로세서는 데이터 키의 본래 순서를 유지하면서 특정 분포를 따르는 키를 균일하게 재분배할 수 있다. 특히, 프로세서는 확률 누적 변환(probability integral transform)에 기초하여 키 값 분포가 균일해지도록 키 값을 변환시킬 수 있다. 프로세서는 확률 누적 변환에 기초하여 주어진 랜덤 변수의 연속 분포가 표준 균일 분포(standard uniform distribution)에 따르도록 랜덤 변수를 변환시킬 수 있다. 이 때, 표준 균일 분포는 범위가 (예를 들어, 0 내지 1)이지만, 이를 전체 키 범위(예를 들어, 0 내지 2n-1)로 확장하여 균일 분포(uniform distribution)에 따르도록 랜덤 변수를 변환시킬 수 있다. 즉, 랜덤 변수 X에 연속 분포가 있는 경우, FX가 분포에 대한 누적 분포 함수 (CDF)인 랜덤 변수 Y = FX(X)는 균일 분포를 따를 수 있다.
다른 예를 들어, 프로세서는, 데이터 키 값들의 키 값 분포가 복수의 연속확률분포들에 매칭되지 않는 경우에 응답하여, 데이터 키 값들의 군집 레벨을 산출할 수 있다. 프로세서는 군집 레벨이 임계 레벨 이상인 경우에 응답하여, 데이터 키 값들이 군집된 것으로 판단할 수 있다. 프로세서는 군집된 데이터 키 값이 존재하는 구간의 누적 분포 함수의 기울기를 증가시킬 수 있다. 누적 분포 함수의 기울기 증가를 통해 해당 구간 안의 키 거리가 증가하므로, 프로세서는 키 값 분포를 균일하게 재분배할 수 있다.
일실시예에 따라 변환 함수에 기초하여 키 값을 변환시키고, 해쉬 인덱스 구조를 생성하는 프로세서는 기능에 따라 키 간 거리 검사부(key distance checker), 누적 분포 함수 조율부(CDF tuner), 및 키 재매핑부(key remapper)로 구분할 수 있다. 부들은 동일한 프로세서에 의해 수행될 수 있고, 기능에 따라 구분된 부들일 수 있다.
키 간 거리 검사부에 의해 균일 분포와 키 분포 간 거리 및 군집 레벨 중 적어도 하나를 계산함으로써, 데이터의 키 값을 변환할지 여부를 판단하는 것은 도 4를 통해 상세히 후술한다. 누적 분포 함수 조율부에 의해 키 값의 분포 형태를 판단하는 것은 도 5를 통해 후술한다. 키 재매핑부에 의해 데이터 키 값을 변환하고, 해쉬 인덱스 구조를 생성하는 것은 도 6을 통해 후술한다.
도 4은 일실시예에 따라 키 값을 변환시킬지 여부를 결정하는 방법을 도시한 흐름도이다.
디렉토리 더블링이 임계 횟수보다 많이 발생하는 경우, 프로세서는 데이터 키 값 분포가 균일한 키 값 분포에서 얼마나 멀리 떨어져 있는지 판단할 수 있다. 일실시예에 따르면, 프로세서는 데이터 키 값들 간의 거리 및 군집 레벨에 기초하여 동적 해싱, 예를 들어, 데이터 키 값들의 변환 동작의 수행 여부를 결정할 수 있다. 다만, 변환 동작 수행 여부를 판단하는 동작의 트리거 조건을 디렉토리 더블링 횟수로 한정하는 것은 아니다. 다른 예를 들어, 프로세서는 주기적으로 데이터 키 값의 분포가 균일한 키 값 분포에서 얼만큼 떨어져 있는지 여부를 판단할 수 있다.
일 실시예에 따르면 프로세서는 균일한 분포에 관련된 값과 키 값 분포 정보 간의 거리를 계산한 결과에 기초하여, 데이터 키 값들을 변환시킬지 여부를 판단할 수 있다. 다른 일실시예에 따르면 프로세서는 데이터 키 값들의 군집 레벨(cluster level)에 기초하여, 데이터 키 값들을 변환시킬지 여부를 판단할 수 있다. 도 4에서는 프로세서가 키 값 분포 정보 및 연속확률분포 간의 매칭 여부에 따라 균일한 분포 및 키 값 분포 정보 간의 거리 및 데이터 키 값들의 군집 레벨 중 하나를 선택적으로 계산하고, 계산된 거리 또는 계산된 군집 레벨을 이용하여 데이터 키 값들의 변환 수행 여부를 결정하는 예시를 설명한다. 다만, 이는 순전히 예시적인 것으로 이로 한정하는 것은 아니고, 프로세서는 단계들(412, 413)만을 수행하여 변환 동작 개시 여부를 결정하거나, 단계들(414, 415)만을 수행하여 변환 동작 개시 여부를 결정할 수도 있다.
