지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 전창호
- 발행연도
- 2015
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
클라우드 클러스터는 다수의 물리머신(Physical Machine: PM)으로 구성된 대규모 클러스터로 에너지 사용 효율을 높이는 것은 운영비용을 감소시키기 위한 중요한 과제이다. 클라우드 클러스터의 에너지 사용 효율을 증가시키기 위한 대표적인 방법으로는 가상머신(Virtual Machine: VM)들을 일부 물리머신으로 재배치하고 나머지 PM들의 전원을 차단하는 서버통합이 있다. 서버통합은 VM의 집약도를 높이는 것을 목표로 하기 때문에 서버통합에 관련된 기존의 연구들은 VM의 배치를 결정하는 것에 중점을 두었다. 그러나 동적인 워크로드(workload)를 가지는 클라우드 클러스터의 VM 특성을 감안할 때 서버통합시간이 길어지면 배치의 유효성이 떨어져 VM의 집약도가 낮아질 수 있다. 따라서 서버통합은 가능한 한 짧은 시간에 완료되어야 한다.
본 논문에서는 클라우드 클러스터에서 서버통합시간을 단축시킬 수 있는 VM 재배치기법을 제안한다. 제안하는 기법은 두 단계로 구성된다. 첫 번째 단계는 VM 배치 결정단계로 이주해야하는 VM의 수를 줄이기 위한 배치를 결정한다. 이 단계에서는 우선 배치 집약도 측면에서 우수한 성능을 보이는 FFD(First Fit Decreasing) 알고리즘을 사용하여 배치 초안을 작성한다. 그리고 배치 초안과 VM들의 최근 배치 정보를 비교하여 가능한 작은 수의 VM들만 이주시켜 재배치를 완료할 수 있도록 최종 배치를 결정한다. 두 번째 단계는 이주 병렬화 단계로 연쇄적 이주대기로 인해 순차적으로 이주해야하는 VM들을 병렬로 이주할 수 있게 함으로써 VM들의 총 이주시간을 줄인다. 이 단계에서는 우선 순차적으로 이주해야하는 VM들을 찾아 병렬로 이주할 수 있는 그룹들로 분할한다. 여기서 이주대기 중인 VM들 각각의 이주시간과 대기시간을 분석하여 구한 총 이주시간에 근거하여 분할의 기준이 되는 VM, 즉, 분할 VM을 선정한다. 이렇게 선정된 분할 VM을 대기시간 없이 즉시 이주시킨다면 VM들의 이주를 분할된 그룹 단위로 병렬화할 수 있다. 본 논문에서는 선정된 분할 VM을 클러스터에서 보유하고 있는 여분의 PM으로 임시적으로 이주시킴으로써 VM들의 이주 병렬화를 가능하게 한다. 제안하는 기법은 이 두 단계를 수행함으로써 결과적으로 서버통합에 소요되는 시간을 단축시킨다.
시뮬레이션을 통하여 제안하는 기법의 서버통합시간 단축 효과를 확인한다. 시뮬레이션에서 PM은 8개의 CPU 코어와 16Gbytes의 메모리, 1Gbits의 네트워크 대역폭을 가지며 VM은 각각 1~4개, 1~8Gbytes의 범위에서 랜덤하게 결정된 코어 개수와 메모리양을 가진다. 서버통합시간은 클러스터에서 실행되는 VM의 수와 VM 산재정도의 영향을 받는다. 따라서 VM의 수가 100, 200, 400, 800개인 클러스터들을 VM 산재정도를 달리하여 두 개의 그룹으로 나눈다. VM 산재정도가 높은 그룹에서 측정한 PM들의 CPU와 메모리 활용률의 평균은 약 42%, 36%이고 산재정도가 낮은 클러스터 그룹에서 측정한 PM들의 CPU와 메모리 활용률의 평균은 약 67%, 63%이다. 이렇게 구성된 클러스터들에서 FFD 알고리즘, pMaP, 제안한 기법으로 서버통합과정을 시뮬레이션한다. 시뮬레이션 결과로, 제안하는 기법은 기존 기법들에 비해 서버통합시간을 VM 산재정도가 높을 때 VM 수에 따라 3.8~53.8% 단축시키며 VM 산재정도가 낮을 때 VM 수에 따라 17.2~81.2% 단축시킨다.
