기술 요약: LLM 기반 오라클에서 PostgreSQL 로의 마이그레이션을 위한 토큰 최적화 전략

1. 문제 정의

레거시 오라클 SQL 및 PL/SQL 아티팩트를 PostgreSQL 로 마이그레이션하는 것은 기업용 소프트웨어 현대화의 핵심 요소입니다. 대규모 언어 모델 (LLM) 은 이러한 변환을 자동화할 잠재력을 제공하지만, 현재는 높은 토큰 소비, 긴 컨텍스트에서의 성능 저하 ("중간에서 잊혀짐" 현상), 그리고 의미적 이탈의 위험으로 인해 제약받고 있습니다.

대규모 오라클 스키마, 절차적 논리, 그리고 마이그레이션 규칙을 직접 LLM 프롬프트에 입력하면 API 비용이 증가하고 종종 생성 품질이 저하됩니다. 프롬프트 압축이나 일반적인 Text-to-SQL 생성에 대한 기존 접근 방식은 방언 마이그레이션의 특정 제약 조건, 즉 절차적 의미, 스키마 제약 조건, 그리고 식별자 의미를 보존하는 문제를 충분히 다루지 못합니다. 핵심 문제는 올바른 구문적으로 유효한 마이그레이션에 필요한 의미 정보를 잃지 않으면서 컨텍스트 크기를 줄이는 방법입니다.

2. 방법론

본 연구는 토큰 최적화를 명세 주도 개발 (SDD) 내의 제약 변환 문제로 형식화합니다. 저자들은 마이그레이션 컨텍스트 (소스 코드, 명세, 규칙) 가 LLM 생성 함수 $G$에 전달되기 전에 전략 함수 $f_i$에 의해 변환되는 파이프라인을 제안합니다.

A. 전략 분류

12 가지의 서로 다른 토큰 최적화 전략이 정의되고 평가되었습니다:

1. 기준선 (Baseline): 수정되지 않은 원시 오라클 SQL/PL/SQL.
2. 컨텍스트 가지치기: 주석과 오라클 고유의 물리적 매개변수 (예: TABLESPACE, STORAGE) 제거.
3. 최소화 (Minification): 중복된 공백과 개행 문자 축소.
4. 의미 압축 (DSL): 반복적인 SQL 구조를 컴팩트한 기호 형태로 매핑.
5. 메타데이터 증강: 의미적 앵커로 스키마 속성과 주요 매개변수를 주입.
6. 컨텍스트 리팩토링: 식별자에서 불필요한 따옴표 제거.
7. 스키마 증류: 핵심 스키마 논리만 유지하기 위해 2 차 절차적 정의 제거.
8. 적응형 라우팅: 입력 구조적 복잡성 (예: PL/SQL 비율) 에 따라 최적화 전략을 동적으로 선택.
9. AST 기반 최소화: 직렬화 전에 불필요한 노드를 제거하기 위해 SQL 을 추상 구문 트리 (AST) 로 파싱.
10. 식별자 마스킹: 길고 자세한 테이블/컬럼 이름을 짧은 결정적 별칭으로 대체.
11. 출력 제약 강제: 대화형 출력, 마크다운, 또는 추가 포맷팅을 방지하기 위해 LLM 의 시스템 프롬프트 제한.
12. 하이브리드 최적화: 적응형 입력 압축과 출력 제약을 결합.

B. 실험 설정

• 데이터셋: 검증된 PostgreSQL 번역과 짝을 이룬 오라클 SQL/PL/SQL 아티팩트의 두 하위 집합: 초기 검증을 위한 10 개 쿼리 샘플과 통계적 견고성을 위한 100 개 쿼리 샘플.
• 모델: 대상 LLM 으로 GPT-4o 사용.
• 평가 지표:
  • 유효 구문률 (VSR): 유효한 PostgreSQL 로 파싱 가능한 출력의 비율.
  • 정확 일치 (EM): 참조와 문자 그대로 일치하는 정도.
  • 의미 일치 (SM): AST 비교 또는 전문가 평가를 통한 기능적 동등성.
  • CodeBLEU: 구조적 유사성 지표.
  • 토큰 효율성 (TE): 토큰 비용 대비 의미적 수익 ($SM / (T_{in} + T_{out})$).