우선, 단계(411)에서 프로세서는 키 값 분포 정보의 분포 형태가 연속확률분포에 매칭하는지 여부를 판단할 수 있다. 예를 들어, 프로세서는 키 값 분포 정보의 분포 형태 및 복수의 연속확률분포들의 각 연속확률분포에 대응하는 형태에 매칭하는지 판단할 수 있다. 프로세서는 키 값 분포 정보의 분포 형태 및 각 연속확률분포에 대응하는 형태 간의 유사도를 산출할 수 있다. 프로세서는, 예를 들어, 임의의 연속확률분포에 대해 산출된 유사도가 임계 유사도를 초과하는 경우에 응답하여, 분포 형태가 해당 연속확률분포에 대응하는 형태에 매칭하는 것으로 결정할 수 있다. 프로세서는 분포 형태가 복수의 연속확률분포들 중 한 연속확률분포에 대응하는 형태에 매칭하는 경우에 응답하여, 분포 형태를 매칭된 연속확률분포로 결정할 수 있다.
그리고 단계(412)에서, 분포 형태가 연속확률분포에 매칭된 경우에 응답하여, 프로세서는 균일한 분포 및 키 값 분포 정보 간의 거리를 결정할 수 있다. 예를 들어, 프로세서는 거리로서 균일한 분포의 분산 값과 키 값 분포 정보의 분산 값의 차이를 계산할 수 있다. 키 값 분포 정보는 원시 키 값의 분포 정보일 수 있다.
이어서, 단계(413)에서, 프로세서는 계산된 거리를 미리 지정된 임계 거리에 비교할 수 있다. 프로세서는 계산된 거리 및 임계 거리를 비교한 결과에 기초하여, 데이터 키 값들을 변환을 수행할 수 있다. 예를 들어, 프로세서는 결정된 거리가 미리 지정된 임계 거리 이상인지 여부를 판단할 수 있다. 결정된 거리가 미리 지정된 임계 거리 이상인 경우, 프로세서는 데이터 키 값을 변환시키기 위한 프로세스를 진행할 수 있지만, 임계 거리 미만인 경우, 프로세서는 키 값 분포가 균일하다고 판단하여 키 값 변환을 수행하지 않을 수 있다.
예를 들어, 프로세서는 키 값 분포가 균일 분포에서 얼마나 벗어나는지 확인하기 위하여 키 값 분포의 분산을 사용할 수 있다. 임계 분산보다 키 값 분포의 분산이 큰 경우는 데이터 키 값이 평균으로부터 널리 퍼져 있음을 의미할 수 있고, 임계 분산보다 키 값 분포의 분산이 작은 경우는 키 값이 평균으로부터 가깝다는 것을 의미할 수 있다.
또한, 프로세서는 데이터 키 값들의 군집 레벨(cluster level)에 기초하여, 데이터 키 값들을 변환시킬지 여부를 판단할 수 있다. 예를 들어, 단계(414)에서 프로세서는 분포 형태가 복수의 연속확률분포들에 매칭되지 않는 경우에 응답하여, 데이터 키 값들의 군집 레벨을 결정할 수 있다. 프로세서는 데이터 키 값들 간의 공통 비트 개수를 군집 레벨로서 결정할 수 있다. 공통 비트 개수는 동일한 비트 값이 나타나는 비트 위치의 개수를 나타낼 수 있다. 예를 들어, 공통 비트 개수는 최상위 비트 위치로부터 공통된 비트 값이 나타나는 비트 위치 개수를 나타낼 수 있다. 다시 말해, 데이터 키 값들에서 공통 비트 개수는, 해당 데이터 키 값들에서 최상위 비트 위치로부터 서로 다른 비트 값이 나타나는 다음 하위 비트 위치 직전 비트 위치까지의 비트 위치 개수를 나타낼 수 있다. 예를 들어, 데이터 키 값들이 "1010", "1011"인 경우, 최상위 비트로부터 "101"의 비트 시퀀스가 공통되므로 공통 비트 개수는 3일 수 있다. 다른 예를 들어, 데이터 키 값들이 "1000", "1010"인 경우, 최상위 비트로부터 "10"의 비트 시퀀스가 공통되므로 공통 비트 개수는 2일 수 있다.