시뮬레이션 결과에 근거하여 이주해야할 VM의 수와 VM들의 총 이주시간을 줄이는 것은 클러스터의 VM 수, VM 산재 정도와 관계없이 서버통합 시간을 줄이는데 효과적인 방법임을 확인하였다. 따라서 본 논문의 연구 결과는 규모가 작은 사내 클라우드 클러스터부터 Amazon, Google과 같은 IT벤더의 대규모 클라우드 클러스터에 이르기 까지 서버통합시간을 줄이는데 유용하게 활용될 수 있다.
본 논문에서 제안하는 기법은 이주들을 병렬화하기 위해 추가의 PM을 필요로 한다. 비록 본 논문에서는 병렬화에 필요한 PM 수를 줄이는 방법을 제시하지만 여분의 PM이 충분하지 않거나 PM의 부팅시간이 긴 환경에서에서는 추가로 필요한 PM의 수가 여전히 부담이 될 수 있다. 따라서 향후 연구 과제로 이주 병렬화에 필요한 PM의 수를 줄일 수 있는 방안을 모색할 필요가 있다.
본 논문에서는 클라우드 클러스터에서 서버통합시간을 단축시킬 수 있는 VM 재배치기법을 제안한다. 제안하는 기법은 두 단계로 구성된다. 첫 번째 단계는 VM 배치 결정단계로 이주해야하는 VM의 수를 줄이기 위한 배치를 결정한다. 이 단계에서는 우선 배치 집약도 측면에서 우수한 성능을 보이는 FFD(First Fit Decreasing) 알고리즘을 사용하여 배치 초안을 작성한다. 그리고 배치 초안과 VM들의 최근 배치 정보를 비교하여 가능한 작은 수의 VM들만 이주시켜 재배치를 완료할 수 있도록 최종 배치를 결정한다. 두 번째 단계는 이주 병렬화 단계로 연쇄적 이주대기로 인해 순차적으로 이주해야하는 VM들을 병렬로 이주할 수 있게 함으로써 VM들의 총 이주시간을 줄인다. 이 단계에서는 우선 순차적으로 이주해야하는 VM들을 찾아 병렬로 이주할 수 있는 그룹들로 분할한다. 여기서 이주대기 중인 VM들 각각의 이주시간과 대기시간을 분석하여 구한 총 이주시간에 근거하여 분할의 기준이 되는 VM, 즉, 분할 VM을 선정한다. 이렇게 선정된 분할 VM을 대기시간 없이 즉시 이주시킨다면 VM들의 이주를 분할된 그룹 단위로 병렬화할 수 있다. 본 논문에서는 선정된 분할 VM을 클러스터에서 보유하고 있는 여분의 PM으로 임시적으로 이주시킴으로써 VM들의 이주 병렬화를 가능하게 한다. 제안하는 기법은 이 두 단계를 수행함으로써 결과적으로 서버통합에 소요되는 시간을 단축시킨다.
시뮬레이션을 통하여 제안하는 기법의 서버통합시간 단축 효과를 확인한다. 시뮬레이션에서 PM은 8개의 CPU 코어와 16Gbytes의 메모리, 1Gbits의 네트워크 대역폭을 가지며 VM은 각각 1~4개, 1~8Gbytes의 범위에서 랜덤하게 결정된 코어 개수와 메모리양을 가진다. 서버통합시간은 클러스터에서 실행되는 VM의 수와 VM 산재정도의 영향을 받는다. 따라서 VM의 수가 100, 200, 400, 800개인 클러스터들을 VM 산재정도를 달리하여 두 개의 그룹으로 나눈다. VM 산재정도가 높은 그룹에서 측정한 PM들의 CPU와 메모리 활용률의 평균은 약 42%, 36%이고 산재정도가 낮은 클러스터 그룹에서 측정한 PM들의 CPU와 메모리 활용률의 평균은 약 67%, 63%이다. 이렇게 구성된 클러스터들에서 FFD 알고리즘, pMaP, 제안한 기법으로 서버통합과정을 시뮬레이션한다. 시뮬레이션 결과로, 제안하는 기법은 기존 기법들에 비해 서버통합시간을 VM 산재정도가 높을 때 VM 수에 따라 3.8~53.8% 단축시키며 VM 산재정도가 낮을 때 VM 수에 따라 17.2~81.2% 단축시킨다.
