Peneliti KAIST Kembangkan GAZE, Percepat Penyimpanan Flash untuk Inferensi AI
Teknologi sistem berkas GAZE dari KAIST melipatgandakan kecepatan pemrosesan data flash storage hingga tiga kali lipat tanpa perlu mengganti perangkat keras.
Foto: TechXplore (Dokumentasi editorial)
Poin penting
- Teknologi GAZE melipatgandakan kinerja pemrosesan data SSD ZNS hingga tiga kali lipat.
- Waktu pembersihan ruang penyimpanan berhasil dipangkas menjadi sepertiga dari durasi normal.
- Optimalisasi berbasis perangkat lunak murni tanpa memerlukan penggantian komponen fisik server.
Kecepatan komputasi kecerdasan buatan sering terhambat oleh lambatnya pasokan data dari perangkat penyimpanan. Masalah ini memicu waktu tunggu sistem yang memperlambat layanan dan memboroskan biaya operasional komputasi awan.
Menurut laporan TechXplore, tim peneliti Korea Advanced Institute of Science and Technology (KAIST) mengembangkan teknologi sistem berkas baru bernama GAZE. Inovasi ini dirancang untuk menghapus sumbatan perangkat lunak pada media penyimpanan flash generasi baru.
Sistem berkas adalah perangkat lunak pengatur tata letak komputer dalam menyimpan, membaca, dan menulis berkas. Riset yang dipimpin Profesor Youjip Won ini dipublikasikan dalam simposium ACM SIGOPS 2026.
Mengatasi Sumbatan Garbage Collection pada SSD
Fokus riset tertuju pada inferensi AI, yakni tahapan saat model AI memproses data guna menghasilkan jawaban bagi pengguna. Proses inferensi membutuhkan pasokan data yang cepat dan stabil agar prosesor tidak menganggur.
Hambatan utama kerap muncul saat perangkat flash menjalankan pembersihan ruang atau garbage collection. Dalam media penyimpanan Zoned Namespace (ZNS), pembersihan area sebesar 1 gigabita secara konvensional membutuhkan waktu sekitar 1,7 detik.
Analisis KAIST membuktikan kelambatan tersebut bersumber dari beban kerja prosesor pusat dalam mengelola memori sistem, bukan dari kelemahan perangkat keras penyimpanan.
Untuk mengatasinya, GAZE merombak pembersihan ruang melalui pemrosesan data empat tahap yang berjalan bersamaan secara tumpang tindih. Sistem juga memesan memori khusus sejak awal dan tetap menerima penulisan data baru saat pembersihan berlangsung.
Untuk memanfaatkan performa penuh memori canggih, sumbatan perangkat lunak harus dihilangkan. Kami menghapus hambatan sistem operasi agar flash storage bekerja maksimal.
Dalam uji coba pada sistem operasi Linux, GAZE memangkas durasi pembersihan ruang menjadi sepertiga dari waktu semula. Kinerja pengolahan data pun meningkat hingga tiga kali lipat dibanding teknologi penyimpanan ZNS sebelumnya tanpa perubahan perangkat keras fisik.
Apa Artinya bagi Pelaku Usaha
Temuan ini membawa angin segar bagi perusahaan yang mengoperasikan pusat data mandiri, penyedia infrastruktur komputasi awan, serta pengembang aplikasi berbasis model bahasa besar. Optimalisasi inferensi AI kini terbukti dapat dicapai melalui pembenahan arsitektur perangkat lunak penyimpanan tanpa belanja cip baru.
Bagi pimpinan teknologi informasi, langkah mitigasi latensi sistem sebaiknya dimulai dengan mengevaluasi efisiensi tumpukan perangkat lunak server. Audit berkala terhadap konfigurasi sistem berkas dan beban I/O penyimpanan dapat memangkas waktu tunggu inferensi secara drastis.
