• 목록

정진규 교수 연구실(Scalable Systems Software Lab), 시스템 소프트웨어 분야 최고수준 국제 학술대회 (OSDI ‘24, USENIX ATC ‘24)에 논문 두 편 발표 

2024년 7월, 정진규 교수가 지도하는 연세대학교 Scalable Systems Software 연구실은 운영체제 분야 세계 최고 권위 국제 학술대회인 18th USENIX Symposium on Operating Systems Design and Implementation (OSDI ’24)에 논문을 발표했다.

“Identifying On-/Off-CPU Bottlenecks Together with Blocked Samples” 논문은 다변화되고 고도화되는 현대의 컴퓨터 시스템에서 응용프로그램의 성능 프로파일링을 매우 손쉽게 도와주는 핵심 기술인 Blocked Samples기법을 고안하고, 이를 활용하는 응용프로그램 성능 프로파일러 2종(bperf, BCOZ)을 선보였다. 두 프로파일러는 응용프로그램을 실행할 때 성능 향상으로 이어지는 병목(bottleneck) 지점을 특정해주기에 최적화에 유용한 도구이다. 연구팀은 본 프로파일러를 활용하여 대규모 언어모델 추론, 빅데이터를 위한 NoSQL 저장소의 성능을 프로파일링하고 최적화를 도출하여 두 프로파일러 도구의 효용성을 입증했다. 또한, Blocked Samples 기법은 기존의 유사한 프로파일러 도구 대비 응용프로그램 성능 간섭을 최대 17배 감소시킨다.

또한, 정진규 교수 연구팀은 OSDI ‘24와 함께 열리는 시스템 소프트웨어 분야 플래그십 국제 학술대회인 2024 USENIX Annual Technical Conference (USENIX ATC ’24)에 논문을 발표했다.

“A Secure, Fast, and Resource-Efficient Serverless Platform with Function REWIND” 논문은 Amazon Lambda, Google Cloud Functions와 같은 상용 서버리스 클라우드에서 성능 향상을 위해 사용하는 컨테이너(또는 샌드박스) 재사용 기법이 유발하는 보안 문제를 규명하고, 보안 문제를 해결함에 있어 성능 및 메모리 사용량 두 마리 토끼를 모두 잡는 REWIND 기법을 제시했다. 이 기법은 서버리스 컨테이너에서 서버리스 함수를 실행한 후 보안 문제를 유발할 수 있는 메모리 및 파일 영역만을 선별적으로 되감기를 수행하여 사용자 프라이버시 데이터 잔유물을 삭제하여 보안성을 유지하고, 보안성 유지에 필요한 메모리 사용량을 급격히 낮춘 기법이다. 연구팀은 다양한 실제 클라우드 워크로드에서 제안하는 기법이 기존의 보안성이 취약한 실행 기법 대비 거의 성능 손실이 없으며, 메모리 사용량은 두 배 이상 절감하는 것을 보였다. 

Links:

Identifying On-/Off-CPU Bottlenecks Together with Blocked Samples, https://www.usenix.org/conference/osdi24/presentation/ahn

A Secure, Fast, and Resource-Efficient Serverless Platform with Function REWIND, https://www.usenix.org/conference/atc24/presentation/song