| 초록 |
클라우드 컴퓨팅의 발전으로 다양한 과학 분야의 연구자들은 연구에 필수적인 슈퍼 컴퓨터를 온-디멘드 서비스로 제공받을 수 있으며, 동적인 자원 확장이 가능해짐에 따라 그들의 연구 환경을 확장해 나가고 있다. 이처럼 사이언스 클라우드는 최근 여러 과학 분야에서 새로운 연구 환경 패러다임으로 주목 받고 있다. 하지만 사용자의 요구에 알맞게 신속하고 동적인 가상 작업 공간을 구성하는 것이 어렵기 때문에 응용의 특성을 고려하여, 적절한 실험 환경을 미리 구성하는 것이 중요하게 여겨진다. 더불어 적정 수준의 성능을 보장하는 가상 머신을 제공하는 스케줄링 메커니즘도 요구된다. 본 논문에서는 작업이력의 통계적 분석을 통한 사이언스 클라우드 프로비저닝 모델을 제안한다. 이 모델은 어플리케이션의 실행에 의해 축적된 작업이력을 분석하여 그 특성을 파악하고, 결과를 자원 프로비저닝 결정에 사용한다. 작업이력 분석을 위해서는 통계적 분석 기법인 주성분 분석을 적용하였으며, 이로써 작업 프로파일들 중 가장 영향력이 큰 요인과 이력을 선별한다. 선별한 요인은 참조할 프로파일을 선택하는 데에 활용하며, 그 중 가장 우수한 성능을 갖는 자원에 가상머신을 배치 후 작업을 스케줄링 한다. 작업 수행 후에는 그 결과를 통해 프로파일의 신뢰성을 평가하고 동적인 환경에 적응하는 알고리즘의 유효성을 보인다. 논문의 후반에 제시된 성능 비교로써, 제안 모델 활용 시에 대기 시간의 감소와 성능 향상을 이끌며 가상화 단점을 극복하고 클라우드의 장점을 극대화 할 수 있음을 보였다. 이로써 클라우드 환경에서의 효과적인 자원 관리를 도우며 관리를 위한 오버헤드 또한 완화시킬 것으로 예상된다. |
