[논문]화음 탐색법을 활용한 가상머신 재배치 연구

최재호; 김장엽; 서영진; 김영현

doi:10.5762/kais.2019.20.2.26

화음 탐색법을 활용한 가상머신 재배치 연구
Harmony Search for Virtual Machine Replacement 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.20 no.2, 2019년, pp.26 - 35

최재호 (국방기술품질원) , 김장엽 (광운대학교) , 서영진 (국방기술품질원) , 김영현 (국방기술품질원)

초록
AI-Helper

데이터센터는 서버, 스토리지, 네트워킹 기기 등을 운영하는 과정에서 냉각시설, 공조시설, 비상발전시설 등 많은 전력이 소비된다. 미국의 경우에는 2004년 데이터센터에서 소비하는 전력은 전체 전력 소비량의 1.8% 정도를 차지하기도 하였다. 데이터센터 산업은 큰 규모로 점진적으로 발전해왔으며, 향후에는 규모가 큰 하이퍼스케일 데이터센터의 수가 늘어날 것으로 전망되고 있다. 하지만 데이터센터의 서버 점유율을 조사해 본 결과, 평균 점유율이 15~20% 정도 밖에 되지 않는 등 서버가 효율적으로 사용되지 않는 문제가 존재하였다. 이러한 현상 및 문제점을 개선하고자 가상머신 마이그레이션 기능을 활용하여 가상머신 재배치 연구를 제안하고자 한다. 본 연구에서는 효과적인 가상머신 재배치를 위해 메타 휴리스틱 기법 중 하나인 화음 탐색법을 활용하였다. 유휴 서버 최대화를 목표로 하는 가상머신 재배치 문제를 설계하였으며 실험을 통해 풀이하였다. 본 연구는 가상머신 재배치를 통해 데이터센터 서버의 절전을 유도하여, 데이터센터의 운영비용을 절감하는 것을 목적으로 한다.

Abstract ▼ AI-Helper

By operating servers, storage, and networking devices, Data centers consume a lot of power such as cooling facilities, air conditioning facilities, and emergency power facilities. In the United States, The power consumed by data centers accounted for 1.8% of total power consumption in 2004. The data center industry has evolved to a large scale, and the number of large hyper scale data centers is expected to grow in the future. However, as a result of examining the server share of the data center, There is a problem where the server is not used effectively such that the average occupancy rate is only about 15% to 20%. To solve this problem, we propose a Virtual Machine Reallocation research using virtual machine migration function. In this paper, we use meta-heuristic for effective virtual machine reallocation. The virtual machine reallocation problem with the goal of maximizing the idle server was designed and solved through experiments. This study aims to reducing the idle rate of data center servers and reducing power consumption simultaneously by solving problems.

주제어

표/그림 (10)

그림 Fig. 1. Difference between traditional architecture and visualization architecture
그림 Fig. 2. Example of Virtual Machine Reallocation
그림 Fig. 3. Representation of (a) 2-D Bin Packing Problem and (b) Virtual Machine Reallocation
그림 Fig. 4. Representation of VMR Solution (HM)
표 Table 1. Test data for the experiment
표 Table 2. First Fit Decreasing for VMR
표 Table 3. Pseudo Code of Harmony Search
표 Table 4. Experiment environment
표 Table 5. Result of the experiment(# of released Nodes)
표 Table 6. Result of the Migration Efficiency

