【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]"AI도 데이터 기다리면 느려진다"…KAIST, 저장장치 병목 해결

온카뱅크관리자

2026-11-11 10:37:24

<div id="layerTranslateNotice" style="display:none;"></div> 보도기사 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="W1GJyUV7uB">
 기존 파일시스템의 데이터 정리 과정 비효율 개선 전용 하드웨어 없이 처리 성능 최대 3배 높여
 <figure class="figure_frm origin_fig" contents-hash="ab60a1f01842bcdf8ce7e62875f9ca4ab61db345dc44bb3791ecf632e5998315" dmcf-pid="GFXnY74quz" dmcf-ptype="figure">
 <img alt="연구 이미지(AI 생성)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/11/551724-22lyJQR/20261111103409091tzty.png" data-org-width="768" dmcf-mid="y0lPI5ztpb" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/11/551724-22lyJQR/20261111103409091tzty.png" width="658">
 <figcaption class="txt_caption default_figure">
 연구 이미지(AI 생성)
 </figcaption>
 </figure>
 KAIST 연구진이 차세대 플래시 저장장치의 데이터 처리 속도를 최대 3배 높이는 소프트웨어 기술을 개발했습니다.
 인공지능(AI)이 답을 생성하는 추론 과정에서 필요한 데이터를 더 빠르게 공급할 수 있도록 저장장치의 데이터 정리 과정에서 발생하는 병목을 줄인 것입니다.
 KAIST는 전기및전자공학부 원유집 교수 연구팀이 차세대 플래시 저장장치의 성능을 떨어뜨리는 소프트웨어 병목을 분석하고, 저장공간을 효율적으로 관리하는 파일시스템 기술 '게이즈(GAZE)'를 개발했다고 밝혔습니다.
 AI가 데이터를 처리하려면 연산장치가 필요한 정보를 저장장치로부터 제때 공급받아야 합니다. 
 연산장치의 성능이 뛰어나더라도 데이터 공급이 늦어지면 전체 처리 속도도 떨어질 수 있습니다.
 ◆ 데이터 정리 과정서 발생하는 소프트웨어 병목 개선
 연구팀은 저장장치 내부의 공간을 정리하는 '가비지 컬렉션' 과정에 주목했습니다. 사용 중인 데이터를 다른 공간으로 옮기고 비어 있는 영역을 회수해 다시 사용할 수 있도록 만드는 작업입니다.
 연구팀 분석 결과 기존 파일시스템은 차세대 저장장치인 'ZNS(Zoned Namespace)'의 큰 저장 영역을 정리하는 데 비효율적인 것으로 나타났습니다. 
 기존 방식으로 1GB 구역을 정리하는 데 약 1.7초가 걸렸고, 상당한 처리 부담이 저장장치가 아닌 CPU의 작업 상태 확인과 메모리 관리 과정에서 발생했습니다.
 이에 연구팀은 데이터 처리 단계를 나눠 동시에 진행하고, 정리에 필요한 메모리를 미리 확보하는 등 세 가지 방식으로 파일시스템을 개선했습니다. 
 공간 정리가 진행되는 동안에도 메모리에 데이터를 먼저 받아둘 수 있도록 해 불필요한 대기도 줄였습니다.
 ◆ 별도 하드웨어 없이 데이터 처리 성능 최대 3배
 이를 리눅스 파일시스템인 'F2FS'에 적용해 성능을 비교한 결과, 기존 기술보다 같은 시간에 처리할 수 있는 데이터양이 최대 3배 늘었습니다. 
 가비지 컬렉션에 걸리는 시간도 기존 F2FS와 비교해 약 3분의 1로 줄었습니다.
 별도의 전용 하드웨어를 추가하거나 데이터 기록 형식을 바꾸지 않고 소프트웨어 개선만으로 성능을 높였다는 점도 특징입니다.
 연구팀은 이번 기술이 대규모 데이터를 처리하는 AI 추론과 데이터센터의 저장장치 효율을 높이는 데 기여할 것으로 기대하고 있습니다. 
 다만 실제 AI 추론 응답시간을 얼마나 단축할 수 있는지는 향후 적용 환경에서 검증이 필요합니다.
 (사진=KAIST) 
 김소영 취재 기자 | ksy@tjb.co.kr
 </section> 
 </div> 
 Copyright © TJB

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기