시뮬레이션 결과에 근거하여 이주해야할 VM의 수와 VM들의 총 이주시간을 줄이는 것은 클러스터의 VM 수, VM 산재 정도와 관계없이 서버통합 시간을 줄이는데 효과적인 방법임을 확인하였다. 따라서 본 논문의 연구 결과는 규모가 작은 사내 클라우드 클러스터부터 Amazon, Google과 같은 IT벤더의 대규모 클라우드 클러스터에 이르기 까지 서버통합시간을 줄이는데 유용하게 활용될 수 있다.
본 논문에서 제안하는 기법은 이주들을 병렬화하기 위해 추가의 PM을 필요로 한다. 비록 본 논문에서는 병렬화에 필요한 PM 수를 줄이는 방법을 제시하지만 여분의 PM이 충분하지 않거나 PM의 부팅시간이 긴 환경에서에서는 추가로 필요한 PM의 수가 여전히 부담이 될 수 있다. 따라서 향후 연구 과제로 이주 병렬화에 필요한 PM의 수를 줄일 수 있는 방안을 모색할 필요가 있다.
목차
제 1 장 서 론 .......................................................... 11.1 연구 배경 및 필요성 ............................................. 11.2 연구 내용 및 방법 ................................................. 3제 2 장 클라우드 컴퓨팅 .......................................... 52.1 클라우드 컴퓨팅 개요 ................................................... 52.2 클라우드 클러스터의 구성 및 특징 ................................ 82.3 가상화 .......................................................................... 102.4 가상머신(Virtual Machine: VM) ................................. 162.5 VM의 이주 .................................................................. 192.5.1 프리 카피 이주방식 ..................................................... 202.5.2 포스트 카피 이주방식 ................................................. 222.5.3 프리 카피와 포스트 카피 이주방식의 이주시간 .......... 232.5.4 이주 부하 ...................................................................... 24제 3 장 서버 통합 .................................................. 263.1 물리머신(Physical Machine: PM)의 자원 활용률에 따른 전력 소모량 ................................................................. 273.2 VM 배치 결정 ............................................................. 293.2.1 Bin packing 문제 ........................................................ 293.2.2 First Fit decreasing 알고리즘 .................................... 303.2.3 Best Fit decreasing 알고리즘 .................................. 323.2.4 FFD와 BFD 알고리즘을 통한 VM 배치 ...................... 343.3 VM 재배치 .................................................................. 363.3.1 VM 재배치 비용 ............................................................ 383.3.2 VM 재배치 시간 .......................................................... 393.4 문제점 및 해결방안 ...................................................... 42제 4 장 서버통합 시간을 단축하기 위한 VM 재배치 .............................................................. 434.1 VM 배치 결정 ............................................................. 444.1.1 VM과 가상 PM간의 매핑 ............................................ 444.1.2 가상 PM과 실제 PM간의 매핑 .................................... 464.2 이주 병렬화 ................................................................. 524.2.1 이주체인 생성 .............................................................. 534.2.2 이주체인 분할 .............................................................. 594.2.3 이주대기 유형으로부터 생성한 이주체인의 분할 ......... 654.2.4 복합형으로부터 생성한 이주체인의 분할 ..................... 684.2.5 서브체인의 병렬수행 .................................................... 704.2.6 선택적 튜닝 ................................................................. 714.2.6.1 이주 병렬화에 필요한 PM 수 감축 .................. 714.2.6.2 SLA 위반확률의 저감 ....................................... 73제 5 장 성능 평가 ................................................... 815.1 네트워크 I/O 성능과 VM의 이주시간 측정 ................. 825.2 제안하는 기법의 시간 복잡도 ........................................ 855.3 서버통합 시뮬레이션 .................................................... 875.3.1 시뮬레이터 구현 ........................................................... 875.3.2 VM의 초기 배치 ......................................................... 905.3.3 시뮬레이션 환경 ........................................................... 915.3.4 시뮬레이션 대상 기법 .................................................. 935.4 시뮬레이션 결과 및 분석 ............................................. 955.4.1 에너지 효율성 .............................................................. 955.4.2 서버통합 비용 ............................................................ 1005.4.3 서버통합 시간 ............................................................ 1035.4.3.1 연쇄적으로 이주를 대기하는 VM의 개수 ........ 1035.4.3.2 VM의 이주 대기시간 ...................................... 1085.4.3.3 동시에 이주하는 VM의 수 .............................. 1125.4.3.4 서버통합시간 ................................................... 1145.4.3.5 이주 병렬화에 사용된 PM의 비율과 서버통합시간 단축률의 관계 ......................... 117제 6 장 결 론 ...................................................... 122
최근 본 자료
댓글(0)
0