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