Journal of Internet Computing and Services (인터넷정보학회논문지)

Korean Society for Internet Information (한국인터넷정보학회)
권호 표지

Grouping Method based on Adaptive Load Balancing for the Intelligent Resource Management of a Cloud System

클라우드 시스템의 지능적인 자원관리를 위한 적응형 부하균형 기반 그룹화 기법

  • Received : 2011.02.10
  • Accepted : 2011.05.04
  • Published : 2011.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

Current researches in the Cloud focus on the appropriate interactions of cloud components in a large-scale system implementation. However, the current designs do not include intelligent methods like grouping the similar service providers based on their properties and integrating adaptive schemes for load distribution which can promote effective sharing of resource. This paper proposes an efficient virtualization of services by grouping the cloud providers to improve the service provisioning. The grouping of cloud service providers based on a cluster analysis collects the similar and related services in one group. The adaptive load balancing supports the service provisioning of the cloud system where it manages the load distribution within the group using an adaptive scheme. The proposed virtualization mechanism (GRALB) showed good results in minimizing message overhead and throughput performance compared to other methods.

클라우드 시스템에 대한 현재의 연구들은 대규모 시스템 구현에 있어서 클라우드 구성요소들 간의 적절한 상호작용에 집중되어 있다. 그러나 이러한 시스템들은 속성을 기반으로 한 유사한 서비스 제공자들을 그룹화 하거나 효율적인 자원공유를 향상시키기 위한 지능적인 부하분산과 같은 지능적 기법을 제공하지 않는다. 본 논문은 클라우드 제공자를 그룹화하여 효율적인 서비스 가상화를 제공하여 서비스 프로비저닝을 향상시킨다. 클러스터 분석에 기반한 클라우드 서비스 제공자의 그룹화는 유사하거나 관련된 서비스를 하나의 그룹으로 만든다. 동적인 부하 균형화는 클라우드 시스템의 서비스 프로비저닝을 지원하며 동적인 기법을 사용하여 그룹내에서 부하분산을 담당한다. 제안한 가상화 기법(GRALB)은 다른 기법에 비해 메시지 오버헤드나 성능 면에서 좋은 결과를 보였다.

Keywords

Acknowledgement

Supported by : Small and Medium Business Administration (SMBA)

References

  1. Project Nebula, http://nebula.nasa.gov
  2. Reservoir Project, http://www.reservoir-fp7.eu
  3. Casazza, J.P., Greenfield, M., and Shi, K.: Redefining Server Performance Characterization for Virtualization Benchmarking, Intel Technology, Vol. 10, No. 3 (2006).
  4. Iyer, R., Illikkal, R., Tickoo, O., Zhao, L., Apparao, P. and Newell, D.: VM3: Measuring, Modeling and Managing VM Shared Resources, Computer Networks, Vol. 53, No. 17 (2009) pp 2873-2887. https://doi.org/10.1016/j.comnet.2009.04.015
  5. Shin, C.S., Chung, Y.J. and Joo, S.C.: Distributed Object Group Framework with Dynamic Reconfigurability of Distributed Services, LNCS, 3251 (2004) pp. 121-128.
  6. Serrano, M.A., Carver, D.L. and Montes de Oca, C.: Mapping Object-Oriented Systems to Distributed Systems using Data Mining Techniques, LNCS, Vol.1821 (2000) pp. 79-84.
  7. Leclercq, E., Savonnet, M., Terrasse, M.N. and Yetongnon, K.: Object Clustering Methods and a Query Decomposition Strategy for Distributed Object-based Information Systems, LNCS, Vol. 1677 (1999) p. 817.
  8. Glatard, T., Montagnat, J., Emsellem, D. and Lingrand, D.: A Service-Oriented Architecture Enabling Dynamic Service Grouping for Optimizing Distributed Workflow Execution, FGCS Vol. 24, No. 7 (2008) pp. 720-730. https://doi.org/10.1016/j.future.2008.02.011
  9. Sapkota, B., Nazir, S., Vitvar, T., Tomay, I., Vasiliu, L. and Hauswirth, M.: Semantic Overlay for Scalable Service Discovery, International Conference on Collaborative Computing: Networking, Applications and Worksharing (2007) pp. 387-391.
  10. Mateo, R.M., Lee, J. and Lee, M.: Scalable Resource Sharing using Group Similarity Function in Grid System, Journal of Korean Society for Internet Information, Vol. 11, No. 4, (2010) pp. 73-83.
  11. Web Services Provisioning, http://www.ibm.com/developerworks/library/ws-wsht/?n-ws-1102
  12. simVO: A Simulator for Virtual Organization, http://dslab.kunsan.ac.kr/en/simvo/tmskim@korea.ac.kr