Hardware-assisted Virtualization Mechanisms for Modern Storage Devices :고성능 스토리지 장치를 위한 하드웨어 기반의 가상화 장치 및 방법

권동업

자료유형: 학위논문

저자정보: 권동업 (서울대학교, 서울대학교 대학원)

지도교수: 김장우

발행연도: 2022

저작권: 서울대학교 논문은 저작권에 의해 보호받습니다.

이용수0

초록· 키워드

현대 빅 데이터 워크로드는 대규모 I/O 처리를 포함하고, 빠르고 확장 가능하며 유연한 스토리지 가상화 지원을 요구합니다. 기존 하드웨어 지원 가상화는 높은 스토리지 성능을 달성할 수 있지만 가상화된 환경에서 필요한 기능들이 제한됩니다. 반면에, 소프트웨어 기반 가상화 구현은 값비싼 범용 코어 사용과 호스트 기반 스토리지 장치 관리로 인해 서버의 저장 장치의 수와 성능이 증가함에 따라 심각한 성능 및 확장성 문제를 가집니다. 이 논문에서는 고성능 스토리지 장치를 위한 빠르고 확장 가능하며 유연한 하드웨어 기반 가상화 메커니즘을 소개합니다. 첫째, FVM은 호스트 자원에서 분리된 FPGA 카드 (FVM-engine)에 스토리지 가상화 계층을 구현하고 PCI Express로 연결된 스토리지 디바이스들을 직접 관리할 수 있는 하드웨어 수준의 스토리지 장치 관리 방법을 구현합니다. 둘째, FlexCSV는 연산 스토리지 장치 내부의 계산 및 저장 장치들에 대해서 모두 FVM-engine의 하드웨어 지원 가상화를 활용하고 가상 연산 스토리지 장치를 동적으로 구성합니다. 이러한 방법으로 FVM-engine이 장착된 서버는 호스트 자원을 사용하지 않고 고성능 스토리지 가상화를 제공할 수 있습니다. 또한, FVM-engine은 스토리지 장치 사이 고속 직접 데이터 전송을 최대한 활용하여 연산 스토리지 가상화의 성능과 비용 효율성을 최대화합니다.

Emerging big-data workloads with massive I/O processing require fast, scalable, and flexible storage virtualization support. Existing hardware-assisted virtualization can achieve reasonable performance for modern storage devices, but it comes at the expense of limited functionalities in a virtualized environment (e.g., migration, isolation). It also severely suffers from low performance and high costs due to the lack of virtualization support for modern computational storage devices (e.g., SmartSSD). To restore the virtualization features with minimal performance degradation, recent advances propose to implement a new software-based virtualization layer by dedicating computing cores to virtual device emulation. However, due to the dedication of expensive general-purpose cores and the nature of host-driven storage device management, the proposed schemes raise the critical performance and scalability issues with the increasing number and performance of storage devices per server.
In this dissertation, we introduce fast, scalable, and flexible hardware-based virtualization mechanisms for modern storage devices. First, FVM implements a storage virtualization layer on an FPGA card (FVM-engine) decoupled from the host resources and a hardware-level device orchestration mechanism to have the card directly manage the PCI Express (PCIe)-attached storage devices. Second, FlexCSV leverages FVMengine’s hardware-assisted virtualization for both computation and storage units in computational storage devices and dynamically constructs virtual computational storage devices. In this way, a server equipped with FVM-engine can save the invaluable host-side resources from the virtual and physical device management and utilize the
decoupled FPGA resources for storage virtualization. FVM-engine can also maximize the performance and cost-effectiveness of computational storage virtualization by taking full advantage of near-storage processing.

#스토리지 가상화 #연산 스토리지 가상화 #하드웨어 지원 가상화 #FPGA 지원 가상화 #디바이스 중심 서버 구조 #FPGA 가속

Abstract i
Contents ii
List of Tables v
List of Figures vi
1 Introduction 1
2 Background 7
2.1 Storage Architecture 7
2.1.1 NVM and NVMe Architecture 7
2.1.2 Computational Storage Architecture 8
2.2 Storage Virtualization 12
2.2.1 Paravirtualization 12
2.2.2 Host Sidecore Approach 14
2.2.3 On-device Sidecore Approach 15
2.2.4 Direct Device Assignment 15
3 FVM: FPGA-assisted Virtual Device Emulation for Fast, Scalable, and Flexible Storage Virtualization 17
3.1 Motivation 17
3.1.1 CPU-inefficient Storage Virtualization 17
3.1.2 Weak Computing Power of SoC Cores 20
3.1.3 Absence of Interposition Layer 21
3.2 Design and Implementation 22
3.2.1 Design Goals 23
3.2.2 FPGA-assisted Storage Virtualization 24
3.2.3 Front-end: VM-to-FVM-Engine 26
3.2.4 Back-end: FVM-Engine-to-SSD 31
3.2.5 FVM Core Design 32
3.2.6 HLS-based Design Flow 36
3.3 Evaluation 37
3.3.1 Experimental Setup 37
3.3.2 Performance 38
3.3.3 Scalability 41
3.3.4 Programming Example Functions 43
3.4 Discussion 46
3.5 Conclusion 47
4 FlexCSV: A Fast and Flexible Hardware-based Virtualization Mechanism for Computational Storage Devices 48
4.1 Motivation 48
4.1.1 Indirect Device-Control and Data Paths 49
4.1.2 SSD-FPGA Coupled Architecture 51
4.1.3 Static SSD/FPGA Resource Allocation 52
4.2 Design and Implementation 54
4.2.1 FlexCSV Architecture 54
4.2.2 Hardware-assisted Virtualization 54
4.2.3 Hardware-level Resource Orchestration 57
4.2.4 SSD-FPGA Decoupled Architecture 61
4.2.5 Dynamic Resource Allocation 62
4.3 Evaluation 65
4.3.1 Experimental Setup 65
4.3.2 Device Virtualization Performance 67
4.3.3 Near-Storage Processing Performance 69
4.3.4 Multi-SSD Performance 71
4.3.5 Dynamic Resource Scheduling 71
4.4 Conclusion 72
5 Related Work 74
6 Conclusion 77
Abstract (In Korean) 91
Acknowlegement 92

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

목차

최근 본 자료

댓글(0)