[논문]클라우드 컴퓨팅 환경에서 가상머신 할당기법 및 임대 서비스 구현

황인찬; 이봉환

doi:10.6109/jkiice.2010.14.5.1146

클라우드 컴퓨팅 환경에서 가상머신 할당기법 및 임대 서비스 구현
Implementation of Virtual Machine Allocation Scheme and Lease Service in Cloud Computing Environments 원문보기

한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences, v.14 no.5, 2010년, pp.1146 - 1154

황인찬 (대전대학교 정보통신공학과) , 이봉환 (대전대학교 정보통신공학과)

초록
AI-Helper

오픈 소스 클라우드 컴퓨팅 플랫폼인 OpenNebula를 이용한 클라우드 컴퓨팅 환경에서 가상머신 임대 서비스를 구현하고 클라우드 자원 관리와 서비스 사용의 편의성을 위하여 웹기반 클라우드 사용자 인터페이스를 구현하였다. OpenNebula의 가상머신 할당 기법은 가상화 소프트웨어의 CPU 할당 스케줄러를 고려하지 않아 성능 저하의 요인이 되고 있다. 이러한 문제점을 해결하기 위하여 클러스터 노드의 유휴 CPU 자원의 우선순위와 Xen의 Credit 스케줄러를 고려하여 OpenNebula의 가상머신 할당 스케줄러의 성능을 개선하였다. 실험 결과 제안한 가상머신 할당기법은 기존 방식에 비하여 수용 가능한 가상머신 수와 CPU 자원 할당량에서 향상된 결과를 보였다.

Abstract ▼ AI-Helper

A virtual machine lease service in the cloud computing environment has been implemented using the open source cloud computing platform, OpenNebula. In addition, a web-based cloud user interface is developed for both convenient resource management and efficient service access. The present virtual machine allocation scheme adopted in OpenNebula has performance reduction problem because of not considering CPU allocation scheduler of the virtualization software. In order to address this problem we have considered both the priority of the idle CPU resources of the cluster and credit scheduler of Xen, which resulted in performance improvement of the OpenNebula virtual machine scheduler. The experimental results showed that the proposed allocation scheme provided more virtual machine creations and more CPU resource allocations for cloud service.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그러나 클러스터 노드의 측면에서 LCPU 이상의 작업을 수행하는 것은 새로운 가상머신에 게 할당 가능한 CPU 자원 할당량(ACPU)이 충분함에도 불구하고 새로운 가상머 신올 생성하지 못하는 경우가 발생 할 수 있디, . 본 논문에서는 이러한 경우 해당 클러스터 노드의 모든 가상머신에 Cap을 설정하여 유휴 CPU 자원을 확보하는 방법 으로 해 결하고자 한다.
유지하는 입장에서 클라우드 운영자의 경제적 이익과 밀접한 관련을 갖는 자원 관리 기술은 최소한의 비용으로 클라우드 사용자의 요구사항에 따라 자원을 동적인 방법을 통하여 효과적으로 제공할 수 있어야 한다. 이에 본 논문에서는 Xen의 Credit 스케줄러와 클라우드 클러스터 노드의 CPU 활용률을 고려 하여 사용자가 요청 한 CPU의 요구사항을 만족시키며 전체 시스템이 수용할수 있는 가상머신 수와 CPU 자원 할당량을 중가 시킬 수 있는 가상머 신 할당 방법을 제안한다.
전 체 시 스템은 저 가의 PC 사양 컴 퓨터 를 사용하여 클라우드 컴퓨팅 환경을 구축하는 것을 목표로 하며, 본 연구에 서는 소규모 사설 클라우드 컴 퓨팅 환경 을 구축하였다.

