삼성 CMM-D를 통한 차세대 IMDB 인프라의 메모리 병목 해소

메모리 확장의 한계와 CXL^®의 부상

현대 CPU는 빠르게 발전해왔지만, DRAM 슬롯, 채널, 비용 등의 제약으로 인해 메모리는 여전히 주요 병목으로 남아 있으며, 이는 프로세서의 성능을 충분히 활용하지 못하게 하는 이른바 “메모리 장벽(memory wall)”을 형성합니다.

PCIe^®를 통해 연결되는 CXL 2.0 기반 메모리 모듈인 삼성 CMM-D는 이러한 제약을 극복하기 위해 설계되었으며, CPU의 기본 메모리 채널을 넘어 용량과 대역폭을 확장할 수 있도록 합니다. 또한 서버 간 메모리 확장 및 풀링(Pooling)을 유연하게 지원하여 데이터센터의 자원 활용도를 향상시킵니다. 그 결과, CMM-D는 데이터 집약적 애플리케이션을 위한 보다 균형 잡히고 효율적인 인프라 구축에 기여합니다.

최신 IMDB 환경에서 CMM-D의 중요성

CMM-D는 PCIe 5.0 및 CXL 2.0 표준 기반의 유연하고 확장 가능한 메모리를 제공하며, 캐시 일관성을 유지한 상태로 메모리를 확장하여 최신 서버 플랫폼과 원활하게 통합됩니다. 이 구조는 인메모리 데이터베이스 시스템, AI/ML, 대규모 클라우드 애플리케이션과 같은 고성능 워크로드를 지원하도록 설계되었습니다.

주요 장점 중 하나는 기존 DDR DIMM 슬롯의 한계를 넘어 메모리 용량과 대역폭을 확장할 수 있다는 점으로, 급격히 증가하는 데이터셋을 처리하면서도 CPU가 메모리 병목 없이 동작할 수 있도록 합니다. 또한 CMM-D는 DRAM 과잉 프로비저닝을 줄이고 기존 인프라의 수명을 연장하며, 고비용 서버 업그레이드 필요성을 낮춤으로써 총소유비용(TCO) 측면에서도 이점을 제공합니다.

더 나아가 메모리 풀링을 통한 유연한 시스템 운영은 여러 서버 간 공유 메모리를 동적으로 할당할 수 있게 하여 자원 활용도를 높이고, 변동성이 높은 워크로드를 효과적으로 지원합니다. 이러한 특성은 SAP HANA와 같은 최신 인메모리 데이터베이스 시스템 환경에 CMM-D를 적합한 기반으로 만듭니다.

SAP HANA: IMDB 혁신을 이끄는 플랫폼

SAP HANA (High-performance ANalytic Appliance)는 OLTP (Online Transaction Processing)와 OLAP (Online Analytical Processing) 워크로드를 하나의 플랫폼에서 통합하여 실시간 분석과 트랜잭션을 지원하는 인메모리 데이터베이스 시스템입니다. 데이터는 메인 메모리에 압축된 컬럼 기반 형태로 저장되며, 빠른 쿼리 처리를 가능하게 하면서도 메모리 사용량을 최소화합니다. 컬럼 데이터는 읽기 최적화된 “메인 스토리지”에 저장되고, 쓰기 성능을 위해 별도의 “델타 스토리지”가 유지됩니다. 메인 스토리지는 테이블 데이터를 포함하고, 델타 스토리지는 새로 삽입되거나 수정된 데이터를 저장하는 쓰기 최적화 컬럼 스토리지로, 주기적으로 메인 스토리지와 병합되어 성능과 효율을 균형 있게 유지합니다. 또한 쿼리 처리 중 운영 데이터 및 중간 결과를 저장하기 위해 메모리의 일부가 별도로 할당되며, 이를 “HEX heap Memory”라고 합니다. 대규모 데이터셋이 메모리에 상주해야 하고 분석 쿼리가 높은 메모리 대역폭을 요구하기 때문에 SAP HANA는 매우 메모리 집약적인 플랫폼으로, CMM-D의 성능 영향을 평가하기에 적합한 환경입니다.

SAP HANA에서의 CMM-D와 RDIMM 성능 평가

본 연구는 SAP HANA를 활용하여 인메모리 데이터베이스 시스템 환경에서 CMM-D 적용 가능성을 평가했습니다. 실험에서는 메인 스토리지와 HEX heap Memory를 RDIMM 또는 CMM-D에 각각 배치했을 때의 성능을 비교하였으며, 기준 장치 성능은 Intel MLC (Memory Latency Checker)를 통해 측정했습니다. 성능 분석 결과, TPC-C에서는 RDIMM과 CMM-D 간 의미 있는 성능 차이가 나타나지 않았지만, TPC-DS에서는 메모리 접근 패턴에 따라 CMM-D에서 다양한 성능 저하가 관찰되었습니다.

추가적인 워크로드 분석에서는 접근 패턴, 읽기/쓰기 비율, 순차/랜덤 특성을 검토했습니다. 메인 스토리지는 주로 순차적 읽기 접근을 보인 반면, HEX heap Memory는 순차성이 상대적으로 낮은 특성을 보였습니다. Outstanding* 요청 분석 결과, HEX heap Memory 훨씬 더 많은 Outstanding 요청을 생성하며, 이는 지연(latency)을 증가시키고 CMM-D 장치에 추가적인 오버헤드를 유발하여 관찰된 성능 차이를 설명합니다.

IMDB 확장성에 대한 시사점

본 연구는 다양한 시나리오에서 CMM-D를 평가하여 인메모리 데이터베이스 시스템 환경에 대한 적합성을 검증했습니다. 그 결과, OLTP 워크로드(TPC-C)에서는 CMM-D가 RDIMM과 유사한 수준의 성능을 제공할 수 있는 것으로 나타나, 대용량 메모리 대안으로서의 실현 가능성이 확인되었습니다. 또한 OLAP 워크로드(TPC-DS)에서는 순차적 접근 패턴과 비교적 중간 수준의 트래픽 요구를 가진 애플리케이션에서 CMM-D가 효과적으로 작동함을 확인했으며, 이는 워크로드 특성과 잘 맞는 경우 더 넓은 인메모리 데이터베이스 시스템 활용 가능성을 보여줍니다.

이러한 결과는 현대 인메모리 데이터베이스 시스템에서 메모리 확장성 문제가 점점 더 중요한 요소로 부각되고 있음을 보여줍니다. CMM-D는 메모리 대역폭과 용량을 동시에 확장함으로써 DRAM의 한계를 극복하고, 데이터 집약적 워크로드에서 더 높은 동시성, 안정적인 지연 시간, 그리고 향상된 확장성을 가능하게 합니다.

더 알아보기

보다 자세한 평가 결과, 워크로드 분석, 실제 하드웨어 기반 시스템 수준 측정 내용을 확인하려면 아래 백서를 다운로드하여 참고하시기 바랍니다.^[1]:  다운로드

References