• 한국시뮬레이션학회논문지
• /
• 제22권1호
• /
• pp.77-86
• /
• 2013

클라우드 환경은 여러 개의 컴퓨팅 자원들을 이용하는 분산 컴퓨팅 환경의 일종으로 가상머신을 이용 하여 작업을 처리한다. 클라우드 환경은 작업 요청에 따르는 부하분산과 빠른 작업 처리를 위한 프로비저닝 기술을 이용하여 가상머신의 상태에 따라 작업을 할당 한다. 하지만, 클라우드 환경의 작업 스케줄링을 위해서는 가상머신의 성능에 따르는 애매모호한 상태에 대한 가용성의 정의가 필요하다. 본 논문에서는 클라우드 환경의 프로비저닝 스케줄링을 위해 퍼지 로직 기반의 자원평가를 이용한 가상머신 프로비저닝 스케줄링(FVPRE: Fuzzy logic driven Virtual machine Provisioning scheduling using Resource Evaluation)을 제안한다. FVPRE는 각 가상머신의 정의하기 어려운 성능의 상태를 분석하여 자원 가용성에 대한 값을 구체화하여 정확한 자원의 가용성 평가를 통해 효율적인 프로비저닝 스케줄링이 가능하다. FVPRE는 클라우드 환경의 작업 처리에 대해 높은 처리율과 활용율을 보인다.

• 한국정보과학회논문지:시스템및이론
• /
• 제37권4호
• /
• pp.246-255
• /
• 2010

CPU 자원이 다수의 가상머신에 의해 공유되는 Xen 가상화 환경에서는, CPU가 하나의 가상머신의 요청을 처리하는 동안 다른 가상머신은 CPU를 기다려야 하는 가상머신 스케줄링 지연이 존재한다. 가상화 환경에서 응용프로그램의 QoS 요구사항을 만족시키기 위하여 자원을 관리하는 대부분의 시스템은 가상머신의 자원 사용률과 가상머신에서 운영하는 응용프로그램의 성능을 모니터링하고 분석하여 자원을 재할당한다. 이 때 응용프로그램의 성능 분석을 위해 큐잉 모델 등과 같은 수학적인 모델링 기법이 사용되지만 비가상화 환경에서 사용되던 모델은 가상머신 스케줄링 지연을 고려하지 않으므로, 가상화 환경에서는 정확한 분석과 예측이 어렵고, 따라서 이를 기반으로 자원을 관리하는 시스템은 요구되는 응용프로그램의 성능을 제공하지 못할 수 있다. 따라서 본 논문에서는 Xen 가상화 환경에서 가상머신 스케줄링 지연을 반영하여 응용프로그램의 성능을 측정하고, 모든 가상머신이 일으킬 수 있는 스케줄링 지연을 최소화하는 방향으로 CPU 사용 우선순위를 설정하는 기법을 제안하고, 제안한 기법이 스케줄링을 고려하지 않은 방법에 비해 응용 프로그램의 성능을 향상시킴을 보인다.

• 스마트미디어저널
• /
• 제5권4호
• /
• pp.18-25
• /
• 2016

가상화 기술에 의해 추상화된 자원은 하드웨어적으로 효율적으로 사용 할 수 있어 관리가 용이하며, 이로 인해 클라우드 시스템과 대형 서버 클러스터 구축 등에 가상 머신 모니터가 널리 사용되고 있다. 가상화된 시스템의 성능은 가상머신 스케줄러의 영향을 크게 받는다. 하지만, 기존의 가상 머신에서 사용하는 Credit 스케줄러는 스케줄링 지연 시간이 길어질 경우, I/O 응답성이 저하되는 문제점이 있다. 본 논문에서는 가상머신의 이벤트 응답성 저하 현상을 개선하기 위해 기존 가상머신의 Credit 스케줄러에 대출/상환 기법을 도입하였다. 제안 기법은 가상 머신에 I/O 이벤트 처리를 위한 credit을 대출해주고, 대출 credit의 소비 패턴을 분석하여 각 가상머신의 태스크 특징을 분류한다. I/O 이벤트가 도착했을 때, 분석된 태스크 특징을 기반으로 일시적으로 가상 머신의 스케줄링 우선순위를 높임으로써 시스템의 I/O 성능을 향상시킨다. 제안 기법을 가상머신 모니터에 구현하였으며, 기존 가상머신의 Credit 스케줄러 대비 제안된 기법을 적용한 가상머신의 I/O 평균 응답성과 대역폭이 각 60%, 62% 향상되었다.