제안 방법

시스템에는 OpenNebula(이하 ONE) 를 사용하였고 Front-End에는 ONE의 데몬이 실행되어 각각의 클러스터 노드와생성된 가상머신의 모니터링 기능, 가상머신설치를 위 한 이미지 파일 관리 기능 등을 수행한다. 각각의 클러스터 노드는 실제 가상머신이 생성될 노드로서 Xen을 설치하여 가상화하였다.
운용에 편의성 제고를 위하여 웹기반 클라우드 사용자 인터페이스를 구현하였다. 또한 OpenNebula 의 스케줄러 성능 개선과 시스템의 활용성 향상을 위하여 클러 스터 노드의 유휴 CPU 자원 우선순위 와 Xen의 Credit 스케줄러를 고려한 가상머 신 할당 방법을 제안한다.
본 논문에서는 오픈 소스 클라우드 컴퓨팅 플랫폼인 OpenNebula를 이용하여 클라우드 컴퓨팅 환경을 구축하고, 가상머신 임대 서비스의 관리 . 운용에 편의성 제고를 위하여 웹기반 클라우드 사용자 인터페이스를 구현하였다’ 또한OpenNebula의 스케줄러 성능 개선과 시스템의 활용성 향상을 위하여 클러스터 노드의 유휴 CPU 자원 우선순위와 Xen의 Credit 스케줄러를 고려한가상머 신 할당 방법을 제 안하고 그 성 능을 비 교 분석 하였다.
본 장에서는 구축한 클라우드 컴퓨팅 환경 에서 가상머신 임대 서비스를 제공함에 있어 시스템이 수용할 수 있는 가상머 신의 수와 CPU 자원 할당량을 증가시 키 기위하여 제안하는 가상머 신 할당 방법과 ONE의 스케줄러 에 의 한 가상머 신 할당 방법 을 비 교하여 실 험 하고 그 결과를 분석함으로써 제안하는 시스템의 유용성을 평가하였다.
생성된 가상머 신은CPU 위주의 작업을 수행하며, 각각 idle 상태, 0.2, 0.4, 0.6, 0.8, L0의 CPU 자운:} 사용량을 요구하는 6단계 로 나누어 실험 하고 각각 30번씩 총 180 번을 실험 한다. 성능 분석으로는 시스템 이 수용한 가상머신의 개수, 사용자의 요구사항인 LCPU를 기준으로 CPU 자원 할당량 단계 별 평 균, 전체 평 균을 계산하고 이를 시스템 활용률로 평 가한다.
8, L0의 CPU 자운:} 사용량을 요구하는 6단계 로 나누어 실험 하고 각각 30번씩 총 180 번을 실험 한다. 성능 분석으로는 시스템 이 수용한 가상머신의 개수, 사용자의 요구사항인 LCPU를 기준으로 CPU 자원 할당량 단계 별 평 균, 전체 평 균을 계산하고 이를 시스템 활용률로 평 가한다.
구축하였다. 시스템에는 OpenNebula(이하 ONE) 를 사용하였고 Front-End에는 ONE의 데몬이 실행되어 각각의 클러스터 노드와생성된 가상머신의 모니터링 기능, 가상머신설치를 위 한 이미지 파일 관리 기능 등을 수행한다. 각각의 클러스터 노드는 실제 가상머신이 생성될 노드로서 Xen을 설치하여 가상화하였다.
laaS는 저 장 장치 또는 컴퓨팅 능력을 인터넷을 통한서비스 형태로 제공하는 것 으로 아마존 EC₂ [6, 7], Nimbus[8], OpenNebula[9, 10], Eucalyptus[ll] 등이 있으며’ 본 논문에서는 오픈 소스 클라우드 컴퓨팅 플랫폼인 OpenNebula를 활용하여 클라우드 컴퓨팅 환경을 구축하고, 가상머 신 임 대 서비스의 관리 . 운용에 편의성 제고를 위하여 웹기반 클라우드 사용자 인터페이스를 구현하였다. 또한 OpenNebula 의 스케줄러 성능 개선과 시스템의 활용성 향상을 위하여 클러 스터 노드의 유휴 CPU 자원 우선순위 와 Xen의 Credit 스케줄러를 고려한 가상머 신 할당 방법을 제안한다.
따라서 가상머신 생성 시 마다 템플릿을 새로 작성해야하는 번거로움이 있다. 이러한 관리 방법의 불편함을 해소기 위하여 웹기반 클라우드 사용자 인 터 페 이 스를 구현하였다. 이 는 실 시 간으로 클러 스터 노드와가상머신의상세정보를모니터링 할 수 있게 하며, 가상머신 생성과 관리의 편의를 제공한다.