Pelaku usaha di Indonesia disarankan tidak terburu-buru menambah anggaran belanja perangkat keras komputasi berbiaya tinggi. Mengadopsi teknologi sistem berkas modern yang efisien mampu menekan konsumsi daya server sekaligus memaksimalkan hasil investasi infrastruktur AI yang sudah berjalan.
✓ Lolos pemeriksaan redaksi AI. (Klik untuk lihat hasil pemeriksaan fakta)
Artikel ini ditulis AI, 9 klaimnya dicocokkan dengan sumber, dan diuji keterbacaannya sebelum terbit. Menemukan kekeliruan? Laporkan ke redaksi.
- TechXplore: Researchers remove 'speed bottleneck' in flash storage to help accelerate AI inference
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Tim peneliti KAIST mengembangkan teknologi sistem berkas GAZE untuk mempercepat flash storage bagi inferensi AI. | Didukung | “KAIST researchers have developed a technology that improves the process of moving and reorganizing data to reuse storage space, increasing the data-processing performance of next-generation flash storage” TechXplore melaporkan pengembangan teknologi filesystem GAZE oleh tim peneliti KAIST. |
| GAZE meningkatkan kinerja pemrosesan data hingga tiga kali lipat. | Didukung | “GAZE achieved up to three times higher data-processing performance.” TechXplore mencatat GAZE mencapai kinerja pengolahan data hingga tiga kali lipat dibanding teknologi sebelumnya. |
| Teknologi GAZE tidak memerlukan penambahan atau penggantian perangkat keras khusus. | Didukung | “Another key feature of the technology is that it does not require additional dedicated hardware or changes to the format in which data are written to the storage device in order to improve performance.” TechXplore menegaskan bahwa peningkatan performa tidak memerlukan hardware khusus tambahan. |
| Waktu pembersihan ruang penyimpanan terpangkas menjadi sepertiga dari durasi konvensional F2FS. | Didukung | “The time required for space cleanup was also reduced to approximately one-third of that of conventional F2FS.” TechXplore melaporkan waktu garbage collection berkurang menjadi sekitar sepertiga dari durasi standar F2FS. |
| Riset dipimpin oleh Profesor Youjip Won dan dipublikasikan pada ACM SIGOPS Symposium on Operating Systems Principles 2026. | Didukung | “The team led by professor Youjip Won of the School of Electrical Engineering identified the software bottleneck that slows data processing in next-generation flash storage devices and developed "GAZE,"” TechXplore menyebut riset dipimpin oleh Youjip Won dan terbit di simposium ACM SIGOPS. |
| Pembersihan zona 1 GB menggunakan metode konvensional pada penyimpanan ZNS membutuhkan waktu sekitar 1,7 detik. | Didukung | “The research team's analysis showed that cleaning a 1 GB zone using the conventional method took approximately 1.7 seconds.” TechXplore mengutip data analisis tim KAIST terkait durasi pembersihan zona 1 GB. |
| Kelambatan pembersihan sebagian besar bersumber dari manajemen status dan memori oleh CPU, bukan dari perangkat penyimpanan. | Didukung | “overhead generated while reading and rewriting data came not from the storage device itself but from state management and memory management operations performed by the central processing unit (CPU).” TechXplore menjelaskan bahwa overhead berasal dari operasi CPU, bukan keterbatasan media penyimpanan. |
| GAZE membagi pekerjaan pembersihan menjadi empat tahap yang saling tumpang tindih, mengalokasikan memori khusus, dan tetap menerima penulisan data baru. | Didukung | “First, they divided the work of checking, reading, processing and rewriting data into four stages that could overlap with one another.” TechXplore merinci tiga inovasi perombakan proses pembersihan yang diterapkan GAZE. |
| Teknologi ini diimplementasikan dan diuji pada sistem berkas F2FS di Linux 6.1.0. | Didukung | “The research team implemented the technology in the F2FS filesystem on Linux 6.1.0 and compared its performance under various workloads.” TechXplore melaporkan implementasi pengujian dilakukan pada F2FS di Linux 6.1.0. |
Video AI terbaru
Introducing Businesses in ChatGPT in beta