• International Journal of Contents
• /
• 제8권4호
• /
• pp.7-11
• /
• 2012

Cloud Computing can be viewed as a dynamically-scalable pool of resources. Virtualization is one of the key technologies enabling Cloud Computing functionalities. Virtual machines (VMs) scheduling and allocation is essential in Cloud Computing environment. In this paper, two dynamic VMs scheduling and allocating schemes are presented and compared. One dynamically on-demand allocates VMs while the other deploys optimal threshold to control the scheduling and allocating of VMs. The aim is to dynamically allocate the virtual resources among the Cloud Computing applications based on their load changes to improve resource utilization and reduce the user usage cost. The schemes are implemented by using SimPy, and the simulation results show that the proposed adaptive scheme with one threshold can be effectively applied in a Cloud Computing environment both performance-wise and cost-wise.

• 한국시뮬레이션학회논문지
• /
• 제20권4호
• /
• pp.139-147
• /
• 2011

전 세계적으로 자동차의 수요와 교통정보 서비스의 활용도가 높아지고 있다. 따라서 교통정보 서비스의 종류와 데이터의 양의 증가로 인해 많은 IT 자원 인프라가 필요하다. 인프라의 감소를 위해 클라우드 컴퓨팅이 주목을 받고 있으며, 자원관리를 위해 프로비저닝 스케줄링 기법이 필요하다. 본 논문에서는 클라우드 환경에서 교통정보 서비스를 위한 조건부 확률 추론을 활용한 프로비저닝 스케줄링(PSCPI: Provisioning Scheduling with Conditional Probability Inference)을 제안한다. PSCPI는 가상머신의 상태에 따라 나이브 베이즈 추론 기법을 사용하여 가상머신의 가용율에 따라 작업 할당을 할 수 있다. 나이브 베이즈 기반의 조건부 확률 추론 프로비저닝 스케줄링을 활용하여 교통정보 서비스에 높은 처리율과 활용율을 보인다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제5권9호
• /
• pp.1544-1572
• /
• 2011

Task placement and scheduling are traditionally studied in following aspects: resource utilization, application throughput, application execution latency and starvation, and recently, the studies are more on application scalability and application performance. A methodology for task placement and scheduling centered on tasks based on virtual machines is studied in this paper to improve the performances of systems and dynamic adaptability in applications development and deployment oriented parallel computing. For parallel applications with no real-time constraints, we describe a thought of feature model and make a formal description for four layers of task placement and scheduling. To place the tasks to different layers of virtual computing systems, we take the performances of four layers as the goal function in the model of task placement and scheduling. Furthermore, we take the personal preference, the application scalability for a designer in his (her) development and deployment, as the constraint of this model. The workflow of task placement and scheduling based on virtual machines has been discussed. Then, an algorithm TPVM is designed to work out the optimal scheme of the model, and an algorithm TEVM completes the execution of tasks in four layers. The experiments have been performed to validate the effectiveness of time estimated method and the feasibility and rationality of algorithms. It is seen from the experiments that our algorithms are better than other four algorithms in performance. The results show that the methodology presented in this paper has guiding significance to improve the efficiency of virtual computing systems.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권9호
• /
• pp.572-577
• /
• 2017

가상화 기술은 물리머신의 자원을 다수의 가상머신이 공유하여 유휴 자원을 활용할 수 있도록 한다. 가상화 기술의 핵심은 가상머신 간의 효율적인 자원 분배에 있다. 그러나 현재의 가상화 환경에서는 가상머신에서 수행되는 작업의 특성을 파악할 수 없기 때문에 효율적인 자원 분배가 어렵다. 비효율적인 자원 분배는 가상머신 간의 성능 간섭을 발생시켜 가상머신의 성능 저하를 야기한다. 가상머신 간 성능 간섭 현상을 해결하기 위해 다양한 연구들이 진행되었다. 본 논문은 가상머신 성능 간섭 현상 해결을 위한 대표적인 방법인 피드백 제어를 활용하여 I/O 성능을 보장하는 CPU 스케줄링 기법을 소개하고, 특히 모델기반 피드백 제어 방식과 동적 피드백 제어 방식을 비교 분석한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권3호
• /
• pp.1164-1183
• /
• 2019

