상수 시간(O(1)) 메모리 스냅샷 복원의 비밀 — 차분(Diff) 복원과 UFFD 아키텍처
일러두기: 여기에 명시된 모든 성능 지표는 Vantisso 내부 벤치마크 환경(8 vCPU, 단일 NVMe SSD)에서 API 응답 시간 및 시스템 로그를 기반으로 자체 측정한 실측 데이터를 기반으로 한다.
차분(Diff) 복원의 개념 및 특장점
가상 머신(VM) 기반의 인프라, 특히 서버리스 환경에서는 VM의 상태를 신속하게 저장하고 복원하는 능력이 전체 시스템의 성능을 결정한다. 특히 운영 중인 VM의 상태를 보존하기 위해 매번 전체 메모리 덤프를 디스크에 기록하는 것은 심각한 I/O 병목을 유발한다. 차분(Diff) 복원은 이러한 비효율을 해결하기 위한 구조적 접근법이다. 이 방식은 최초 생성된 베이스(Base) 전체 스냅샷을 기준으로 이후 변경된 페이지(Dirty pages)만을 추적하여 희소(Sparse)한 차분 데이터로 오버레이(Overlay)한다. 전체 메모리를 기록할 필요가 없으므로 차분 스냅샷 생성은 단 0.04초 만에 완료된다. 이는 디스크 I/O와 스토리지 사용량을 획기적으로 낮추어 주며 상태 저장이 빈번한 환경에서 필수적인 기술이다.
차분 복원을 구현하는 두 가지 아키텍처
차분 스냅샷을 읽어 들여 VM의 메모리를 재구성하고 복원하는 아키텍처는 크게 두 가지 방식으로 분류된다.
1. 전체 이미지 병합 방식 (Full-Image Merge)
복원을 수행하기 전에 베이스 이미지를 복사하고 그 위에 차분 데이터를 덮어씌워 전체 메모리 크기와 동일한 단일 이미지를 물리적으로 재구성한다. 디스크 I/O 지연을 완화하기 위해 이 병합 작업은 통상적으로 RAM 기반의 임시 파일 시스템인 tmpfs(/dev/shm) 상에서 수행된다. VM은 재구성이 완료된 단일 이미지를 읽어 들인다.
2. Userfaultfd(UFFD) 기반 온디맨드 방식 (Layered Backend)
물리적인 이미지 병합 과정을 근본적으로 제거한 혁신적인 방식이다. 이 방식은 베이스 이미지를 메모리에 매핑(mmap)만 해둔 상태에서 즉각적으로 VM 구동을 시작한다. 구동 이후 VM이 특정 메모리 페이지에 접근하여 커널 수준의 페이지 폴트(Page-fault)가 발생하면 프로세스 내 UFFD 핸들러가 이를 가로챈다. 핸들러는 해당 페이지가 차분 데이터에 존재할 경우 차분 데이터를 제공하고 그렇지 않을 경우 베이스 이미지의 데이터를 온디맨드로 제공한다. 이 메커니즘 하에서는 전체 RAM 크기에 해당하는 이미지가 물리적으로 생성될 필요가 없다.
실측 데이터 기반 아키텍처 비교 분석
두 아키텍처의 성능 격차는 할당된 게스트 메모리(RAM)의 크기가 증가할수록 뚜렷하게 관찰된다. 전체 이미지 병합 방식은 전체 용량에 비례하는 데이터 복사 연산을 수반하므로 복원 소요 시간이 게스트 RAM 크기에 선형적(RAM-linear)으로 증가하는 구조적 한계를 지닌다. 실제 환경을 구성하고 측정해 본 결과 병합 연산에 소요되는 시간은 1GB당 약 0.41초로 측정되었다. Vantisso가 권장하는 기본(Standard) 프로파일인 512MB와 최대(Max) 프로파일인 2048MB를 비교해보면 용량에 비례한 지연 증가 추세가 명확하다.
- 512MB RAM: 약 0.28초
- 1024MB RAM: 약 0.41초
- 2048MB RAM: 약 0.97초
반면, UFFD 기반 온디맨드 방식은 VM 구동 초기에 실제로 접근하는 워킹 셋(Working set) 영역만 폴트 처리되면 바로 적재하는 방식으로 병합 과정 자체를 없앴기 때문에 할당된 RAM 크기에 비례하여 시간이 드는 작업을 포함하지 않는다. 전체 이미지 병합 방식 테스트와 동일한 환경에서 측정한 UFFD 방식의 복원 시간은 다음과 같다.
- 512MB RAM: 0.140초
- 1024MB RAM: 0.141초
- 2048MB RAM: 0.142초
RAM 크기에 독립적인 상수 시간(O(1)) 복원의 가치
실제 테스트를 통해 살펴본 결과 UFFD 기반의 차분 복원 방식은 다른 구성의 복원 방식보다 기술적 우위가 있음을 알 수 있었다. 선형적 메모리 병합 작업에 낭비되던 연산 시간을 제거함으로써 2048MB RAM을 사용하는 대형 AI 에이전트의 경우 전체 이미지 병합 대비 UFFD 기반 온디맨드 방식을 이용해서 스냅샷 복원을 하면 약 6.5배의 성능 향상을 기대할 수 있다. 특히 복원 시간이 게스트 RAM 크기에 완전히 독립적(RAM-independent)으로 일정하게 유지할 수 있다는 것은 주목해 볼 가치가 있다. 차분 저장을 통한 디스크 I/O 최적화와 UFFD 기반 상수 시간 복원을 결합하면 실행 인프라 위에 AI 에이전트 집적도를 높일 수 있기 때문에 Agentic AI 인프라 설계에서 적극 활용할 것을 권장한다.