AI 본문요약
AI-Helper

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

문제 정의

마이그레이션 기능은 VM의 요구사항을 만족할 수 있을 만큼 대상 서버의 CPU 용량과 메모리 용량이 충분해야 하는 조건이 존재한다. Fig.2.는 VM 재배치 문제의 예시로 마이그레이션 기능을 활용하여 VM을 다른 서버로 옮긴 뒤, 기존 서버의 전원을 중단시켜 전력 사용량을 최소화하는 것을 목적으로 한다[8].
서버에 설치되어 있는 VM을 마이그레이션하여, 데이터센터의 운영 효율성을 높이는 문제는 VM 재배치 문제(Virtual Machine Reallocation, VMR) 혹은 VM 통합 문제(Virtual Machine Consolidation, VMC)등이 있다. 본 논문에서는 VM 재배치 문제(이하 VMR)로 기술한다.
본 연구는 메타 휴리스틱 기법 중 하나인 화음 탐색법을 활용한 가상머신 재배치를 통해 데이터센터 서버의 절전을 유도하여, 데이터센터의 운영비용을 절감하는 것을 목적으로 하였다. 기존 연구에서 제시된 실험 데이터를 활용하여, 본 연구에서 제안하는 화음탐색법과 FFD 알고리즘의 비교 실험을 진행하였다.
데이터센터의 서버들은 하이퍼바이저로 관리하는데, 대부분의 하이퍼바이저들은 VM을 서버에서 다른 서버로 옮길 수 있는 마이그레이션 기능을 지원한다. 본 연구에서는 VM 마이그레이션 기능을 활용하여, VM을 재배치하여 효율적인 데이터센터 운영에 기여하고자 한다.
본 연구에서는 VM 재배치 문제를 통해 유휴 서버를 최대화하는 것을 목표로 한다. 유휴 서버 최대화는 서버를 최대한 끔(released)을 의미하며, 가동되고 있는 서버 사용을 최소화하는 것과 동일한 의미를 갖는다.
하지만 여러 대의 서버를 관리하는 관점에서 전체의 전력 소비량을 줄일 수 있는 가장 좋은 방법은 서버를 최대한 절전하는 것이다. 이에 본 연구에서는 VM 배치를 통해 서버를 최대한 절전하는 것을 목적으로 하는 알고리즘을 제안하고자 한다.

가설 설정

PM에는 여러 개의 VM이 할당되어 있다. VM은 PM의 CPU 일부와 메모리(RAM) 일부를 점유하고 있으며, PM에 할당된 모든 VM의 CPU와 메모리를 각각 합하면, PM의 CPU와 메모리의 값과 동일하다고 가정한다(수식 1, 2). 실제 환경에서는 PM이 VM 할당 외에도 다른 작업을 수행하기 때문에 동일하지 않다.
서버의 워크로드 패턴이 완만하게 유지된다면, 마이그레이션을 할 필요가 없어진다. 서로의 패턴을 최대한 상쇄시키는 VM 조합들을 생성하여, PM에 배치한다면 마이그레이션 빈도가 줄어들 것이다. 향후 연구에서 VM의 워크로드 패턴을 예측하고, VM 워크로드 밸런스를 고려한 최적 조합을 도출한다면, 보다 현실적인 환경을 고려할 수 있을 것으로 사료된다.

제안 방법

VM 재배치 실험은 Performance Guarantee가 증명된 휴리스틱 알고리즘인 FFD와 화음 탐색법의 성능을 비교하였다. FFD는 내림차순을 한 뒤, 앞에서부터 채울 수 있는 공간을 채워나가는 알고리즘으로 의사코드(Pseudo Code)는 Table.
92확률로 생성된다. 또한 각 Class별로 VM을 25, 50, 75, 100, 125, 150개 생성하여, 상이한 크기로 실험을 진행하였다.
본 연구는 특정 시점의 PM과 VM의 점유율 정보를 기반으로 가상머신 재배치를 진행하였다.
본 연구에서 VM 배치에 활용할 데이터는 기존연구를 참고하여, 난수 생성하였다. 실험 데이터는 총 4개의 Class로 구성되어있으며, PM과 VM의 사양은 Table 1.
GAO.외 4인은 낭비되는 서버의 리소스와 전력을 줄이는데 다목적함수 문제에 적합한 개미 군집 최적화를 제시하였고, 이를 유전 알고리즘(Genetic Algorithm)과 최대-최소 개미 시스템(Max-Min Ant System)과 비교실험을 진행하였다[20]. C.

