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
- 김영한
- 발행연도
- 2023
- 저작권
- 숭실대학교 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
단말과 클라우드 컴퓨팅 환경으로 수행하고자 하는 머신러닝 모델을 분할하여 수행하게 하는 분할 컴퓨팅이 단말에서의 처리 능력을 고려한 부하 분담 방식으로서 제안되고 있다. 이러한 클라우드를 활용한 분할 컴퓨팅에서는 단말의 컴퓨팅 가용 상황에 따른 머신러닝 모델의 분할 지점 변화와 클라우드로 보내야 하는 정보량의 차이 등을 고려한 클라우드 컴퓨팅 환경의 구성과 관리가 주요한 이슈가 되고 있다. 특별히 사용자와 근접하게 클라우드 컴퓨팅 제공을 통해 서비스 품질을 개선하고자 하는 엣지 클라우드 환경에서는 제한적 자원을 고려한 관리 기술이 요구된다. 본 논문에서는 컨테이너 중심의 클라우드 관리 시스템인 쿠버네티스를 기반으로 한 엣지 클라우드 환경에서 분할 컴퓨팅을 위한 구조를 제안하고, 단말의 상황을 고려한 분할 컴퓨팅 운용 시스템을 구현하였다. 제안된 시스템은 분할 컴퓨팅 모델의 분할 지점 정보를 받아 최적의 GPU 자원을 할당하도록 설계하였으며, 실험을 통해 효율적인 GPU 활용이 가능함을 검증하였다.
목차
제 1 장 서론 1제 2 장 관련 연구 32.1 쿠버네티스 기반 분할 컴퓨팅의 구조 32.2 KServe의 자동 확장 기능 5제 3 장 분할 컴퓨팅을 위한 쿠버네티스 기반 플랫폼 83.1 제안 구조 83.2 동작 절차 93.2.1 분할 컴퓨팅을 위한 쿠버네티스 기반 플랫폼의 동작 절차 103.2.2 수직 확장을 추가한 자동 확장 방식의 동작 절차 11제 4 장 구현 및 실험 134.1 구현 환경 134.2 구현 결과 144.3 성능 분석 15제 5 장 결론 18참고문헌 19
최근 본 자료
댓글(0)
0