데이터베이스 종속성 해소: 데이터베이스 우회 위한 고성능 스토리지 리더의 에이전트 기반 재생성

Breaking Database Lock-in: Agentic Regeneration of High Performance Storage Readers for Database Bypass

외부 데이터베이스 시스템에 저장된 데이터를 사용하는 분석 워크로드는 근본적인 병목 현상을 겪습니다. 데이터 접근은 JDBC 또는 ODBC와 같은 데이터베이스 드라이버에 의해 완전히 제어되며, 모든 읽기 작업은 대량 컬럼 기반 분석에 적합하게 설계되지 않은 쿼리 실행 및 기타 드라이버 레이어를 거쳐야 합니다. 본 논문에서는 'Jailbreak'라는 접근 방식을 제시합니다. Jailbreak는 스토리지 파일을 직접 읽고 데이터를 메모리 내 컬럼 버퍼로 변환하여 데이터베이스 엔진 자체를 우회합니다. Jailbreak의 핵심 아이디어는 데이터베이스 파일 형식이 복잡하지만, 소스 코드 및 문서에 의해 완전히 정의되어 있으며, 대규모 언어 모델(LLM)이 이러한 정보를 활용하여 사람이 설계한 파싱 로직 없이도 특정 운영체제에 맞는 테이블 읽기 컴포넌트를 재생성할 수 있다는 것입니다. Jailbreak는 LLM 기반 코드 생성 기술을 활용하여 데이터베이스 스토리지 디코딩 과정을 자동화하고, 전통적으로 불투명했던 파일 형식을 직접 쿼리 가능한 형태로 변환합니다. 우리는 PostgreSQL 및 MySQL 스토리지 파일을 사용하여 Jailbreak를 평가했으며, 읽기 복제 및 오프라인 처리 파이프라인에서 흔히 사용되는 분석 스냅샷 시나리오를 대상으로 했습니다. 생성된 리더는 Apache Arrow 버퍼를 생성하며, 이는 DuckDB, Apache Spark, cuDF 및 Spark RAPIDS와 같은 대부분의 널리 사용되는 쿼리 엔진에서 직접 사용할 수 있습니다. 우리는 TPC-H 벤치마크를 사용하여 JDBC/ODBC 기반의 기준 성능과 비교하여 정확성을 검증하고, 전체 분석 처리량을 크게 향상시켜 최대 27배의 속도 향상을 달성했습니다. 우리의 연구 결과는 LLM 기반 스토리지 리더 생성 기술이 데이터베이스 시스템 간의 데이터 종속성을 해소하는 데 유효하고 일반화 가능한 방법론이며, PostgreSQL 및 MySQL 외에도 문서 또는 소스 코드를 통해 파일 형식이 제공되는 모든 시스템에 적용될 수 있음을 보여줍니다.

Analytical workloads operating on data stored in external database systems face a fundamental bottleneck: data access is guarded entirely by the database driver, like JDBC or ODBC, forcing all reads through query execution and other driver layers that are not designed for bulk columnar analytics. We present Jailbreak, an approach that bypasses the database engine entirely by reading storage files directly and materializing data as in-memory columnar buffers. Jailbreak's key insight is that database file formats, while complex, are fully specified by their source code and documentation, artifacts that Large Language Models (LLMs) can ingest to regenerate operator-specific table reading components without human-engineered parsing logic. Jailbreak leverages LLM-assisted code synthesis for database storage decoding, turning a traditionally opaque format into a directly queryable artifact. We evaluate Jailbreak on PostgreSQL and MySQL storage files, targeting analytical snapshot scenarios common in read replicas and offline processing pipelines. The generated reader produces Apache Arrow buffers consumable directly by most of the widely known query engines, including DuckDB, Apache Spark, and GPU-accelerated frameworks such as cuDF and Spark RAPIDS. We validate correctness against JDBC/ODBC-based baselines using the TPC-H benchmark across all query results, and demonstrate significant performance improvements in end-to-end analytical throughput, achieving up to 27x speedups. Our results showcase that LLM-assisted storage reader synthesis is a viable and generalizable methodology for breaking data lock-in across database systems, with applications beyond PostgreSQL and MySQL for any system whose file format is available to the LLM from documentation or source code.