그리고 단계(415)에서 프로세서는 군집 레벨을 임계 레벨에 비교할 수 있다. 예를 들어, 프로세서는 군집 레벨이 미리 지정된 임계 레벨 이상인 경우에 응답하여, 단계(120)로 진행하여 데이터 키 값들의 변환을 계속해서 수행할 수 있다. 군집 레벨이 공통 비트 개수인 경우, 임계 레벨은 미리 지정된 임계 공통 개수를 나타낼 수 있다. 다른 예를 들어, 프로세서는 결정된 군집 레벨이 미리 지정된 임계 레벨 미만인 경우에 응답하여, 데이터 키 값의 변환(예를 들어, 도 1의 단계(120)의 변환 함수 결정, 단계(120)의 키 값 변환, 및 단계(140)의 해쉬 인덱스 구조 생성)을 스킵(skip)할 수 있다.
도 5는 일실시예에 따른 키 값의 분포 형태를 도시한 도면이다.
제1 그래프(510)는 평균과 분산 값에 대한 정규 분포를 도시한 것이고, 제2 그래프(520)는 정규 분포에 상응하는 누적 분포 함수를 도시한 것이다. 제3 그래프(530)는 형상 k에 따른 감마 분포를 도시한 그래프이다.
프로세서가 키 값 분포가 균일하지 않다고 판단하면, 키 값 분포가 균일 해지도록 데이터 키 값을 변환시킬 수 있다. 키 값을 변환시키기 위해 프로세서는 데이터 키 값 분포 형태 또는 키 간 거리를 파악해야 할 수 있다. 프로세서는 키 값 분포 정보의 분포 형태를 복수의 연속확률분포들 중 하나로 결정할 수 있다.
연속확률분포는 예를 들어, 정규(normal) 분포, 지수(exponential) 분포, 및 감마(gamma) 분포를 포함할 수 있다. 본 명세서에서 연속확률분포로서 주로 정규 분포, 지수 분포, 및 감마 분포를 예시적으로 설명하나, 이는 설명의 편의를 위한 것으로서, 이로 한정되는 것은 아니다. 예를 들어, 상술한 예시적인 분포 각각은 다른 연속 분포와 많은 관계가 있을 수 있고, 특정 파라미터에 따라 다양한 분포가 될 수 있다. 예시적으로, 정규 분포는 일반적인 연속확률분포이고, 모양 매개 변수 k와 스케일 매개 변수 q의 두 매개 변수를 갖는 감마 분포는 매개 변수 값에 따라 지수 분포, 얼랭 분포(Erlang distribution) 및 카이 제곱 분포(chi-squared distribution)가 될 수 있다. 따라서 프로세서는 여러 분포 형태를 고려하여 다양한 워크로드를 제공할 수 있다.
예를 들어, 연속확률분포들 중 정규(normal), 지수(exponential) 및 감마(gamma) 분포 중 하나로 분류하는 경우, 프로세서는 최대 엔트로피의 원리에 기초하여 키 값 분포 정보의 분포 형태가 정규 분포와 유사한지 여부를 판단할 수 있다. 예를 들어, 프로세서는 키 값 분포 정보의 분산이 평균값을 제곱한 값에 근사하면, 키 값 분포 정보의 분포 형태가 지수 분포라고 판단할 수 있다.
또한, 정규 분포라고 판단한 키 값 분포 지지집합에서 키가 존재할 수 있는 유의미한 범위를 구하였을 때 음수 값이 포함된다면 이를 감마분포라고 판단할 수 있다. 예를 들어 정규분포의 평균과 표준편차를 이용하여 전체의 99.7%에 해당하는 키가 존재하는 구간 값을 구했을 때 이 구간에 음수 범위가 포함된다면, 전체 키 분포가 양수 값만을 가지는 것을 고려했을 때 오차를 줄이기 위해 이를 감마분포라고 판단할 수 있다.
프로세서는 키 값 분포 정보의 분포 형태를 복수의 연속확률분포들(예를 들어, 정규 분포, 지수 분포 및 감마 분포) 중 한 연속확률분포 중 하나로 분류하고, 분포 파라미터(distribution parameter)를 계산하여 분포의 누적 분포 함수를 계산할 수 있다.
