Abstract
The system virtualization shows interest in the consolidation of servers for the efficient utilization of system resources. There are many various researches to utilize a server machine more efficiently through the system virtualization technique, and improve performance of the virtualization software. These researches have studied with the activity to control the resource allocation of virtual machines dynamically focused on CPU, or to manage resources in the cross-machine using the migration. However, the researches of the memory management have been wholly lacking. In this respect, the use of memory is limited to allocate the memory statically to virtual machine in server consolidation. Unfortunately, the static allocation of the memory causes a great quantity of the idle memory and decreases the memory utilization. The underutilization of the memory makes other side effects such as the load of other system resources or the performance degradation of services in virtual machines. In this paper, we suggest the dynamic allocation of the memory in Xen to control the memory allocation of virtual machines for the utilization without the performance degradation. Using AR model for the prediction of the memory usage and ACO (Ant Colony Optimization) algorithm for optimizing the memory utilization, the system operates more virtual machines without the performance degradation of servers. Accordingly, we have obtained 1.4 times better utilization than the static allocation.
최근 서버의 통합을 통해 시스템 자원의 효율적인 활용을 제공할 수 있는 시스템 가상화가 많은 주목을 받고 있다. 이 시스템 가상화 기술을 통하여 보다 효과적으로 시스템 자원을 활용하고 가상화 소프트웨어의 성능을 향상시킬 수 있는 방안이 다양하게 연구되고 있다. 이러한 연구들은 CPU 측면에서 동적으로 가상머신에 할당된 양을 조절하거나 마이그레이션 기능을 활용하여 머신 간 자원 관리 등의 다양한 측면에서 활발하게 진행되고 있으나 메모리 측면에서는 그 연구가 매우 부족한 실정이다. 따라서 서버 통합에서의 메모리 자원의 이용은 가상머신 탑재 시에 정적으로 할당된 메모리를 사용하는 수준에서 머물고 있다. 하지만 본 논문의 성능 비교 환경인 Xen 가상화에서 가상머신에 정적으로 메모리를 할당하는 방식은 유휴메모리를 다량 발생시켜 메모리 이용률을 낮추게 된다. 메모리 이용률을 높이기 위하여 가상머신에 할당하는 메모리양을 줄일 경우 다른 시스템 자원에도 영향을 미치게 되며 가상머신에서 운영되는 서비스의 성능 저하를 유발하게 된다. 본 논문에서는 가상머신 사이의 메모리 할당량을 조절하여 가상머신의 서비스에 성능저하가 없으면서 이용률을 향상시킬 수 있는 메모리의 동적 할당을 제안한다. 메모리 사용량 예측을 위한 AR 모델과 메모리 이용률 최적화를 위한 개미 군집 알고리즘을 사용하여 구현한 메모리의 동적 할당 시스템을 통하여 정적 할당의 경우에 비하여 더 많은 수의 가상머신을 운영할 수 있게 되고 서버로 운영되는 가상머신의 서비스 성능 저하 없이 약 1.4배의 이용률 향상을 얻을 수 있었다.