대상 데이터

가상네트워크는 하나의 C 클래스 IP 네트워크를 범위로 정의하였으며, 가상머신 이미지 파일은 Ubuntu 9.04 버전의 977MByte 저 장 공간을 사용하였 다. 이 후 사용자가 웹기반 클라우드 사용자 인터페이스를 통하여 가상머신 생성을 요청하면 요구사항을 템플릿 파일로 작성하여 데이터베이스에 저장한다.
반가상화는 운영 체제를 가상화 지 원이 가능할 수 있도록 수정하여 시스템 부팅 시 적용하는 방법으로서 CPU와 메모리 등 일부 장치 만을 가상화하며, Xen의 가상화 방법 이이에 속한다. 본 논문에서 물리적인 자원의 가상화를 위하여 사용한 가상화 도구는 Xeii이며, Xen의 구조는 VMM(Virtual Macliine Monitor)으로도 불리는 하이퍼바이저 (Hypervisor)와 호스트 OS(Dom-0), 게스트 OS(Dom.U)로 구성된다. 하이퍼바이저는 하드웨어 상위에서 CPU와 메모리의 자원을 게스트 OS에 할당해주는 역할을 한다.
전체 시스템은 표1과 같이 총4대의 서버로 구성되며, 1대의 Front-End와 3대의 클러스터 노드로 구축하였다. 시스템에는 OpenNebula(이하 ONE) 를 사용하였고 Front-End에는 ONE의 데몬이 실행되어 각각의 클러스터 노드와생성된 가상머신의 모니터링 기능, 가상머신설치를 위 한 이미지 파일 관리 기능 등을 수행한다.

데이터처리

가상머신 임대 서비스의 관리 . 운용에 편의성 제고를 위하여 웹기반 클라우드 사용자 인터페이스를 구현하였다’ 또한OpenNebula의 스케줄러 성능 개선과 시스템의 활용성 향상을 위하여 클러스터 노드의 유휴 CPU 자원 우선순위와 Xen의 Credit 스케줄러를 고려한가상머 신 할당 방법을 제 안하고 그 성 능을 비 교 분석 하였다. 랜덤하게 가상머 신을 요청하는 실험 을 통해 제안하는 가상머신 할당 기법이 전체 시스템이 수용할수 있는 가상머 신 수와 CPU 자원 할당량에서 향상된 성능을 보였다.

성능/효과

그러나 제안하는 가상머신 할당 방법은 클라우드컴퓨팅 서비스 제공자와 사용자간에 LCPU 크기의 CPU 자원 할당을 보장하는 것을 최우선으로 하고 있으므로 가상머신이 LCPU 이상의 작업 요청 시에 LCPU 이상의 CPU 작업 량에 대 한 보장은 항상 하고 있지 않다. LCPU 이상의 CPU 작업 량을 보장할 수 있는 경우는 가상머신이 할당 되어 있는 해당 클러스터 노드에 유휴 CPU 자원이 있을 경우이다.
이상으로 CPU 성능을 이용할 수 있게 된다. 또한 클러스터 노드는CPU활용률을 높일 수 있으며, 전체 시스템 이 수용할 수 있는 가상머 신 수와 CPU 자원 할당량을 증가 시 킬 수 있다.
37대의 가상머신이 생성되었다. 또한ONE의 스케줄러를 이용하여 가상머신을 할당하고 가상머 신이 요청 한 작업 이 CPU 자원 사용량0.8 이상일 경우에는 하나의 클러스터 노드에서2.79대의 가상머신 밖에 수용할 수 없게 되었다. 이 결과는 가상머 신이 생성된후에 큰 작업을 수행할수록전체 시스템이 수용할 수 있는 가상머 신의 수와 CPU 자원 할당량이 감소흐]게 됨을 알 수 있다.
운용에 편의성 제고를 위하여 웹기반 클라우드 사용자 인터페이스를 구현하였다’ 또한OpenNebula의 스케줄러 성능 개선과 시스템의 활용성 향상을 위하여 클러스터 노드의 유휴 CPU 자원 우선순위와 Xen의 Credit 스케줄러를 고려한가상머 신 할당 방법을 제 안하고 그 성 능을 비 교 분석 하였다. 랜덤하게 가상머 신을 요청하는 실험 을 통해 제안하는 가상머신 할당 기법이 전체 시스템이 수용할수 있는 가상머 신 수와 CPU 자원 할당량에서 향상된 성능을 보였다.
79대의 가상머신 밖에 수용할 수 없게 되었다. 이 결과는 가상머 신이 생성된후에 큰 작업을 수행할수록전체 시스템이 수용할 수 있는 가상머 신의 수와 CPU 자원 할당량이 감소흐]게 됨을 알 수 있다.

