클라우드 데이터센터에서 과부하 시스템 완화 기법. [41]
Download
Report
Transcript 클라우드 데이터센터에서 과부하 시스템 완화 기법. [41]
클라우드 데이터센터에서 과부하 시
스템 완화 기법
김성현, 이수경
연세대학교 컴퓨터과학과
1
Contents
1.
2.
3.
4.
5.
6.
2
서론
기존 Hotspot 완화 알고리즘
제안 Hotspot 완화 알고리즘
Hotspot Contribution 알고리즘
성능 비교
결론
1. 서론
클라우드 서비스에서
VM(Virtual Machine)은 특
정 PM(Physical Machine)에
서 할당 받음
데이터 센터
PM이VM의 요구를 처리
PM
PM
PM
PM
하지 못함 -> 과부하 상
태(Hotspot) 발생 -> 다른
PM으로 이동
VM
3
VM
VM
2. 기존 Hotspot 완화 알고리즘
매 Hotspot 감지시점마다 검사
자원사용률의 임계값 초과시 Hotspot으로 인
식
해당 상태만으로 최적의VM을 선택해 이주
단점 : 남은VM들의 자원 사용률 증가로 인
한 Hotspot 재발생 가능성이 큼
4
3. 제안 Hotspot 완화 알고리즘
-VM의 미래 자원 사용률을 예측하여 선택 -
5
3. 제안 Hotspot 완화 알고리즘
1) 예측
각 PM은 FUSD(Fast Up and Slow Down) 예측 알고리즘
을 적용하여 예측값 E t , 1≤ t ≤ 𝑡𝑤 을 갖는 예측
구간을 생성
VM의 예측구간을 RM(Resource Manager)에게 전달
6
3. 제안 Hotspot 완화 알고리즘
2) Resource Manager
모든 PM에 대해 순차적으로 각 PM을 검사
해당 PM의 예측구간 내에서 E(t)가 Hotspot 임계값을
초과하는 총 시간 𝑡𝑒𝑥 을 계산
𝑡𝑒𝑥 > 0 이면 Hotspot으로 인식(𝑃𝑀ℎ𝑜𝑡 ) ->
HCA(Hotspot Contribution Algorithm)에 𝑃𝑀ℎ𝑜𝑡 정보 전
송
7
3. 제안 Hotspot 완화 알고리즘
3) Hotspot Contribution Algorithm
𝑃𝑀ℎ𝑜𝑡 의 각VM에 대해 우선순위 C를 두어 최대의
C를 갖는VM을 𝑃𝑀𝑑 (Destination PM)으로 이주
𝑃𝑀𝑑 는 가상 이주 시뮬레이션을 통해 결정
8
4. Hotspot Contribution 알고리즘
우선순위 C
자원 사용률이 높을수록, 시간에 따라 증가할 수록
높은 우선 순위를 가짐
𝑃𝑀𝑑
이주 수행 후에 𝑃𝑀𝑑 의 𝑡𝑒𝑥 가 0 이 되는것을 우선,
없을 경우 𝑡𝑒𝑥 를 최소로 증가시키는 𝑃𝑀𝑑 를 선택
9
5. 성능 비교
PM당 수용할 수 있는VM 6대
PM 100대, VM 300, 400 대 생성
𝑡𝑤 = 600초 , 임계값 = 0.9
자원 사용률 데이터는 Inc, Dec, Stable, Cycle & Bursting,
On/Off 의 패턴중 임의의 패턴을 갖음
같은 테스트를 30회 수행했을 때의 평균값을 측정
10
5. 성능 비교
11
5. 성능 비교
12
6. 결론
과부하 시간은 줄었으나VM 이주횟수가 증가
VM 이주횟수로 인한 오버헤드에 대해선 언급하지
않음
FUSD보다 더 정확도가 높다고 알려진 SPAR 알고리
즘으로 더 나은 성능향상을 보일 수 있을 것
13