매칭 진행 중
·
ID
p-097
벡터 DB·키-값 스토어 저장 엔진 성능 최적화 공동 개발
기업 용역
정부 지원 과제
기술 이전
을 함께 진행할
기업
을 찾는 공고입니다.
기업 제품의 워크로드에서 저장 엔진·인덱스·I/O 경로의 병목을 찾아 고치고, 그 결과를 지연·처리량·저장 비용 같은 제품 지표로 확인합니다. 벡터 DB·검색 엔진, RAG·LLM 서비스, 데이터레이크·NoSQL 제품, SSD·스토리지 시스템의 성능 개선에 쓰입니다.
게시자 유형
연구실
핵심 키워드
벡터 DB
키-값 스토어
RocksDB
과제 규모
협의 가능
공고 마감일
미정
연구실 소개
연구실 소개
단국대학교 AI융합소프트웨어학과 최종무 교수의 시스템소프트웨어연구실(System Software Lab)은 운영체제·스토리지·데이터 관리 소프트웨어를 연구합니다. SSD 내부 구조(FTL)와 파일 시스템부터 RocksDB 같은 키-값 스토어, 벡터 DB까지 데이터가 저장되고 읽히는 전 계층을 다룹니다. 메모리·스토리지 반도체 기업과의 산업 프로젝트로 현장 경험을 쌓았고, 최근 10년은 빅데이터·AI를 위한 데이터베이스와 데이터 관리 기술에 집중하고 있습니다.
대표 연구 분야
1. 키-값 스토어·데이터베이스 엔진 최적화 - RocksDB 등 LSM-tree 기반 저장 엔진의 쓰기 지연·꼬리 지연을 줄이고, 압축·키-값 분리 구조와 캐시 계층을 개선합니다. 2. 벡터 DB·학습 기반 인덱스 - 임베딩 검색과 학습 기반 인덱스로 대용량 데이터의 조회 속도를 높이면서 인덱스 크기와 재구성 비용을 함께 줄입니다. 3. 차세대 스토리지 시스템 - ZNS·FDP SSD, 계층형 스토리지, 클라우드 규모 프리페칭으로 데이터 저장 비용과 성능, 장치 수명을 함께 최적화합니다.
정부과제 / 산학협력 경험
[정부과제] - 과기정통부·IITP SW스타랩 「비정형 빅데이터를 위한 새로운 키-밸류 DB 개발」: 2021~2028 수행 [산학협력] - SK하이닉스 「클라우드 환경에서 ZNS SSD 최적화」·「Open-Channel SSD 기반 데이터센터 스토리지 최적화」: 산학과제 수행 - SKT 「가상화 기반 NV-Drive 검증시스템 고도화」: 수행 - 삼성전자: 산학협력 프로젝트 수행 - 데이터스트림즈 데이터레이크 관리 기술: 기술이전 협의 중 - 파두 스토리지 솔루션: 협력 논의 중
연구 희망 개요
연구 희망 및 관심 주제
벡터 DB를 직접 만들려는 기업, 키-값 스토어·데이터베이스 튜닝이 필요한 기업과 함께 실제 제품의 저장 엔진 성능을 끌어올리고자 합니다. 기업 워크로드에서 병목을 찾아 엔진·인덱스·I/O 경로를 고치는 일이 연구실의 강점이며, 그 결과를 논문이 아니라 기업 제품의 지표로 확인하는 협업을 원합니다. RocksDB 쓰기 지연 제거, 학습 기반 인덱스, 계층형 스토리지 비용 최적화 연구를 기업 제품의 성능 병목 진단부터 적용하며, AI 서비스의 임베딩 저장·검색과 LLM 추론 데이터 경로까지 다룹니다.
협력 가능 분야
- 기업 워크로드의 RocksDB·키-값 스토어 쓰기 지연·꼬리 지연 원인 진단 리포트 - 벡터 DB 제품의 인덱스 구조·저장 계층 설계 및 성능 튜닝 - RAG 서비스의 임베딩 모델·인덱스 조합별 검색 성능 비교와 구성 권고 - 데이터레이크·NoSQL 제품의 압축·계층형 스토리지 비용 최적화 - SSD 펌웨어·스토리지 장치의 워크로드 분리와 쓰기 증폭 개선 기술 - 연구실 보유 특허 기반 키-값 스토어 조회·갱신 기술 이전 - 기업 데이터 제공 전 공개 벤치마크로 기업 워크로드를 재현한 선행 분석부터 착수
본 연구 관련 연구실 특장점
- RocksDB 쓰기 지연을 거의 없애는 기법(VLDB 2026), 학습 인덱스와 LSM-tree 결합(VLDB 2026) - 클라우드 규모 워크로드용 스토리지 프리페처 CAPSULE(SIGMETRICS 2026) - 용량 가변 스토리지 시스템(FAST 2024) 등 스토리지 분야 최상위 학회 실적 - vLLM 추론 성능 분석, 임베딩 모델별 RAG 성능 비교(2026) 등 AI 데이터 경로 연구 - ZNS·FDP SSD 에뮬레이터(ConfZNS·FDPEmu) 개발로 실장비 없이 설계 검증 가능 - SW스타랩(공개SW 방식)으로 키-밸류 DB를 8년간 장기 개발 중, RocksDB 기반 구현·평가 경험 축적 - 키-값 스토어 조회 방법, 유효 키 비율 기반 제자리 갱신 저장 시스템 특허 출원(2025)
협업 요건
파트너 기대 역할
기업 역할 - 성능을 개선할 제품·서비스의 워크로드 특성과 현재 겪는 병목 지점 공유 - 테스트용 데이터셋 또는 데이터 분포·접근 패턴 정보와 시험 환경 제공 - 개선 목표(지연·처리량·저장 비용) 정의와 결과에 대한 현업 피드백 - 자사 제품 탑재, 기술이전 계약 등 사업화 주도 연구실 역할 - 저장 엔진·인덱스·I/O 경로의 병목 분석과 개선 구조 설계 - 개선 기법 구현과 기업 워크로드 기반 성능 검증 - 벤치마크 결과와 설정·튜닝 권고를 담은 기술 리포트 제공 - 특허·소스코드 등 기업이 이전받을 수 있는 형태로 결과 정리
협업 파트너 희망 요건
- 벡터 DB·검색 엔진을 개발하거나 자사 제품에 내장하려는 기업 - RAG·LLM 서비스를 운영하며 임베딩 저장·검색 지연을 줄이려는 AI 기업 - 데이터레이크·데이터 플랫폼·데이터 통합 솔루션 기업 - DBMS·NoSQL·시계열 DB 개발사 - SSD 컨트롤러·스토리지 펌웨어·스토리지 시스템 기업 - 대용량 로그·트랜잭션 데이터를 키-값 스토어로 처리하는 클라우드·핀테크·게임 서비스 기업 - 자체 데이터센터·프라이빗 클라우드의 스토리지 비용을 줄이려는 기업 - 기업 규모 무관 / 기술이전·분석 리포트 등 비대면 진행 건은 지역 무관