에이전트 튜닝(Agentic Tuning)의 필요성: PostgreSQL에서 문서에서 실행으로
요약
기존의 정적인 문서 기반 시스템 튜닝은 소프트웨어 업데이트에 따른 노후화와 파라미터 간 상호 의존성 무시라는 한계가 있습니다. 이를 해결하기 위해 전문가의 튜닝 방법론을 실행 가능한 기술로 변환하여 LLM 에이전트가 직접 최적화를 수행하는 PerfEvolve를 제안합니다. PostgreSQL 환경에서 테스트한 결과, 기존 방식 대비 최대 35.2%의 성능 향상을 달성했습니다.
핵심 포인트
- 정적 문서 기반 튜닝의 한계(문서 노후화, 워크로드 이질성, 파라미터 간 의존성 무시) 지적
- 전문가의 튜닝 방법론을 실행 가능한 기술(Executable skills)로 변환하는 PerfEvolve 프레임워크 제안
- LLM 에이전트를 활용한 버전 일관성 검증, 워크로드 프로파일링, 다중 파라미터 공동 최적화 수행
- PostgreSQL(TPC-C, TPC-H 벤치마크) 환경에서 기존 베이스라인 대비 최대 35.2% 성능 개선 확인
문서(Documentation)는 전문가의 지식을 파라미터별 권장 사항으로 추출함으로써 오랫동안 컴퓨터 시스템 튜닝(Tuning)을 안내해 왔습니다. 그러나 이러한 가이드는 전문가가 도출한 결론만을 포착할 뿐, 그들이 어떻게 추론하는지는 버려집니다. 이러한 근본적인 격차는 세 가지 구체적인 결함으로 나타납니다: 소프트웨어가 진화함에 따라 문서가 노후화되고, 이질적인 워크로드(Heterogeneous workloads) 하에서 실패하며, 파라미터 간의 상호 의존성(Inter-parameter dependencies)을 무시한다는 점입니다. 우리는 시스템 튜닝을 위해 정적인 문서에서 동적인 실행(Action)으로 전환할 것을 제안합니다. 우리는 전문가의 튜닝 방법론을 실행 가능한 기술(Executable skills)로 변환하여, LLM 기반 에이전트(Agents)가 버전 일관성 검증(Version-consistency verification), 워크로드 특화 프로파일링(Workload-specific profiling), 그리고 다중 파라미터 공동 최적화(Multi-parameter joint optimization)를 수행할 수 있도록 하는 PerfEvolve를 소개합니다. TPC-C 및 TPC-H 벤치마크 환경의 PostgreSQL에서 평가한 결과, PerfEvolve는 최신 문서 기반 튜닝 베이스라인(Baselines)보다 최대 35.2% 더 우수한 성능을 보였습니다. 이 도구는 https://github.com/ISCAS-OSLab/PerfEvolve 에서 확인할 수 있습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기