추가적으로, 프로세서는 누적 분포 함수를 선형 보간에 기반한 일련의 선형 함수의 집합으로 변환할 수 있다. 우리는 0에서 2n-1 까지의 전체 키 범위를 각 하위 범위에 동일한 수의 키가 포함하도록 하위 범위을 나눌 수 있다. 이 하위 범위는 분포의 Quantile 함수 (즉, 역 누적 분포 함수)를 사용하여 찾을 수 있다. Quantile 함수에 대해 간단한 닫힌 형태를 갖지 않는 연속확률 분포의 경우, 프로세서는 수치적 방법에 기반한 근사법을 사용하여 변환 함수를 결정할 수 있다. 프로세서는 분포의 누적 분포 함수를 기반으로 각 하위 범위에 대한 선형 함수를 생성하고 하위 범위의 키에 대한 변형 함수로 선형 함수를 사용할 수 있다.
도 6은 일실시예에 따라 디렉토리를 생성하는 것을 도시한 도면이다.
일실시예에 따라, 프로세서가 키 값 분포 정보의 분포 형태를 판단하고 누적 분포 함수를 기반으로 변환 함수를 생성 한 후에는 변환된 키를 다시 맵핑 해야 한다. 프로세서는 새로운 디렉토리를 생성할 수 있고, 디렉토리에 기초하여 버킷에 변환된 키 값을 매핑시킬 수 있다.
프로세서는 변환 함수에 기초하여 새로운 디렉토리를 생성하고, 새 디렉토리의 각 항목이 지시하는 버킷의 로컬 깊이를 결정할 수 있다. 프로세서는 최상위 비트로 확장 해싱을 위해 디렉토리에 대한 버킷의 히스토리와 연관되는 이진 버디 트리(binary buddy tree)를 작성할 수 있다. 프로세서가 새 디렉토리를 생성하는 과정에서 바이너리 버디 트리에서 버킷이 가리키는 연속적인 디렉토리 항목의 수가 2G-L 이어야 한다는 사실을 활용함으로써, 버킷의 로컬 깊이를 결정할 수 있다.
도 6에서 이전 디렉토리를 지시하는 어레이를 dir, 새로운 디렉토리를 지시하는 어레이를 dirnew로 도시된다. 디렉토리를 지시하는 어레이의 각 항목은 임의의 버킷에 대응할 수 있고, 디렉토리 항목이라고 나타낼 수 있다.. 예를 들어, dir[i]는 이전 디렉토리의 i번째 디렉토리 항목이고, dirnew[j]는 새로운 디렉토리의 j번째 디렉토리 항목을 나타낼 수 있다. i, j는 각각 0 이상의 정수일 수 있다.
일 실시예에 따른 디렉토리 매핑 관계(610)에서, 프로세서는 기존 버킷을 dirnew에 분산시킬 수 있는 분할 히스토리를 구성하여 변환 함수를 기반으로 G=4의 새 디렉토리 (dirnew)를 생성할 수 있다. 이 실시예에서 이전 디렉토리에서 dir[0]이 지시하는 버킷 B1은, 새 디렉토리의 dirnew[0]에서 dirnew[5]까지 6 개의 항목에 의해 지시되는 경우를 가정한다. 디렉토리 매핑 관계(610)에 대한 예시적인 매핑 과정을 아래에서 설명한다. 이 경우, dirnew [0]의 가능한 최소 L은 0이며, 현재 최대 24 = 16 개의 디렉토리 항목이 dirnew[0]의 B1을 가리킬 수 있다.
그 후, 제2 매핑 과정(630)과 같이, 프로세서는 dir에서 다음 디렉토리 B2 (예를 들어, 두 번째 버킷)를 가리키는 새 디렉토리의 항목을 계산할 수 있다. 먼저 이전 변환 함수에 기초하여 프로세서는 B2에 삽입할 수 있는 최소 키 k를 계산할 수 있다. 그런 다음 프로세서는 새로운 변환 함수를 사용하여 k를 k`로 변환하고 k`의 접두사를 추출하여 dirnew의 인덱스를 계산할 수 있다. dirnew[6]가 버킷 B2를 지시하는 경우, B1이 L=2 레벨의 형제 버킷인 B3을 가져야 하기 때문에 B1는 dirnew[0]에서 dirnew[3]까지 4 개의 연속 항목으로 표시될 수 있다. B1은 두 번 분할되므로 4 개의 항목에 대한 L은 2로 계산될 수 있다. 따라서, 제2 매핑 과정(630)에 도시된 바와 같이 L=2 인 레벨에 B1의 형제 버킷인 B3가 존재할 수 있으며, 프로세서는 B3에 근본이 있는 서브 트리에서 가장 왼쪽 항목인 dirnew[4]에 B3를 매핑시킬 수 있다. 또한, L = 1 인 레벨에서 B1의 형제 버킷인 B4 가 존재해야 하며, 프로세서는 B4를 유사한 방식으로 dirnew[8]에 매핑시킬 수 있다.