The rapid development of cloud computing and high requirements of operators requires strong support from the underlying Data Center Networks. Therefore, the effectiveness of using resources in the data center networks becomes a point of concern for operators and material for research. In this paper, we discuss the online virtual-cluster provision problem for multiple tenants with an aim to decide when and where the virtual cluster should be placed in a data center network. Our objective is maximizing the total revenue for the data center networks under the constraints. In order to solve this problem, this paper divides it into two parts: online multi-tenancy scheduling and virtual cluster placement. The first part aims to determine the scheduling orders for the multiple tenants, and the second part aims to determine the locations of virtual machines. We first approach the problem by using the variational inequality model and discuss the existence of the optimal solution. After that, we prove that provisioning virtual clusters for a multi-tenant data center network that maximizes revenue is NP-hard. Due to the complexity of this problem, an efficient heuristic algorithm OMS (Online Multi-tenancy Scheduling) is proposed to solve the online multi-tenancy scheduling problem. We further explore the virtual cluster placement problem based on the OMS and propose a novel algorithm during the virtual machine placement. We evaluate our algorithms through a series of simulations, and the simulations results demonstrate that OMS can significantly increase the efficiency and total revenue for the data centers.

• International journal of advanced smart convergence
• /
• 제12권4호
• /
• pp.126-133
• /
• 2023

Recent advancements in cloud service virtualization technologies have witnessed a shift from a Virtual Machine-centric approach to a container-centric paradigm, offering advantages such as faster deployment and enhanced portability. Container orchestration has emerged as a key technology for efficient management and scheduling of these containers. However, with the increasing complexity and diversity of heterogeneous workloads and service types, resource scheduling has become a challenging task. Various research endeavors are underway to address the challenges posed by diverse workloads and services. Yet, a systematic approach to container orchestration for effective cloud management has not been clearly defined. This paper proposes the DRA-Engine (Dynamic Resource Allocation Engine) for resource scheduling in container orchestration. The proposed engine comprises the Request Load Procedure, Required Resource Measurement Procedure, and Resource Provision Decision Procedure. Through these components, the DRA-Engine dynamically allocates resources according to the application's requirements, presenting a solution to the challenges of resource scheduling in container orchestration.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.374-388
• /
• 2022

Cloud computing has been one of the most critical technology in the last few decades. It has been invented for several purposes as an example meeting the user requirements and is to satisfy the needs of the user in simple ways. Since cloud computing has been invented, it had followed the traditional approaches in elasticity, which is the key characteristic of cloud computing. Elasticity is that feature in cloud computing which is seeking to meet the needs of the user's with no interruption at run time. There are traditional approaches to do elasticity which have been conducted for several years and have been done with different modelling of mathematical. Even though mathematical modellings have done a forward step in meeting the user's needs, there is still a lack in the optimisation of elasticity. To optimise the elasticity in the cloud, it could be better to benefit of Machine Learning algorithms to predict upcoming workloads and assign them to the scheduling algorithm which would achieve an excellent provision of the cloud services and would improve the Quality of Service (QoS) and save power consumption. Therefore, this paper aims to investigate the use of machine learning techniques in order to predict the workload of Physical Hosts (PH) on the cloud and their energy consumption. The environment of the cloud will be the school of computing cloud testbed (SoC) which will host the experiments. The experiments will take on real applications with different behaviours, by changing workloads over time. The results of the experiments demonstrate that our machine learning techniques used in scheduling algorithm is able to predict the workload of physical hosts (CPU utilisation) and that would contribute to reducing power consumption by scheduling the upcoming virtual machines to the lowest CPU utilisation in the environment of physical hosts. Additionally, there are a number of tools, which are used and explored in this paper, such as the WEKA tool to train the real data to explore Machine learning algorithms and the Zabbix tool to monitor the power consumption before and after scheduling the virtual machines to physical hosts. Moreover, the methodology of the paper is the agile approach that helps us in achieving our solution and managing our paper effectively.