김욱희 연구실

본 연구는 엣지 디바이스에서 고차원 벡터 검색을 가속화하기 위해 HNSW를 GPU 최적화한 ON-NSW를 제시합니다. 평탄 그래프 구조, 통합 메모리 아키텍처 활용, warp 레벨 병렬 처리를 통해 NVIDIA Jetson Orin Nano에서 기존 HNSW 대비 최대 1.44배 높은 처리량을 달성하면서 유사한 재현율을 유지합니다.

본 논문은 대규모 고차원 벡터 데이터의 효율적인 저장과 검색을 위해 영구 메모리 기반의 충돌 일관성 HNSW(P-HNSW)를 제안합니다. NLog와 NlistLog 두 개의 로그를 도입하여 시스템 충돌 시에도 데이터 일관성을 보장하며, 실험 결과 로깅 오버헤드는 무시할 수 있는 수준이면서 SSD 기반 복구 메커니즘보다 우수한 성능을 달성합니다.

본 논문은 시계열 데이터의 높은 삽입률, 단조증가 키, 범위 쿼리 중심의 워크로드를 지원하기 위해 Segmented Block-based Tree(SB-Tree)를 제안합니다. SB-Tree는 검색 계층과 데이터 계층을 분리하고 비동기 업데이트, 단축 메커니즘, 스레드별 데이터 블록을 활용하여 삽입 처리량을 최적화합니다. 평가 결과 SB-Tree는 10억 개 키 삽입 시 기존 인덱스 대비 삽입 전용 워크로드에서 7배, 스캔 워크로드에서 99.99 백분위수 지연시간 2.4배 개선을 달성합니다.