$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

클라우드 분산 파일 시스템 성능 개선 및 평가

Performance Enhancement and Evaluation of Distributed File System for Cloud

정보처리학회논문지. KIPS transactions on computer and communication systems 컴퓨터 및 통신 시스템, v.7 no.11, 2018년, pp.275 - 280  

이종혁 (대구가톨릭대학교 빅데이터공학과)

초록
AI-Helper 아이콘AI-Helper

클라우드 환경에서 빅데이터 적재와 이후 애플리케이션을 통한 고속 처리를 위해서는 적합한 분산 파일 시스템의 선택이 요구된다. 본 논문에서는 GlusterFS 기반 쓰기 성능 향상 방법을 제안하고 클라우드 환경에서 기존 분산 파일 시스템MapRFS, CephFS, GlusterFS와 성능을 비교 평가한다. 본 논문에서 제안한 쓰기 성능 향상 방법은 동기식 스토리지 복제 방식에서 사용하는 동기화 수준을 디스크에서 메모리로 변경함으로써 응답 시간을 향상 시킨다. 실험 결과는 본 논문의 제안 방법이 적용된 분산 파일 시스템이 순차 쓰기의 경우와 랜덤 쓰기와 랜덤 읽기가 혼합된 경우에서 다른 분산 파일 시스템 대비 성능이 우수함을 보인다.

Abstract AI-Helper 아이콘AI-Helper

The choice of a suitable distributed file system is required for loading large data and high-speed processing through subsequent applications in a cloud environment. In this paper, we propose a write performance improvement method based on GlusterFS and evaluate the performance of MapRFS, CephFS and...

주제어

표/그림 (8)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 GlusterFS 기반 쓰기 성능 향상 방법을 제안하고 기존 분산 파일 시스템 중 MapRFS, CephFS, GlusterFS와 성능을 클라우드 환경에서 비교 평가하였다. 본 논문에서 제안한 쓰기 성능 향상 방법은 기존 동기식에서 사용한 디스크에 쓰는 방식을 메모리에 쓰는 방식으로 변경함으로써 응답 시간을 향상 시켰다.
  • GlusterFS는 동기식을 Automatic File Replication (AFR)이라는 명명으로 지원하며 비동기식을 Geo-replication이라는 명명으로 지원한다. 본 논문은 GlusterFS 기반 AFR 사용 시 쓰기 성능 향상 방법이 적용된 eGlusterFS를 제안한다. 파일 수정 작업 시 AFR은 잠금 설정, xattr 설정, 쓰기, xattr 해제, 잠금 해제의 단계를 거치는데 본 논문은 Fig.
  • 이와 같이 빅데이터 적재와 이후 애플리케이션을 통한 고속 처리에 적합한 분산 파일 시스템의 선택을 위해서는 그에 관한 조사와 성능평가가 요구된다. 본 논문은 POSIX 방식으로 접근 가능한 분산 파일 시스템 중 MapRFS, CephFS, GlusterFS의 성능을 평가한다. 그리고 기존 GlusterFS에 기반을 둔 쓰기 성능 향상 방법을 제안하고 기존 성능과 비교 평가한다.
  • 클러스터 기반 아키텍처를 이용한 대표적인 분산 파일 시스템 예로 Google File System (GFS) [15], Hadoop File System (HDFS)[16], MapR File System (MapRFS)[17], Ceph File System(CephFS)[18], Gluster File System(GlusterFS)[19] 등이 있다. 본 논문은 이 중 성능 집약적 응용을 위해 설계된 MapRFS, CephFS, GlusterFS의 아키텍처를 살펴보고 GlusterFS의 쓰기 성능 개선 방법을 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
빅데이터 정보처리의 적재 단계란 무엇인가? 빅데이터 정보처리는 일반적으로 수집, 적재, 처리, 탐색, 분석 및 응용의 단계로 구성된다. 이 중 적재 단계는 수집한 데이터를 분산 스토리지에 영구 또는 임시로 저장하는 단계로 수집 데이터 형태에 따라 분산 스토리지 유형이 파일 시스템, NoSQL, In-Memory Cache, Message Oriented Middleware 등과 같이 달라진다. 그리고 그 다음 단계인 처리 단계 방법도 달라지므로 적절한 분산 스토리지 선택이 중요하다.
빅데이터란 무엇인가? 모바일 인터넷 시대를 기점으로 전 세계적으로 디지털 환경에서 생성 및 유통되는 문자, 영상 등의 데이터양이 폭발적으로 증가함에 따라 방대한 규모와 정형화 되지 않은 데이터를 포함하는 빅데이터 시대가 도래했다. 빅데이터는 대량(High-Volume), 고속(High-Velocity), 그리고(또는) 다양성(High-Variety)의 속성을 지닌 정보 자산으로 이를 이용한 통찰 강화, 의사 결정 및 프로세스 자동화를 위해서는 비용 효율적이고 혁신적인 정보처리가 요구된다[1]. 빅데이터 정보처리는 일반적으로 수집, 적재, 처리, 탐색, 분석 및 응용의 단계로 구성된다.
빅데이터 정보처리 단계는 어떻게 구성되어 있는가? 빅데이터는 대량(High-Volume), 고속(High-Velocity), 그리고(또는) 다양성(High-Variety)의 속성을 지닌 정보 자산으로 이를 이용한 통찰 강화, 의사 결정 및 프로세스 자동화를 위해서는 비용 효율적이고 혁신적인 정보처리가 요구된다[1]. 빅데이터 정보처리는 일반적으로 수집, 적재, 처리, 탐색, 분석 및 응용의 단계로 구성된다. 이 중 적재 단계는 수집한 데이터를 분산 스토리지에 영구 또는 임시로 저장하는 단계로 수집 데이터 형태에 따라 분산 스토리지 유형이 파일 시스템, NoSQL, In-Memory Cache, Message Oriented Middleware 등과 같이 달라진다.
질의응답 정보가 도움이 되었나요?

