최종무 교수 연구팀, 세계적 학술대회 'VLDB 2026' 논문 2편 게재…RocksDB 한계 극복
강화학습으로 쓰기 지연 선제 제어…빅데이터·클라우드 인프라 효율 대폭 상승
단국대학교는 최종무 교수(소프트웨어학과) 연구팀이 AI 기술을 접목해 대용량 데이터의 검색 효율을 높이고 쓰기 지연을 크게 줄인 연구 성과를 발표했다고 3일 밝혔다.
이번 연구 결과는 데이터베이스 및 데이터 관리 분야 세계 최고 권위 학술대회인 'VLDB(Very Large Data Bases) 2026'에 정규 논문 2편으로 동시 게재됐다.
연구팀은 대규모 데이터 환경에서 고질적으로 발생하는 '검색 효율 저하'와 '쓰기 지연'이라는 2가지 난제를 AI로 풀었다. AI가 데이터의 분포 특성을 학습해 필요한 위치를 예측하고, 시스템 상태를 실시간 분석해 병목 현상이 발생하기 전 처리량을 선제적으로 제어하도록 했다.
첫 번째 논문(Rethinking Learned Index and LSM-tree Integration)에서는 머신러닝 기반의 '학습형 인덱스'(Learned Index)를 대용량 데이터 저장소(Key-Value Store)에 접목했다. 정해진 구조에 따라 탐색하던 기존 방식과 달리, AI가 데이터 위치 특성을 예측하도록 해 검색 연산과 메모리 사용량을 크게 줄였다.
두 번째 논문(How Much Can RocksDB Chew? Achieving Near-Zero Write Stalls with Sustainable RocksDB)에서는 글로벌 IT 기업이 폭넓게 활용하는 대표적 DB엔진 'RocksDB'의 한계를 극복했다. 데이터가 누적될 때 시스템이 멈칫거리는 '쓰기 지연'(Write Stall) 현상을 강화학습 기반의 AI 제어 기술(S-RocksDB)로 해결했다.
실험 결과 기존 RocksDB에서 1분당 최대 50초에 달했던 쓰기 지연 시간을 1초 이내로 단축하는 성과를 거뒀다. 지연 시간을 최대 50배가량 개선한 셈으로, 고성능 클라우드 및 대규모 AI·빅데이터 플랫폼의 안정성을 대폭 끌어올릴 것으로 기대된다.
최 교수는 "이번 성과는 단국대가 지속해서 축적해 온 AI 기반 데이터 관리 및 시스템 소프트웨어 기술 역량을 입증한 결과"라며 "초대형 데이터 서비스가 필요한 산업 현장에 실질적인 솔루션을 제공할 것"이라고 말했다.
