SpecDB: 특징 중심 분해를 통한 LLM 생성 맞춤형 데이터베이스

주류 관계형 데이터베이스 (Relational Databases)는 개별 워크로드 (Workload)가 가용 서브시스템 (Subsystems)의 극히 일부만을 사용함에도 불구하고, 배포 시 동일한 기능 세트를 제공합니다. 우리는 대신 타겟 워크로드에 맞춰진 기능 세트를 가진 데이터베이스를 온디맨드 (On-demand)로 생성할 수 있는지 조사합니다. 우리는 대규모 언어 모델 (LLMs)을 사용하여 맞춤형 관계형 데이터베이스를 합성하는 시스템인 SpecDB를 제시합니다. 우리는 9개의 프로덕션 시스템 (Production Systems)을 조사하고 이를 10개의 기능 모듈 (Functional Modules)로 분해하였으며, 각 모듈은 구현 변체 (Implementation Variants)로 더 세분화됩니다. 서로 떨어진 서브트리 (Subtrees) 내의 구현들이 공동 설계되어야 하는 경우를 포함하여 모듈 간 의존성을 포착하기 위해, 우리는 FODA 기능 모델을 채택하고 이를 협력 엣지 (Cooperate Edge)로 확장하여 의존성 그래프인 DBGraph를 생성합니다. SpecDB는 계층화된 모듈 구축 파이프라인을 통해 DBGraph를 실행합니다. 이 파이프라인에서 각 모듈은 전용 서브에이전트 (Subagent, 세 개의 내부 에이전트인 Main, Tester, Architect로 구동됨)에 의해 생성, 검증 및 통합되며, Refining Agent가 기존 데이터베이스 소스 코드에 대한 읽기 전용 액세스 권한을 가진 사용자 제공 리파이닝 하네스 (Refining Harness)를 사용하여 조립된 데이터베이스를 반복적으로 수정하고 튜닝합니다. 보조 선택 컴포넌트는 자연어 워크로드 설명을 구현 변체 세트로 변환하여, 워크로드 설명부터 배포 가능한 데이터베이스까지의 엔드 투 엔드 (End-to-end) 파이프라인을 제공합니다. 우리는 BenchmarkSQL을 사용하여 TPC-C에서 SpecDB를 평가합니다. 생성된 데이터베이스 (23,779 라인의 Rust 코드)는 1개 및 10개 웨어하우스 (Warehouses) 환경에서 오류 없이 60분간의 TPC-C를 완료합니다. 10개 웨어하우스 환경에서 이 시스템은 tpmC=130에 도달하였으며, 이는 PostgreSQL의 128 및 MySQL의 127과 비교되는 수치로, 기존 코드 크기의 약 3% 수준이면서도 유사한 지연 시간 (Latency)을 보여줍니다. 이 에이전트는 제품 소스 코드가 아닌 모듈 명세 (Module-specification) 수준에서 작동하기 때문에, 원칙적으로 시스템 경계를 넘나드는 기술들을 결합할 수 있습니다. 하락하는 LLM 비용과 결합하여, 타겟 워크로드를 위한 목적 맞춤형 데이터베이스를 생성하는 것은 점점 더 간단해지고 있습니다.