Core Concepts
COSTREAM은 엣지-클라우드 환경에서 스트리밍 쿼리의 실행 비용을 정확하게 예측할 수 있는 새로운 학습 기반 비용 모델이다. 이를 통해 이기종 하드웨어 자원에 걸쳐 연산자를 최적으로 배치할 수 있다.
Abstract
이 논문은 COSTREAM이라는 새로운 학습 기반 비용 모델을 소개한다. COSTREAM은 엣지-클라우드 환경에서 분산 스트리밍 쿼리의 실행 비용을 정확하게 예측할 수 있다. 이를 통해 이기종 하드웨어 자원에 걸쳐 연산자를 최적으로 배치할 수 있다.
논문의 주요 내용은 다음과 같다:
쿼리, 데이터, 하드웨어 정보를 통합한 새로운 그래프 표현 방식을 제안하였다. 이를 통해 연산자 배치에 따른 비용을 정확하게 예측할 수 있다.
하드웨어와 네트워크 특성, 쿼리 복잡도 등을 나타내는 일반화된 특징을 정의하였다. 이를 통해 COSTREAM은 학습 데이터 범위를 벗어난 새로운 하드웨어와 쿼리에 대해서도 정확한 예측이 가능하다.
COSTREAM을 활용하여 초기 연산자 배치를 최적화하는 방법을 제안하였다. 실험 결과, COSTREAM은 기존 휴리스틱 기반 접근법에 비해 약 21배 빠른 성능 향상을 달성할 수 있었다.
Stats
쿼리 실행 처리량은 평균 23.4 ev/s 이다.
쿼리 실행 종단간 지연시간은 평균 212ms 이다.
쿼리 실행 처리 지연시간은 평균 180ms 이다.
Quotes
"COSTREAM은 엣지-클라우드 환경에서 스트리밍 쿼리의 실행 비용을 정확하게 예측할 수 있는 새로운 학습 기반 비용 모델이다."
"COSTREAM을 활용하여 초기 연산자 배치를 최적화하면 기존 휴리스틱 기반 접근법에 비해 약 21배 빠른 성능 향상을 달성할 수 있다."