제3 매핑 과정(640)과 같이 B3가 한 번 더 분할되어야 하므로, 두 개의 항목 dirnew[4]와 dirnew[5]는 B3를 지시하게 되고 B3의 L은 3이 된다.
새 디렉토리를 작성하는 동안 프로세서는 삽입 및 삭제를 제외한 모든 조작을 정상적으로 수행할 수 있다.
PM의 경우, dirnew가 작성되면 프로세서는 데이터가 저장되는 순서를 보장하는 명령어(예를 들어, CLFLUSH 및 MFENCE 명령)을 지속적으로 호출할 수 있다.
이전 디렉토리의 동일한 버킷에 매핑되었던 복수의 키는 새로운 변환 함수에 따라 다른 접두사를 가질 수 있기 때문에, 프로세서는 복수의 키 값들이 변환시켜 새로운 디렉토리의 다른 버킷에 매핑시킬 수 있다. 동일한 버킷에 복수의 키가 매핑되었던 경우를 처리하기 위해 프로세서는 dirnew에 대한 새 버킷을 생성하고 dir의 모든 버킷에 있는 키-포인터 레코드(key-pointer record)를 새 디렉토리에 할당할 수 있다. 프로세서는 디렉토리의 각 버킷에 대해 버킷의 관련 포인터와 함께 각 키 값을 읽고, 각 키들을 새 디렉토리에 하나씩 매핑시킬 수 있다. 프로세서는 변환 함수를 사용하여 k를 k`로 변환시키고, dirnew에서 인덱스i를 찾기 위해 k`의 접두사를 계산할 수 있다. 버킷이 dirnew[i]에 할당되지 않은 경우, 프로세서는 새 버킷을 생성하여 메모리에 저장할 수 있다. 그런 다음 프로세서는, 예를 들어 PM의 경우 CLFLUSH 및 MFENCE 명령어를 사용하여, dirnew[i]의 버킷에 대한 포인터를 업데이트할 수 있다. 프로세서가 dir의 모든 키 포인터 레코드를 dirnew로 이전시키면, 프로세서는 이전 디렉토리 대신 새 디렉토리로 전환하여 사용할 수 있다. 새 디렉토리로 전환 후 PM의 경우, 이전 디렉토리 배열과 이전 버킷은 더 이상 사용되지 않는 객체이다. 따라서 결국 PMDK와 같은 영구 메모리 관리자에 의해 가비지(garbage)가 수집될 수 있다.
프로세서가 레코드들을 기존 디렉토리에서 새 디렉토리로 이전하는 동안, 프로세서는 새 디렉토리로 복사한 키 포인터 레코드와 복사 전인 키 포인터 레코드를 구분 할 수 있기 때문에 여전히 기존 디렉토리와 새 디렉토리를 모두 사용하여 해싱 색인에 액세스하여 검색 및 스캔을 수행할 수 있다.
도 7은 일실시예에 따른 키 값 변환 장치(700)의 개괄적인 구성을 도시한 블록도이다.
일실시예에 따른 키 값 변환 장치(700)는 프로세서(710) 및 메모리(720)를 포함할 수 있다. 프로세서(710)는 데이터 키 값들에 대해 산출된 키 값 분포 정보의 분포 형태를 판단하고, 키 값 분포 정보의 분포 형태에 기초하여, 데이터 키 값들을 변환시키는 변환 함수를 결정하며, 기 결정된 변환 함수를 이용하여 데이터 키 값들을 균일(uniform)한 분포에 대응하는 값으로 변환하고, 변환된 데이터 키 값들에 관련된 해쉬 인덱스 구조(hash index structure)를 생성할 수 있다. 메모리(720)는 해쉬 인덱스 구조에 변환된 데이터 키 값들을 적어도 일시적으로 저장할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (15)