대상 데이터

본 연구에서 VM 배치에 활용할 데이터는 기존연구를 참고하여, 난수 생성하였다. 실험 데이터는 총 4개의 Class로 구성되어있으며, PM과 VM의 사양은 Table 1.기재된 값을 참고하여 생성하였다. 실험 데이터는 PM과 VM의 CPU 값과 메모리 값을 각각 난수로 생성한다.
실험 환경은 Table 4.와 같이 Windows OS, Intel Core i7(2.67GHz), 16GB RAM의 사양에서 진행하였다.

데이터처리

반면 화음 탐색법은 확률 기반의 알고리즘이기 때문에 매 실험마다 결과값이 상이하다. 10,000번의 반복실험을 총 30회 실시하여, 도출된 결과값 중 최고값(Best), 평균값(Average), 최악값(Worst)을 기재하였다. 화음탐색법은 각 클래스 별로 VM이 25개, 50개, 75개인 경우 반복 실험에서 비교적 높은 확률로 지역 최적해에 도달하였다.
본 연구는 메타 휴리스틱 기법 중 하나인 화음 탐색법을 활용한 가상머신 재배치를 통해 데이터센터 서버의 절전을 유도하여, 데이터센터의 운영비용을 절감하는 것을 목적으로 하였다. 기존 연구에서 제시된 실험 데이터를 활용하여, 본 연구에서 제안하는 화음탐색법과 FFD 알고리즘의 비교 실험을 진행하였다. 실험 결과는 FFD 알고리즘 보다 화음 탐색법이 유휴 PM 수가 더 높게 나왔으며, 마이그레이션 대비 유휴 PM 대수를 비교하는 마이그레이션 효율성 측면에서도 화음 탐색법이 더 높은 결과를 보임으로써 화음 탐색법의 우수성을 검증하였다.

이론/모형

유휴 서버 최대화는 서버를 최대한 끔(released)을 의미하며, 가동되고 있는 서버 사용을 최소화하는 것과 동일한 의미를 갖는다. 가상머신 재배치 문제 풀이는 메타휴리스틱 기법 중에 하나인 화음 탐색법(Harmony Search, 이하 HS)을 활용하였다.
데이터센터의 에너지 효율은 PUE(Power Usage Effectiveness, 전력소비효율)로 측정한다. PUE는 전체 전력량을 IT 장비가 소비하는 전력량으로 나눈 값을 의미하며, 1에 가까울수록 높은 효율을 뜻한다.

성능/효과

목적함수인 유휴 PM의 결과값을 비교한다면, 화음탐색법이 FFD보다 모든 클래스에서 좋은 결과를 보였다. FFD대비 화음 탐색법의 유휴 PM 개수는 적게는 14%(Class 4, VM Size = 125), 크게는 약 53%(Class 2, VM Size = 100) 정도 개선되었다. 이는 전반적으로 화음탐색법이 FFD보다 효과적이다고 해석 가능하다.
FFD의 마이그레이션 효율성은 15%∼18% 정도인 반면, 화음 탐색법은 마이그레이션 효율성은 50∼75% 수준으로 더 높은 효율성을 보였다.
목적함수인 유휴 PM의 결과값을 비교한다면, 화음탐색법이 FFD보다 모든 클래스에서 좋은 결과를 보였다. FFD대비 화음 탐색법의 유휴 PM 개수는 적게는 14%(Class 4, VM Size = 125), 크게는 약 53%(Class 2, VM Size = 100) 정도 개선되었다.
기존 연구에서 제시된 실험 데이터를 활용하여, 본 연구에서 제안하는 화음탐색법과 FFD 알고리즘의 비교 실험을 진행하였다. 실험 결과는 FFD 알고리즘 보다 화음 탐색법이 유휴 PM 수가 더 높게 나왔으며, 마이그레이션 대비 유휴 PM 대수를 비교하는 마이그레이션 효율성 측면에서도 화음 탐색법이 더 높은 결과를 보임으로써 화음 탐색법의 우수성을 검증하였다.
위와 같이 FFD와 화음탐색법을 마이그레이션 효과와 효율성 측면에서 비교했을 때, 화음탐색법이 우세한 결과를 보였지만 화음 탐색법의 경우에는 VM 사이즈가 커질수록, FFD의 실행시간의 증가폭이 크지 않은 반면, 화음 탐색법은 실행시간이 다소 증가하는 모습을 볼 수 있었다. 하지만 VM 사이즈가 가장 큰 경우의 실행시간은 1분 내외로 VM 마이그레이션이 빈번하게 이루어지는 작업이 아님을 감안한다면, 마이그레이션 계획을 도출하는데 걸리는 실행시간은 수용 가능한 시간으로 판단된다.
10,000번의 반복실험을 총 30회 실시하여, 도출된 결과값 중 최고값(Best), 평균값(Average), 최악값(Worst)을 기재하였다. 화음탐색법은 각 클래스 별로 VM이 25개, 50개, 75개인 경우 반복 실험에서 비교적 높은 확률로 지역 최적해에 도달하였다.

