쓰기 폭주 workload에서 tiered compaction이 leveled보다 유리할 수 있는 조건과 읽기 비용을 말해 보세요.

tiered compaction은 비슷한 크기의 sorted run을 당장 큰 level에 반복 rewrite하지 않고 쌓아 두었다가 조건이 맞는 시점에 묶습니다. 그래서 ingestion이 폭주하고 누적 중 point read가 적다면 foreground write가 compaction에 빼앗기는 시간이 줄 수 있습니다. 대신 run이 쌓이는 동안 같은 key range가 여러 파일에 존재하고, point lookup 후보·임시 output·disk space peak가 커집니다. “tiered가 항상 WA가 낮다”가 아니라 쓰기 burst와 읽기 지연 중 어느 목표가 먼저인지의 문제입니다.

100MB 입력을 10MB run 열 개로 나누는 설명 trace를 보겠습니다. leveled는 일부 run을 다음 level과 조정해 overlap을 빠르게 낮출 수 있지만 그 과정에서 이미 기록한 bytes를 반복해서 읽고 씁니다. tiered는 10개를 보유하다 한 번에 100MB merge를 하므로 그 전까지 write path가 가벼울 수 있지만, k lookup은 여러 run의 filter와 index를 확인할 수 있습니다. 동일한 key update가 많으면 각 run의 최신 sequence와 tombstone도 merge해야 합니다.

따라서 비교 시 read/write 비율, append/update/delete, cold p99, run 수, temporary headroom, compaction peak를 고정합니다. 95% append에 조회가 거의 없고 disk 여유가 충분하면 tiered가 후보가 될 수 있지만, 조회가 갑자기 늘어나는 순간 누적 run을 읽는 tail을 별도로 측정합니다. tombstone drop은 run 개수만으로 결정하지 않고 엔진의 file-range·snapshot contract를 확인합니다. 이 질문은 run 누적 상태 trace에 집중하고, universal-vs-leveled 질문은 동일 workload 실험 설계에 집중합니다.