  1. 프로세서에 의해 스캔 가능한 동적 해싱(hashing)을 수행하는 방법에 있어서,
    데이터 키 값들에 대해 산출된 키 값 분포 정보의 분포 형태를 판단하는 단계;
    상기 키 값 분포 정보의 상기 분포 형태를 판단한 결과에 기초하여, 상기 데이터 키 값들을 변환시키는 변환 함수를 결정하는 단계;
    상기 결정된 변환 함수를 이용하여 상기 데이터 키 값들을 균일(uniform)한 분포에 대응하는 값으로 변환하는 단계; 및
    상기 변환된 데이터 키 값들에 관련된 해쉬 인덱스 구조(hash index structure)를 생성하는 단계
    를 포함하고,
    상기 데이터 키 값들에 대해 산출된 키 값 분포 정보의 분포 형태를 판단하는 단계는,
    균일한 분포에 관련된 값과 상기 키 값 분포 정보 간의 거리를 계산한 결과에 기초하여, 상기 데이터 키 값들을 변환시킬지 여부를 판단하는 단계
    를 포함하는 스캔 가능한 동적 해싱 수행 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 데이터 키 값들을 변환시킬지 여부를 판단하는 단계는,
    상기 거리로서 상기 균일한 분포의 분산 값과 상기 키 값 분포 정보의 분산 값의 차이를 계산하는 단계
    를 포함하는 스캔 가능한 동적 해싱 수행 방법.
  4. 제1항에 있어서,
    상기 데이터 키 값들을 변환시킬지 여부를 판단하는 단계는,
    상기 계산된 거리를 미리 지정된 임계 거리에 비교하는 단계; 및
    상기 계산된 거리 및 상기 임계 거리를 비교한 결과에 기초하여, 상기 데이터 키 값들을 변환을 수행하는 단계
    를 더 포함하는 스캔 가능한 동적 해싱 수행 방법.
  5. 제1항에 있어서,
    상기 데이터 키 값들의 군집 레벨(cluster level)에 기초하여, 상기 데이터 키 값들을 변환시킬지 여부를 판단하는 단계
    를 더 포함하는 스캔 가능한 동적 해싱 수행 방법.
  6. 제5항에 있어서,
    상기 데이터 키 값들을 변환시킬지 여부를 판단하는 단계는,
    상기 데이터 키 값들 간의 공통 비트 개수를 상기 군집 레벨로서 결정하는 단계; 및
    상기 군집 레벨이 미리 지정된 임계 레벨 이상인 경우에 응답하여, 상기 데이터 키 값들을 변환을 수행하는 단계
    를 포함하는 스캔 가능한 동적 해싱 수행 방법.
  7. 제1항에 있어서,
    상기 키 값 분포 정보는 상기 데이터 키 값들의 분산 및 평균을 포함하는
    스캔 가능한 동적 해싱 수행 방법.
  8. 제1항에 있어서,
    상기 분포 형태를 판단하는 단계는,
    상기 분포 형태 및 복수의 연속확률분포들의 각 연속확률분포에 대응하는 형태에 매칭하는지 판단하는 단계; 및
    상기 분포 형태가 상기 복수의 연속확률분포들 중 한 연속확률분포에 대응하는 형태에 매칭하는 경우에 응답하여, 상기 분포 형태를 매칭된 연속확률분포로 결정하는 단계
    를 포함하는 스캔 가능한 동적 해싱 수행 방법.
  9. 제8항에 있어서,
    상기 분포 형태를 판단하는 단계는,
    상기 분포 형태가 상기 복수의 연속확률분포들에 매칭되지 않는 경우에 응답하여, 상기 데이터 키 값들의 군집 레벨을 결정하는 단계; 및
    상기 결정된 군집 레벨이 미리 지정된 임계 레벨 미만인 경우에 응답하여, 상기 데이터 키 값의 변환을 스킵(skip)하는 단계
    를 포함하는 스캔 가능한 동적 해싱 수행 방법.
  10. 제1항에 있어서,
    상기 변환 함수를 결정하는 단계는,
    상기 키 값 분포 정보의 분포 형태에 대한 누적 분포 함수(Cumulative distribution function, CDF)에 기초하여 상기 변환 함수를 결정하는 단계
    를 포함하는 스캔 가능한 동적 해싱 수행 방법.
  11. 제10항에 있어서,
    상기 변환 함수를 결정하는 단계는,
    선형 보간법에 기초하여 상기 누적 분포 함수를 일련의 선형 함수들의 집합으로 변환하는 단계
    를 포함하는 스캔 가능한 동적 해싱 수행 방법.
  12. 제11항에 있어서,
    상기 변환 함수를 결정하는 단계는,
    상기 데이터 키 값들을 데이터 키 값 개수에 따라 복수의 그룹으로 분할하고, 각 그룹에 대한 선형 함수를 계산하는 단계
    를 포함하는 스캔 가능한 동적 해싱 수행 방법.
  13. 제1항에 있어서,
    상기 해쉬 인덱스 구조를 결정하는 단계는,
    상기 데이터 키 값에 관련된 디렉토리(directory) 및 상기 디렉토리에 대응하는 버킷(bucket)을 생성하고, 상기 변환 함수에 따라 변환된 데이터 키 값들을 상기 버킷에 매핑하는 단계
    를 포함하는 스캔 가능한 동적 해싱 수행 방법.
  14. 제1항 및 제3항 내지 제13항 중 어느 한 항의 방법을 수행하기 위한 명령어들을 포함하는 하나 이상의 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
  15. 데이터 키 값들에 대해 산출된 키 값 분포 정보의 분포 형태를 판단하고, 키 값 분포 정보의 상기 분포 형태를 판단한 결과에 기초하여, 상기 데이터 키 값들을 변환시키는 변환 함수를 결정하며, 기 결정된 변환 함수를 이용하여 상기 데이터 키 값들을 균일(uniform)한 분포에 대응하는 값으로 변환하고, 상기 변환된 데이터 키 값들에 관련된 해쉬 인덱스 구조(hash index structure)를 생성하는 프로세서; 및
    상기 해쉬 인덱스 구조에 상기 변환된 데이터 키 값들을 저장하는 메모리;
    를 포함하고,
    상기 프로세서는,
    균일한 분포에 관련된 값과 상기 키 값 분포 정보 간의 거리를 계산한 결과에 기초하여, 상기 데이터 키 값들을 변환시킬지 여부를 판단하는,
    스캔 가능한 동적 해싱 수행 장치.
KR1020200032602A 2019-10-31 2020-03-17 데이터 키 값 변환 방법 및 장치 Active KR102388458B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190137520 2019-10-31
KR20190137520 2019-10-31