후속연구

노드들을 ACPU가 작은 순으로 정렬한다. 정 렬된 클러스터 노드 리스트의 최상위부터 클러스터 노드를 선택하여 클러스터 노드가 가상머 신에 게 할당 가능한 남아있는 CPU 자원 할당량(ACPU)과 가상머 신 생성에 요구된 CPU 자원 할당량(LCPU)을 비 교하여 ACPU 가 부족하다면 다음 순위의 클러스터 노드를 비교하고 그렇지 않다면 실제 클러스터 노드의 유휴 CPU 자원 할당량(FCPU)과LCPU를 다시 비교한다.
향후 연구내용으로 소규모 단일 플랫폼을 벗어나 타 플랫폼과 연동 가능한 대규모 클라우드 컴퓨팅 환경 구축 및 가상머신 할당 기법의 성능 평 가에 대한 연구가 필요하다.

참고문헌 (15)

김창수, 김학영, 남궁한, "클라우드 서비스를 위한 대규모 클러스터 관리 기술 개발," 전자통신동향분석, Vol. 24, No. 4, pp. 89-98, 2009. 8.

원문보기 상세보기
Dave Thomas, "Enabling Application Agility-Software as a Service, Cloud Computing and Dynamic Languages," Journal of Object Technology, Vol. 7, No. 4, 2008. 5.
민옥기, 김학영, 남궁한, "클라우드 컴퓨팅 기술 동향," 전자통신동향분석, Vol. 24, No. 4, pp. 1-13, 2009. 8

원문보기 상세보기
Michael Armbrust et al, "Above the Clouds:A Berkley View of Cloud Computing," http://radlab.cs.berkeley.edu, 2009. 2.
M. D. Dikaiakos, D. Katsaros, O. Pallis, A. Vakali, and P. Mehra, "Cloud Computing," IEEE Internet Computing, Vol. 12, No. 5, 2009. 9.
Amazon, "Amazon Web Services: Overview of Security Process," http://aws.amazon.com, 2008. 9.
한재선, 클라우드 컴퓨팅 플랫폼과 오픈 플랫폼 기술," 정보처리학회지, Vol 16, No 2, pp.39-50, 2009. 3.

원문보기 상세보기
K. Keahey, T. Freeman, "Science Clouds: Early Experiences in Cloud Computing for Scientific Applications," Cloud Computing and Its Applications 2008 (CCA-08), Chicago, 2008. 10.
OpenNebula, http://www.opennebula.org
B. Sotomayor, R. S. Montero, I. M. Llorente and I. Foster, "Capacity Leasing in Cloud Systems using the OpenNebula Engine," Workshop on Cloud Computing and its Applications 2008 (CCA08), Chicago, 2008. 10.
Daniel Nurmi, Rich Wolski, Chris Grzegorczyk, Graziano Obertelli, Sunil Soman, Lamia Youseff, and Dmitrii Zagorodnov, "The Eucalyptus Open-source Cloud-computing System," Cloud Computing and Its Applications, 2008. 10.
M. Rosenblum, T. Garfinkel, "Virtual machine monitors: current technology and future trends," Computer(IEEE Computer Society), Vol. 38, Issue, pp. 39-47, 2005. 5.
VMware, http://www.vmware.com
A. Whitaker, M. Shaw, S. D. Gribble, "Lightweight Virtual Machines for Distributed and Networked Application," Technical Report University of Washington, 2002.
Credit scheduler, http://wiki.xensource.com/xenwiki/CreditScheduler

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증