3. 주요 결과

100 개 쿼리 샘플에 대한 평가는 토큰 감소와 마이그레이션 품질 간의 상당한 트레이드오프를 드러냈습니다:

• 안전한 전략: 컨텍스트 가지치기가 가장 안전한 최적화였으며, 입력 토큰을 1.19% 줄이고 출력 토큰을 1.08% 줄이면서도 의미 일치도를 89.75% 로 유지했습니다 (기준선의 89.80% 와 거의 동일).
• 최적의 트레이드오프: 적응형 라우팅이 가장 실용적인 균형을 제공했습니다. 입력 토큰을 8.72% 줄이고 출력 토큰을 5.49% 줄이면서 88.40% 의 의미 일치도를 유지하고 토큰 효율성을 6.67% 증가시켰습니다.
• 고위험 공격적 전략:
  • 스키마 증류는 막대한 토큰 감소 (입력 81.72%, 출력 74.64%) 를 달성하고 토큰 효율성을 132.22% 증가시켰습니다. 그러나 이는 의미 일치도에서 44.50% 포인트 하락을 초래하여 복잡한 논리의 경우 출력이 기능적으로 부적절하게 만들었습니다.
  • 식별자 마스킹은 입력 토큰을 33.30% 줄였지만 의미 일치도를 30.08% 포인트 하락시켜, 도메인 특화 식별자가 비즈니스 논리를 추론하는 데 필수적임을 확인시켰습니다.
• 출력 제약: 출력 포맷팅을 제한하면 출력 토큰을 15.05% 줄였지만 유효 구문률을 7% 포인트, 의미 일치도를 10.78% 포인트 저하시켰습니다. 이는 지나치게 엄격한 제약이 모델이 올바른 SQL 을 생성하는 능력을 방해함을 시사합니다.

4. 주요 기여

1. 분류 체계 제안: 오라클에서 PostgreSQL 로의 마이그레이션에 특화된 12 가지 토큰 최적화 전략에 대한 공식 분류 체계를 제시합니다.
2. 문제 형식화: 토큰 최적화를 단순한 프롬프트 단축이 아닌, 비용, 구문 유효성, 그리고 의미 보존 사이의 균형을 맞추는 다목적 제약 변환 문제로 제시합니다.
3. 경험적 증거: 다양한 쿼리 복잡성에 걸쳐 이러한 전략에 대한 엄격한 경험적 비교를 제공하여, 공격적인 압축이 종종 의미적 이탈로 이어짐을 입증합니다.
4. 의사결정 모델: 고충실도 요구사항에는 온건한 가지치기를, 확장 가능한 이질적 마이그레이션에는 적응형 라우팅을 사용하도록 권고하고 절차적 논리에 대한 공격적 증류를 경고하는 실용적 전략 선택 모델을 제안합니다.

5. 중요성과 주장

본 논문은 LLM 기반 데이터베이스 마이그레이션에서의 토큰 최적화를 일차원적인 비용 감소 작업으로 취급할 수 없다고 주장합니다. 연구 결과는 공격적인 토큰 감소가 종종 의미적 저하를 초래하여 토큰 효율성 지표가 높음에도 불구하고 마이그레이션 출력이 기능적으로 무용지물이 될 수 있음을 보여줍니다.

주요 중요성은 적응형 컨텍스트 압축이 균일한 압축보다 우월하다는 점을 확립하는 데 있습니다. 구조적 복잡성에 따라 입력을 동적으로 라우팅함으로써 (예: 순수 DDL 과 복잡한 PL/SQL 구분), 조직은 마이그레이션된 코드의 의미 무결성을 훼손하지 않고 토큰 사용량을 "안전하게" 약 8-9% 감소시킬 수 있습니다. 연구는 성공적인 마이그레이션이 비용과 구조적 충실도 사이의 균형에 달려 있으며, 온건한 가지치기와 적응형 라우팅이 가장 실현 가능한 생산 전략임을 결론짓습니다.