Publications (2)

Publication Number Publication Date
KR20210052148A KR20210052148A (ko) 2021-05-10
KR102388458B1 true KR102388458B1 (ko) 2022-04-21

Family

ID=75917951

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200032602A Active KR102388458B1 (ko) 2019-10-31 2020-03-17 데이터 키 값 변환 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102388458B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114048247B (zh) * 2021-11-16 2025-05-09 中国联合网络通信集团有限公司 数据匹配方法、装置、计算机设备及可读存储介质
CN114490638B (zh) * 2021-12-29 2025-03-11 北京乐普四方方圆科技股份有限公司 索引表创建方法和装置、目标记录查找方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008513891A (ja) 2004-09-15 2008-05-01 ディリジェント テクノロジーズ コーポレイション データを検索し記憶するシステム及び方法
JP2010531020A (ja) 2007-06-18 2010-09-16 株式会社ソニー・コンピュータエンタテインメント ピアツーピアネットワーク上の複数の受信者へのデータ配信の負荷分散
US7962453B2 (en) 2004-04-26 2011-06-14 Oracle International Corporation Dynamic redistribution of a distributed memory index when individual nodes have different lookup indexes
JP2013045181A (ja) 2011-08-22 2013-03-04 Nippon Telegr & Teleph Corp <Ntt> データベースの負荷分散装置
JP2014130489A (ja) * 2012-12-28 2014-07-10 Fujitsu Ltd データ格納プログラム、データ検索プログラム、データ検索装置、データ格納方法及びデータ検索方法
JP2015176407A (ja) 2014-03-17 2015-10-05 Ｎｅｃソリューションイノベータ株式会社 検索装置、検索方法、検索用プログラムおよび検索用データ構造
KR101695277B1 (ko) 2016-04-26 2017-01-11 (주)시큐레이어 비정형 데이터의 정규화를 수행하도록 지원하는 방법 및 이를 이용한 컴퓨팅 장치
US20180341596A1 (en) 2017-05-26 2018-11-29 Oracle International Corporation Latchless, non-blocking dynamically resizable segmented hash index
WO2019111435A1 (ja) 2017-12-05 2019-06-13 日本電気株式会社 異常判定装置、異常判定方法、及びプログラムが格納された非一時的なコンピュータ可読媒体