후속연구

서로의 패턴을 최대한 상쇄시키는 VM 조합들을 생성하여, PM에 배치한다면 마이그레이션 빈도가 줄어들 것이다. 향후 연구에서 VM의 워크로드 패턴을 예측하고, VM 워크로드 밸런스를 고려한 최적 조합을 도출한다면, 보다 현실적인 환경을 고려할 수 있을 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	데이터센터가 많은 전력을 소비하는 이유는?	데이터센터에는 수많은 서버, 스토리지, 네트워킹 기기들이 존재하며, 이들 서버가 배출하는 열기를 식히기 위한 냉각, 공조시설, 비상발전시설 등은 많은 전력을 소비한다.
	PUE는 무엇인가?	데이터센터의 에너지 효율은 PUE(Power Usage Effectiveness, 전력소비효율)로 측정한다. PUE는 전체 전력량을 IT 장비가 소비하는 전력량으로 나눈 값을 의 미하며, 1에 가까울수록 높은 효율을 뜻한다. 한국IT산 업협회의 조사에 따르면, 해외 데이터센터 평균 PUE는 1.
	실험 데이터별 FFD와 화음탐색법의 마이그레이션 효과와 효율성 측면에서 어떠한 결과를 보이는가?	위와 같이 FFD와 화음탐색법을 마이그레이션 효과와 효율성 측면에서 비교했을 때, 화음탐색법이 우세한 결과를 보였지만 화음 탐색법의 경우에는 VM 사이즈가 커질수록, FFD의 실행시간의 증가폭이 크지 않은 반면, 화음 탐색법은 실행시간이 다소 증가하는 모습을 볼 수 있었다. 하지만 VM 사이즈가 가장 큰 경우의 실행시간 은 1분 내외로 VM 마이그레이션이 빈번하게 이루어지는 작업이 아님을 감안한다면, 마이그레이션 계획을 도 출하는데 걸리는 실행시간은 수용 가능한 시간으로 판단 된다.

참고문헌 (27)