참고문헌 (20)

  1. M. A. Beyer and D. Laney, The Importance of 'Big Data': A Definition [Internet], https://www.gartner.com/doc/2057415/ importance-big-data-definition. 

  2. L. M. Roch, T. Aleksiev, R. Murri, and K. K. Baldridge. "Performance analysis of open­source distributed file systems for practical large­scale molecular ab initio, density functional theory, and GW+ BSE calculations," International Journal of Quantum Chemistry, Vol.118, No.1, 2018. 

  3. G. Donvito, G. Marzulli, and D. Diacono, "Testing of several distributed file-systems (HDFS, Ceph and GlusterFS) for supporting the HEP experiments analysis," Journal of Physics: Conference Series, Vol.513, No.4, 2014. 

  4. D. Gudu, M. Hardt, and A. Streit, "Evaluating the performance and scalability of the ceph distributed storage system," in Proceedings of IEEE International Conference on Big Data (Big Data), 2014. 

  5. FIO [Internet], https://github.com/axboe/fio 

  6. SysBench [Internet], https://github.com/akopytov/sysbench 

  7. Cooper, Brian F., Adam Silberstein, Erwin Tam, Raghu Ramakrishnan, and Russell Sears, "Benchmarking cloud serving systems with YCSB," in Proceedings of the 1st ACM Symposium on Cloud Computing, pp.143-154. ACM, 2010. 

  8. M. Ferdman, A. Adileh, O. Kocberber, S. Volos, M. Alisafaee, D. Jevdjic, C. Kaynak, A. D. Popescu, A. Ailamaki, and B. Falsafi, "Clearing the clouds: a study of emerging scale-out workloads on modern hardware," ACM SIGPLAN Notices, Vol.47, No.4, pp.37-48, 2012. 

  9. A. Ghazal, T. Ivanov, P. Kostamaa, A. Crolotte, R. Voong, M. Al-Kateb, W. Ghazal, and R. V. Zicari, "BigBench V2: The New and Improved BigBench," in Proceedings of the 33rd International Conference on Data Engineering (ICDE), pp.1225-1236, 2017. 

  10. Z. Ren, W. Shi, J. Wan, F. Cao, and J. Lin, "Realistic and scalable benchmarking cloud file systems: Practices and lessons from AliCloud," IEEE Transactions on Parallel & Distributed Systems, Vol.28, No.1, pp.3272-3285, 2017. 

  11. Y. Wu, F. Ye, K. Chen, and W. Zheng, "Modeling of distributed file systems for practical performance analysis," IEEE Transactions on Parallel and Distributed Systems, Vol.25, No.1, pp. 156-166, 2014. 

  12. T. Harter, D. Borthakur, S. Dong, A. S. Aiyer, L. Tang, A. C. Arpaci-Dusseau, and R. H. Arpaci-Dusseau, "Analysis of HDFS under HBase: a facebook messages case study," in Proceedings of the 12th USENIX Conference on File and Storage Technologies (FAST), pp.199-212, 2014. 

  13. M. Shamma, D. T. Meyer, J. Wires, M. Ivanova, N. C. Hutchinson, and A. Warfield, "Capo: Recapitulating Storage for Virtual Desktops," in Proceedings of the 9th USENIX Conference on File and Storage Technologies (FAST), pp. 31-45. 2011. 

  14. Y. Gong, C. Hu, Y. Xu, and W. Wang, "A Distributed File System with Variable Sized Objects for Enhanced Random Writes," The Computer Journal, Vol.59, No.10, pp.1536-1550, 2016. 

  15. S. Ghemawat, H. Gobioff, and S. Leung, "The Google File System," SIGOPS Oper. Syst. Rev., Vol.37, No.5, pp.29-43, 2003. 

  16. K. Shvachko, H. Kuang, S. Radia, and R. Chansler, "The hadoop distributed file system," in Proceedings of the IEEE 26th Symposium on Mass Storage systems and Technologies (MSST), 2010. 

  17. MapRFS [Internet], https://mapr.com/products/mapr-fs. 

  18. S. A. Weil, S. A. Brandt, E. L. Miller, D. DE Long, and C. Maltzahn, "Ceph: A scalable, high-performance distributed file system," in Proceedings of the 7th USENIX Symposium on Operating Systems Design and Implementation (OSDI), pp.307-320, 2006. 

  19. GlusterFS [Internet], https://docs.gluster.org. 

  20. NFS-Ganesha [Internet], https://github.com/seoultower/nfs-ganesha 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 보고서와 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트