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100325688B1 (ko) * 1999-11-19 2002-02-25 오길록 해쉬 인덱스 구조의 확장 해슁 디렉토리 분할 시점 제어방법 및 이를 이용한 엔트리 삽입, 삭제, 검색 방법
KR100599938B1 (ko) 2004-08-09 2006-07-13 한국전자통신연구원 해쉬 테이블 주소 분산 장치 및 방법, 이를 이용한패턴매칭 장치
US8880977B2 (en) * 2011-07-22 2014-11-04 Sandisk Technologies Inc. Systems and methods of storing data
KR101340706B1 (ko) * 2011-12-08 2013-12-11 한양대학교 에리카산학협력단 플래시 메모리 기반 저장 장치를 위한 하이브리드 해시 인덱스

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7962453B2 (en) 2004-04-26 2011-06-14 Oracle International Corporation Dynamic redistribution of a distributed memory index when individual nodes have different lookup indexes
JP2008513891A (ja) 2004-09-15 2008-05-01 ディリジェント テクノロジーズ コーポレイション データを検索し記憶するシステム及び方法
JP2010531020A (ja) 2007-06-18 2010-09-16 株式会社ソニー・コンピュータエンタテインメント ピアツーピアネットワーク上の複数の受信者へのデータ配信の負荷分散
JP2013045181A (ja) 2011-08-22 2013-03-04 Nippon Telegr & Teleph Corp <Ntt> データベースの負荷分散装置
JP2014130489A (ja) * 2012-12-28 2014-07-10 Fujitsu Ltd データ格納プログラム、データ検索プログラム、データ検索装置、データ格納方法及びデータ検索方法
JP2015176407A (ja) 2014-03-17 2015-10-05 Ｎｅｃソリューションイノベータ株式会社 検索装置、検索方法、検索用プログラムおよび検索用データ構造
KR101695277B1 (ko) 2016-04-26 2017-01-11 (주)시큐레이어 비정형 데이터의 정규화를 수행하도록 지원하는 방법 및 이를 이용한 컴퓨팅 장치
US20180341596A1 (en) 2017-05-26 2018-11-29 Oracle International Corporation Latchless, non-blocking dynamically resizable segmented hash index
WO2019111435A1 (ja) 2017-12-05 2019-06-13 日本電気株式会社 異常判定装置、異常判定方法、及びプログラムが格納された非一時的なコンピュータ可読媒体

Also Published As

Publication number Publication date
KR20210052148A (ko) 2021-05-10

Similar Documents

Publication Publication Date Title
US11899641B2 (en) Trie-based indices for databases
CN110083601B (zh) 面向键值存储系统的索引树构建方法及系统
US8868926B2 (en) Cryptographic hash database
AU2008249232B2 (en) Database
US8732139B2 (en) Method and system for dynamically partitioning very large database indices on write-once tables
KR102440128B1 (ko) 통합된 객체 인터페이스를 위한 메모리 관리 장치, 시스템 및 그 방법
AU2002222096A1 (en) Method of organising, interrogating and navigating a database
CN111801665B (zh) 用于大数据应用的分层局部敏感哈希(lsh)分区索引
KR20090048624A (ko) 데이터 구조를 가지는 하나 이상의 장치 판독가능 매체, 및장치 실행가능 명령어를 구비한 하나 이상의 장치 판독가능 매체
CN105989015B (zh) 一种数据库扩容方法和装置以及访问数据库的方法和装置
JPH1131096A (ja) データ格納検索方式
KR102388458B1 (ko) 데이터 키 값 변환 방법 및 장치
US12253974B2 (en) Metadata processing method and apparatus, and a computer-readable storage medium
Faust et al. Footprint reduction and uniqueness enforcement with hash indices in SAP HANA
Pagh Basic external memory data structures
EP1364317A2 (en) Organising data in a database
KR20010109945A (ko) 비공간검색조건이 포함된 케이-최근접 질의를 위한알에스트리구조 및 점증적 최근접 방법
Chung Indexed extendible hashing
Mohammed et al. Information retrieval using dynamic indexing
CN120371832A (zh) 一种支持二次定位的分区表主键索引方法及系统
Masud et al. A hashing technique using separate binary tree
Orsborn DATABASE TECHNOLOGY-1DL124
AU2002231993A1 (en) Organising data in a database

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20200317

PA0201 Request for examination
PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20211025

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20220408

PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20220415

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20220418

End annual number: 3

Start annual number: 1

PG1601 Publication of registration