대규모 LCP 검색을 위한 최적 공간·시간 트레이드오프와 GPU 에너지 308배 절감

초록

본 논문은 문자열 집합에 대해 최장 공통 접두사(LCP) 기반 상위‑k 검색을 다루며, 셀‑프로브 모델에서 Ω(N) 공간 하한을 증명하고 O(N·L) 공간·O(L+k) 시간 복잡도를 갖는 트라이 인덱스를 제시한다. 또한 프리픽스 구조를 활용한 Thermal‑Aware Logic(TAL) 기법으로 NVIDIA H100 GPU에서 쿼리당 에너지를 308배, 지연을 329배 감소시키면서 99% 수준의 지속적인 활용률을 달성한다.

상세 분석

이 연구는 세 가지 핵심 기여를 통해 LCP 기반 검색의 이론적 한계와 실용적 구현을 연결한다. 첫째, 셀‑프로브 모델을 이용해 상위‑k LCP 조회를 지원하는 어떠한 자료구조도 Ω(N) 셀을 사용해야 함을 보였으며, 이는 데이터셋 크기 N에 비례하는 최소 메모리 요구량을 의미한다. 저자는 이 하한을 N·L 길이의 트라이 인덱스로 거의 맞추어, 각 시퀀스가 최대 L개의 노드를 생성하도록 설계하였다. 트라이의 각 노드는 자식 맵, 종료 리스트, 서브트리 크기 정보를 보유하고, 전체 구축 비용은 O(N·L) 시간·공간이다.

둘째, 쿼리 알고리즘은 입력 문자열 q를 트라이의 루트부터 순차적으로 탐색해 가장 긴 공통 접두사를 찾고, 해당 노드의 서브트리를 BFS 방식으로 탐색해 상위‑k 결과를 수집한다. 이 과정은 접두사 탐색에 O(L)와 결과 수집에 O(k)만큼의 셀 접근을 요구하므로, 최악의 경우에도 O(L+k) 시간 복잡도를 유지한다. 또한 정렬된 자식 순회와 인덱스 기반 동등성 비교를 통해 완전한 결정론을 보장한다(동일 입력에 대해 언제나 동일한 출력).

셋째, 에너지 효율성을 위한 Thermal‑Aware Logic(TAL) 단계에서는 트라이의 프리픽스 버킷을 이용해 검색 범위를 B=σ^d 로 제한한다. 균등 분포 가정 하에 버킷당 평균 아이템 수는 N/σ^d 로 감소하므로, 전체 스캔 대비 B배 적은 연산만 수행한다. 실험에서는 d=4~6 정도의 프리픽스 길이가 256개의 알파벳을 가진 데이터에 최적화돼, H100 GPU에서 쿼리당 0.0145 J 에너지와 0.114 ms(p95) 지연을 기록했다. 이는 기존 전체 스캔 방식(4.46 J, 37.5 ms) 대비 각각 308배·329배 개선이며, GPU 온도 상승을 억제하고 99% 근접의 지속 사용률을 유지한다.

이론적 측면에서는 LCP 거리의 초메트릭 성질을 이용해 전통적인 전임자(predecessor) 문제와 연결, Ω(log L/ log log L) 수준의 쿼리 하한을 도출한다. 또한 Orthogonal Vectors 가설(OVH)과 연계해 O(N^{1‑ε}) 시간 복잡도로는 근본적인 개선이 불가능함을 증명, 제시된 O(L+k) 복잡도가 조건부 최적에 가깝다는 점을 강조한다.

전체적으로, 이 논문은 대규모 문자열 데이터베이스에서 결정론적이고 에너지 효율적인 상위‑k 검색을 구현하기 위한 완전한 이론·알고리즘·시스템 스택을 제공한다.