KIPS Transactions on Computer and Communication Systems (정보처리학회논문지:컴퓨터 및 통신 시스템)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Semantic Cloud Resource Recommendation Using Cluster Analysis in Hybrid Cloud Computing Environment

군집분석을 이용한 하이브리드 클라우드 컴퓨팅 환경에서의 시맨틱 클라우드 자원 추천 서비스 기법

  • 안윤선 (숙명여자대학교 컴퓨터과학부) ;
  • 김윤희 (숙명여자대학교 컴퓨터과학부)
  • Received : 2015.07.06
  • Accepted : 2015.09.01
  • Published : 2015.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

Scientists gain benefits from on-demand scalable resource provisioning, and various computing environments by using cloud computing resources for their applications. However, many cloud computing service providers offer their cloud resources according to their own policies. The descriptions of resource specification are diverse among vendors. Subsequently, it becomes difficult to find suitable cloud resources according to the characteristics of an application. Due to limited understanding of resource availability, scientists tend to choose resources used in previous experiments or over-performed resources without considering the characteristics of their applications. The need for standardized notations on diverse cloud resources without the constraints of complicated specification given by providers leads to active studies on intercloud to support interoperability in hybrid cloud environments. However, projects related to intercloud studies are limited as they are short of expertise in application characteristics. We define an intercloud resource classification and propose semantic resource recommendation based on statistical analysis to provide semantic cloud resource services for an application in hybrid cloud computing environments. The scheme proves benefits on resource availability and cost-efficiency with choosing semantically similar cloud resources using cluster analysis while considering application characteristics.

하이브리드 클라우드 컴퓨팅 환경에서 많은 과학자들이 과학 응용을 수행하고 있으나, 클라우드 컴퓨팅 서비스를 제공하는 각 회사들의 자원 표기법이 상이하고 복잡하여 사용에 어려움이 따르고, 응용에 적합한 클라우드 자원을 선택하는 것이 어렵다. 클라우드 서비스 간에 상호 호환성을 제공해주는 하이브리드 클라우드 환경에서의 표준화된 자원 명세 표기법이 필요하다. 과학자들은 기존에 자신들이 수행했던 자원이나 가장 좋은 성능의 자원에서만 수행하려는 경향이 있어, 비용, 시간을 효율적으로 수행하면서 응용에 적합하고, 기존의 실험과 유사하게 진행할 수 있는 자원을 추천해주는 서비스가 필요하다. 하이브리드 클라우드 서비스의 표준화를 위해 인터클라우드 프로젝트가 진행되고 있으나, 과학 응용 실험에 적합한 자원의 선택을 위해 필요한 클라우드 자원의 특성들을 나타내는 데 한계가 있다. 본 논문에서는 하이브리드 클라우드 환경에서 시맨틱 클라우드 자원 서비스를 제안한다. 통계 기법으로 과학 응용의 특징에 따라 응용에 적합한 클라우드 자원을 그룹으로 분류하고 분류된 유사한 클라우드 자원 그룹을 가지고 시맨틱 클라우드 자원 추천 서비스 기법을 제공한다. 제안한 알고리즘을 통해 시맨틱 클라우드 추천 서비스 기법을 제공하면, 효율적인 자원의 가용성과 비용으로 응용을 수행할 수 있고, 응용에 적합한 클라우드 자원을 추천할 수 있다.

Keywords

References

  1. Amazon EC2 [Internet], http://aws.amazon.com/.
  2. Microsoft Window Azure [Internet], http://www.windowsazure.com/.
  3. rackspce [Internet], http://www.rackspace.com/.
  4. KT Ucloud [Internet], http://ucloudbiz.olleh.com/.
  5. SCALR [Internet], http://scalr.com/.
  6. RightScale [Internet], www.rightscale.com/.
  7. Cloudit [Internet], www.cloudit.co.kr/.
  8. Intercloud project [Internet], http://www.intercloudtestbed.org/.
  9. Moscato, F., Aversa, R., Di Martino, B., Fortis, T., Munteanu, V., "An Analysis of mOSAIC ontology for Cloud Resources annotation," in Computer Science and Information Systems (FedCSIS) 2011 Federated Conference on IEEE, pp. 973-980, Sept., 2011.
  10. Eisen, Michael B., Spellman, Brown, and Botstein, "Cluster analysis and display of genome-wide expression patterns," Proceedings of the National Academy of Sciences, Vol.95, No.25, pp.14863-14868, 1998. https://doi.org/10.1073/pnas.95.25.14863
  11. Buyya, Rajkumar, Rajiv Ranjan, and Rodrigo N. Calheiros, "Intercloud: Utility-oriented federation of cloud computing environments for scaling of application services," In Algorithms and architectures for parallel processing, Springer Berlin Heidelberg, pp.13-31, 2010.
  12. Mika, Peter and Giovanni Tummarello, "Web semantics in the clouds," Intelligent Systems, IEEE, Vol.23, Issue.5, pp.82-87, 2008.
  13. Rodriguez-Garcia, Miguel Angel, et al. "Ontology-based annotation and retrieval of services in the cloud," Knowledge-Based Systems 56, pp.15-25, Jan., 2014. https://doi.org/10.1016/j.knosys.2013.10.006
  14. Li Liu, Xiaofen Yao, Liangjuan Qin, and Miao Zhang, "Ontology-based Service Matching in Cloud Computing," in Fuzzy Systems, 2014 IEEE International Conference on IEEE, pp.2544-2550, Jul., 2014.
  15. Qingtao Wu, Min Cui, Mingchuan Zhang, Ruijuan Zheng, and Ying Lou, "A Cloud Service Resource Classification Strategy Based on Feature Similarity," Journal of Networks, Vol.9, No.11, pp.2987-2993, Nov., 2014.
  16. Openstack [Internet], http://www.openstack.org/.
  17. Sookyoung Park, Hyejeong Kang, Yoonhee Kim, Chongam Kim, and Yunjung Hyun, "An Integrated Scientific Experiment Framework for Numerical Analysis in e-Science Environment," Computation Tools 2012, Nice, France July 22-27, 2012.
  18. Rodrigo N., Calheiros, R. Ranjan, A. Beloglazov, C. A. F. De Rose, and R. Buyya. "Cloudsim: a toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms," Software: Practice and Experience, Vol.41, Issue.1, pp.23-50, 2011. https://doi.org/10.1002/spe.995
  19. W. Cirne, F. Brasileiro, J. Sauvi, Na. Andrade, D. Paranhos, E. Santos-Neto, and R. Medeiros, "Grid Computing for Bag of Jobs Applications," Proceedings of the 3rd IFIP Conference on E-Commerce, E-Business and E-Government, Sep., 2003.
  20. Abdelsamie, Abouelmagd H., and Changhoon Lee, "Decaying versus stationary turbulence in particle-laden isotropic turbulence: Turbulence modulation mechanism," Physics of Fluids 24, 2012.