분산 저장을 위한 하다마드 설계 기반 코드

본 논문은 대규모 데이터 센터와 피어‑투‑피어 네트워크 등에서 널리 사용되는 erasure coding 기반 분산 저장 시스템의 핵심 문제인 ‘노드 복구 시 필요한 전송량(Repair Bandwidth)’을 최소화하는 새로운 코드를 설계한다. 기존의 MDS(Maximum Distance Separable) 코드는 저장 효율은 높지만, 단일 노드 복구 시 전체 데이터를 전송해야 하는 비효율적인 구조를 가지고 있다. 최근 연구에서는 인터페런스 정렬(Interference Alignment, IA) 개념을 도입해 복구 대역폭을 이론적 최소값에 가깝게 줄이는 방법이 제시되었지만, 대부분은 파일 크기와 필드 크기가 무한히 커야 하는 asymptotic 방식에 머물렀다. 저자들은 이러한 한계를 극복하고자 두 가지 혁신적인 접근을 결합한다. 첫 번째는 Cadambe‑et‑al.이 제안한 심볼 확장 IA를 ‘점‑온‑격자(dots‑on‑a‑lattice)’ 모델로 시각화한 것이다. 이 모델에서는 각 코드 행렬이 생성하는 벡터를 격자상의 점으로 나타내어, 행렬 곱셈이 격자 좌표를 어떻게 이동시키는지를 직관적으로 파악한다. 특히, 대각 행렬 X_i의 원소를 Δ‑차원의 원시근(root of unity)으로 설정하면, 격자 점이 Δ를 초과했을 때 원점으로 되돌아가는 ‘wrap‑around’ 현상이 발생한다. 이는 IA 과정에서 인터페런스 공간을 정확히 겹치게 만드는 핵심 메커니즘이다. 두 번째는 이러한 원시근을 갖는 대각 행렬들을 하다마드 행렬(Hadamard matrix)의 열벡터와 일대일 대응시키는 설계이다. Sylvester 방식으로 재귀적으로 구성되는 N×N 하다마드 행렬 H_N은 N/2개의 +1과 –1을 갖는 열을 가지고, 서로 직교한다. 논문에서는 N=2^k 로 두고, X_i = I_{2^{i-1}} ⊗ blkdiag(I_{2^{k-i}}, –I_{2^{k-i}}) 형태의 대각 행렬을 정의한다. 이때 X_i의 각 원소는 1 혹은 –1이며, 이는 2‑차 원시근에 해당한다. 이렇게 정의된 X_i들을 이용해 H_N = {∏_{i=1}^k X_i^{x_i} w | x_i∈{0,1}} 라는 집합을 만들면, H_N의 모든 열이 정확히 이 집합의 원소가 된다. 코드 구조는 (k+2, k) 형태이며, 시스템 노드 k개와 두 개의 패리티 노드로 구성된다. 시스템 노드 i는 원본 데이터 조각 f_i를 그대로 저장하고, 두 패리티 노드 a와 b는 각각 f_i에 X_i를 곱한 뒤 선형 결합한 값을 저장한다. 복구 시에는 실패한 시스템 노드 i에 대해 복구 매트릭스 V_i를 선택한다. V_i는 H_N에서 i번째 행렬 X_i를 제외한 모든 X_j (j≠i)의 조합으로 만든 N/2개의 열벡터 집합이다. V_i는 완전한 열 독립성을 가지며, 모든 다른 X_j와 곱해도 격자상의 점 집합이 변하지 않는다(L(V_i)=L(X_j V_i), 즉 인터페런스가 정확히 N/2 차원으로 정렬된다. 반면 X_i와 곱하면 격자 점이 새로운 차원을 차지해 전체 N 차원의 유용 데이터 공간을 형성한다. 따라서 복구에 필요한 전송량은 N/2(= (k+1)·N/2) 로, 이론적 최소값인 (k+1)·N/2 와 정확히 일치한다. 패리티 노드 복구도 유사하게 처리한다. 예를 들어 패리티 a가 손실되면, 패리티 b의 데이터를 X_1 로 변환해 다운로드하면, 손실된 패리티와 동일한 선형 조합을 얻을 수 있다. 이때도 인터페런스 정렬이 N/2 차원으로 제한되므로, 패리티 복구에 필요한 대역폭은 시스템 노드 복구와 동일하거나 그 이하이다. 내구성 측면에서 이 코드는 단일 노드 실패와 ‘시스템 노드 하나 + 패리티 노드 하나’ 형태의 두 노드 동시 실패를 모두 복구할 수 있다. 그러나 두 시스템 노드가 동시에 실패하면 복구가 불가능한데, 이는 코드의 최소 거리 d=3에 해당한다. 파일 복구를 위해서는 k+1/2개의 코딩 블록만 필요하므로, 전체 저장 효율은 전통적인 (k+2, k) MDS 코드보다 약간 낮지만, 복구 대역폭 효율성에서는 최적에 가깝다. 결론적으로, 저자들은 하다마드 설계와 격자 기반 인터페런스 정렬을 결합해, 고정된 파일 크기와 작은 필드(GF(3))에서도 정확한 IA를 구현함으로써, 고율( k ≈ n‑2) 분산 저장 시스템에서 이론적 최소 복구 대역폭을 달성하는 실용적인 코드를 제시하였다. 이 연구는 대규모 클라우드 스토리지에서 네트워크 트래픽을 크게 절감하고, 복구 지연을 최소화하는 데 기여할 것으로 기대된다.