Telset.id – Tim peneliti dari KAIST menemukan bahwa sistem operasi menjadi penghambat utama performa penyimpanan flash generasi baru ZNS (Zoned Namespace), dan mengembangkan teknologi filesystem bernama GAZE untuk mengatasinya. Penelitian yang dipimpin Professor Youjip Won ini dipresentasikan di konferensi ACM SOSP 2026 di Prague, dan diklaim mampu meningkatkan performa hingga 3x lipat dibandingkan setup standar maupun perbaikan sebelumnya seperti ZNS+ dan P-GC.
Temuan ini penting karena selama ini kecepatan SSD sering kali tidak termanfaatkan sepenuhnya akibat bottleneck di lapisan perangkat lunak. Selama bertahun-tahun, peningkatan performa storage hardware tidak serta-merta diikuti oleh efisiensi sistem operasi dalam mengelola operasi pembersihan data. GAZE hadir sebagai solusi yang menyasar akar masalah tersebut tanpa memerlukan hardware khusus.
Apa yang Membuat ZNS Flash Storage Melambat?
Untuk memahami masalah ini, perlu diketahui bahwa flash drive tidak dapat menimpa data lama dengan data baru secara langsung. Untuk menggunakan kembali ruang penyimpanan, drive harus menyalin data yang masih diperlukan ke lokasi baru dan menghapus sisanya. Proses housekeeping ini disebut garbage collection.
Tim KAIST memfokuskan penelitian pada ZNS storage, yang membagi drive menjadi zona-zona besar yang masing-masing dapat menampung data hingga gigabyte. Pendekatan ini membuat drive menjadi sederhana, tetapi menyerahkan tanggung jawab pembersihan kepada filesystem yang sebenarnya dirancang untuk membersihkan area yang jauh lebih kecil.
Dalam pengujian tim, membersihkan satu zona berukuran 1 GB membutuhkan waktu sekitar 1,7 detik, atau 283 kali lebih lama dibandingkan membersihkan bagian berukuran 2 MB. Selama proses itu berlangsung, penulisan data baru harus menunggu. Yang menarik, lebih dari 70% dari keterlambatan tersebut berasal dari kerja CPU, seperti memeriksa data mana yang masih valid dan menangani memori, bukan dari drive itu sendiri.
Angka tersebut menunjukkan bahwa hambatan utama bukan terletak pada kemampuan hardware flash storage, melainkan pada bagaimana sistem operasi mengelola proses pembersihan. Inilah yang mendorong tim KAIST merancang pendekatan baru yang lebih efisien dalam mengelola garbage collection pada zona berukuran besar.
Baca Juga:
Bagaimana GAZE Memperbaiki Masalah Pembersihan?
GAZE membagi proses pembersihan menjadi empat langkah yang saling tumpang tindih, sehingga sistem dapat membaca batch data berikutnya sambil masih menulis batch sebelumnya. Pendekatan ini juga mencadangkan memori untuk pembersihan sejak awal, bukan memintanya sedikit demi sedikit saat dibutuhkan. Sementara itu, penulisan data yang dapat disimpan sementara di memori tidak lagi harus menunggu proses pembersihan selesai.
Hasilnya, GAZE memberikan performa hingga 3x lipat dibandingkan setup standar dan perbaikan sebelumnya seperti ZNS+ dan P-GC, serta memangkas waktu pembersihan menjadi sekitar sepertiga dari waktu semula. Teknologi ini tidak memerlukan hardware khusus maupun perubahan pada cara data disimpan di drive.
Professor Won menyatakan, “This study is significant because we completely removed the operating-system bottleneck that prevented fast flash storage devices from being fully utilized.” Pernyataan tersebut menegaskan bahwa inti dari kontribusi penelitian ini adalah menghilangkan hambatan di sisi sistem operasi yang selama ini membatasi pemanfaatan penuh perangkat flash storage berkecepatan tinggi.
Pendekatan semacam ini sejalan dengan tren pengembangan teknologi penyimpanan dan komputasi yang terus menekan latensi, sebagaimana terlihat pada berbagai inovasi infrastruktur dan komputasi yang tengah berkembang saat ini, termasuk upaya meningkatkan efisiensi pada level sistem seperti yang terlihat dalam Simulasi 104 Qubit yang juga berfokus pada efisiensi sumber daya.
Yang membedakan GAZE adalah pendekatannya yang sepenuhnya berbasis perangkat lunak. Tidak ada kebutuhan untuk mengganti komponen fisik atau mengubah standar penyimpanan pada drive. Ini membuat teknologi tersebut berpotensi diadopsi pada infrastruktur yang sudah ada tanpa investasi hardware tambahan.
Dampak bagi AI Inference dan Data Center
Peningkatan performa ini paling relevan untuk AI inference, di mana prosesor membutuhkan data tepat waktu dan kehilangan efisiensi saat harus menunggu. Jika GAZE sampai ke data center, storage cepat yang sudah dibayar mahal oleh operator bisa akhirnya memberikan kecepatan penuhnya.
Dalam konteks AI inference, setiap milidetik latensi dapat memengaruhi throughput dan efisiensi energi sistem secara keseluruhan. Ketika prosesor harus menganggur menunggu data selesai dibersihkan, sumber daya komputasi yang mahal menjadi tidak termanfaatkan. GAZE menawarkan jalan agar investasi pada storage berkecepatan tinggi tidak lagi terbuang akibat bottleneck di lapisan perangkat lunak.
Perkembangan di sisi storage ini juga melengkapi berbagai inovasi lain di ranah infrastruktur teknologi yang tengah diuji, seperti eksperimen pada sistem terdistribusi dan agen AI yang membutuhkan fondasi komputasi andal, misalnya dalam pengujian AI Agent Swarm yang menuntut respons cepat dari infrastruktur pendukungnya.
Bagi industri data center, temuan KAIST ini menjadi pengingat bahwa peningkatan performa tidak selalu harus datang dari hardware baru. Optimalisasi pada lapisan sistem operasi dan filesystem dapat memberikan lompatan performa yang signifikan dengan memanfaatkan perangkat yang sudah ada. Hal ini sejalan dengan pola serupa di sektor lain, di mana efisiensi sistem menjadi kunci, sebagaimana terlihat pada isu Layanan N-Central Cloud yang menunjukkan betapa krusialnya keandalan lapisan perangkat lunak dalam infrastruktur modern.
Dengan hasil yang mencapai 3x performa lebih tinggi dan waktu pembersihan yang turun hingga sepertiga, GAZE menunjukkan bahwa hambatan sistem operasi pada flash storage bukanlah masalah yang tidak dapat diatasi. Penelitian ini dipresentasikan di ACM SOSP 2026 di Prague, menandai kontribusi akademik yang berpotensi berdampak langsung pada cara data center memanfaatkan storage berkecepatan tinggi di masa depan.
Komentar
Belum ada komentar.