효율적인 가상화 시스템 프로파일링을 위한 성능측정 프레임워크

Performance Measurement Framework for Efficient Virtualization System Profiling

  • 장은태 (세종대학교 시스템보안연구실) ;
  • 최상훈 (세종대학교 시스템보안연구실) ;
  • 박기웅 (세종대학교 정보보호학과)
  • 투고 : 2019.06.07
  • 심사 : 2019.06.21
  • 발행 : 2019.06.30

초록

최근 클라우드 컴퓨팅이 확산되면서 주목 받고 있는 기술 중 하나는 가상화(virtualizaion) 기술이다. 가상화 기술을 이용하여 시스템을 구축할 경우 하나의 호스트 운영체제에서 복수개의 운영체제를 구동시킬 수 있으며 효율적인 컴퓨팅 자원의 관리를 용이하게 한다는 장점이 있지만 하이퍼바이저(Hypervisor) 위에서 구동하는 운영체제들이 많아질수록 가상화 시스템의 전반적인 성능을 측정하는 것이 필요하며 이는 중요한 기술로 떠오르고 있다. 본 논문에서는 가상화 시스템의 효율적인 성능측정을 위해 기존 프로파일링 도구의 주요 기능을 분석하여 가상화 시스템에서 발생할 수 있는 이벤트에 대하여 모니터링 도구들이 수행할 수 있는 프로파일링 커버리지를 측정하고 분류하였으며, 더 나아가 모니터링을 수행하는 원격 시스템에서 수신 된 정보에 따라 가상화 시스템에 성능측정이 필요할 경우 적합한 프로파일링 도구를 게스트 시스템에 적재시켜 성능측정을 할 수 있도록 하는 프레임워크를 연구하였다.

Virtualization technology is one of the technologies that have been attracting attention as cloud computing spreads recently. When a system is constructed using virtualization technology, mutiple operation systems can be operated in a single host operating system, thereby facilitating efficient management of computing resources. As more and more operating systems are running on the hypervisor, it is important to measure the overall performance of the virtualization system and this is becoming an important technology. In this paper, we analyze the main functions of the existing profiling tools to measure the performance of the virtualization system, and measure and classify the profiling coverage that the monitoring tools can perform for events that may occur in the virtualization system. In addition, we have studied a framework that enables performance measurement by loading appropriate profiling tools into the guest system when performance measurement is required for the virtualization system according to the information received from the remote system performing the monitoring.

키워드

참고문헌

  1. Cohen, William E. "Tuning programs with OProfile." Wide Open Magazine 1 (2004): 53-62.
  2. Graham, Susan L., Peter B. Kessler, and Marshall K. Mckusick. "Gprof: A call graph execution profiler." ACM Sigplan Notices. Vol. 17. No. 6. ACM, 1982.
  3. Gbajabiamila, Jameel, Animesh Kejriwal, and Yash Patodia. "An Evaluation of Rational PurifyPlus."
  4. Garnett, Timothy. Dynamic optimization if IA-32 applications under DynamoRIO. Diss. Massachusetts Institute of Technology, 2003.
  5. https://gpuopen.com/blazing-codexl-2-2/
  6. McDougall, Richard, Jim Mauro, and Brendan Gregg. Solaris performance and tools: DTrace and MDB techniques for Solaris 10 and OpenSolaris. Prentice Hall,, 2006.
  7. De Melo, Arnaldo Carvalho. "The new linux'perf'tools." Slides from Linux Kongress. Vol. 18. 2010.
  8. Cerveira, Frederico, Raul Barbosa, and Henrique Madeira. "Experience report: On the impact of software faults in the privileged virtual machine." 2017 IEEE 28th International Symposium on Software Reliability Engineering (ISSRE). IEEE, 2017.
  9. Seo, Jooyoung, Byoungju Choi, and Suengwan Yang. "A profiling method by PCB hooking and its application for memory fault detection in embedded system operational test." Information and Software Technology 53.1 (2011): 106-119. https://doi.org/10.1016/j.infsof.2010.09.003
  10. 백현지 "DaaS에서 자원 사용량 기반 효율적 자원 할당 방법" 한국차세대컴퓨팅학회 논문지 14.1, 78-88, 2018.
  11. 백승훈 "가상 데스크톱 인프라를 위한 데이터 손실 없는 지속형 인메모리 스토리지", 한국차세대 컴퓨팅학회 논문지. 10.5, 46-55, 2014.
  12. 최원석 "컨테이너 기반 클러스터 환경에서 효율적인 자원관리를 위한 오케스트레이션 방법", 한국차세대컴퓨팅학 논문지. 15.2, 71-78, 2019.