J. H. Bang, "The data center is 'Electric Eating Hippo' & When you are on the Internet,", The Hankyoreh, 2015.06.
Y. J. Bae, "Korea is a data center battleground & Reasons for global companies coming in one after another", Chosun NewsPress, 2017.10.
M. J. KIM, "Gangwon-do Data Center Status and Future Tasks", The Bank of Korea, 2018.04.
Data Center Knowledge, "Research: There are Now Close to 400 Hyper-Scale Data Centers in the World", 2017.12.
W.Vogels, "Beyond Server Consolidation", ACM Queue, 2008.01.-02.
S. Crosby, and D.Brown, "Virtualization reality", ACM Queue, 2006.12.
P. Timalsena, "A Study of The impact of Virtualization on Computer Networks", Master's thesis, 2013.
Redhat, "Virtualization Deployment and Administration Guide"
Eli M. Dow, "Decomposed multi-objective bin-packing for virtual machine consolidation", PeerJ Computer Science, 2016.
S.-H. Wang, P. P.-W. Huang, C. H.-P. Wen, and L.-C. Wang, "Eqvmp: Energy-efficient and qos-aware virtual machine placement for software defined datacenter networks," in Information Networking (ICOIN), 2014 International Conference on. IEEE, pp. 220-225, 2014.
T. Ferreto, C. A. De Rose, and H.-U. Heiss, "Maximum migration time guarantees in dynamic server consolidation for virtualized data centers," in Euro-Par 2011 Parallel Processing. Springer, pp. 443-454, 2011.
D. Dong and J. Herbert, "Energy efficient vm placement supported by data analytic service," in Cluster, Cloud and Grid Computing (CCGrid), 2013 13th IEEE/ACM International Symposium on. IEEE, pp. 648-655, 2013
X. Zhang, Q. Yue, and Z. He, "Dynamic energy-efficient virtual machine placement optimization for virtualized clouds," in Proceedings of the 2013 International Conference on Electrical and Information Technologies for Rail Transportation (EITRT2013)-Volume II. Springer, pp. 439-448, 2014.
W. Shi and B. Hong, "Towards profitable virtual machine placement in the data center," in Utility and Cloud Computing (UCC), 2011 Fourth IEEE International Conference on. IEEE, pp. 138-145, 2011.
I. Hwang and M. Pedram, "Hierarchical virtual machine consolidation in a cloud computing system," in Cloud Computing (CLOUD), 2013 IEEE Sixth International Conference on. IEEE, pp. 196-203, 2013.
H. Jin, D. Pan, J. Xu, and N. Pissinou, "Efficient vm placement with multiple deterministic and stochastic resources in data centers," in Global Communications Conference (GLOBECOM), 2012 IEEE. IEEE, pp. 2505-2510, 2012.
W. Li, J. Tordsson, and E. Elmroth, "Virtual machine placement for predictable and time-constrained peak loads," in Economics of Grids, Clouds, Systems, and Services. Springer, pp. 120-134. 2012.
O. Biran, A. Corradi, M. Fanelli, L. Foschini, A. Nus, D. Raz, and E. Silvera, "A stable network-aware vm placement for cloud systems," in Proceedings of the 2012 12th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (ccgrid 2012). IEEE Computer Society, pp. 498-506, 2012.
W. Wang, H. Chen, and X. Chen, "An availability-aware virtual machine placement approach for dynamic scaling of cloud applications," Ubiquitous Intelligence & Computing and 9th International Conference on Autonomic & Trusted Computing (UIC/ATC), 2012 9th International Conference on. IEEE, pp. 509-516, 2012.
Y. Gao, H. Guan, Z. Qi, Y. Hou, and L. Liu, "A multi-objective ant colony system algorithm for virtual machine placement in cloud computing," Journal of Computer and System Sciences, vol. 79, no. 8, pp. 1230-1242, 2013.

상세보기
C. C. T. Mark, D. Niyato, and T. Chen-Khong, "Evolutionary optimal virtual machine placement and demand forecaster for cloud computing," in Advanced Information Networking and Applications (AINA), 2011 IEEE International Conference on. IEEE, pp. 348-355, 2011.
A. C. Adamuthe, R. M. Pandharpatte, and G. T. Thampi, "Multiobjective virtual machine placement in cloud environment," in Cloud & Ubiquitous Computing & Emerging Technologies (CUBE), 2013 International Conference on. IEEE, pp. 8-13, 2013.
G. Wu, M. Tang, Y.-C. Tian, and W. Li, "Energy-efficient virtual machine placement in data centers by genetic algorithm," in Neural Information Processing. Springer, pp. 315-323, 2012.
J. Xu and J. A. Fortes, "Multi-objective virtual machine placement in virtualized data center environments," in Green Computing and Communications (GreenCom), 2010 IEEE/ACM Int'l Conference on & Int'l Conference on Cyber, Physical and Social Computing (CPSCom). IEEE, pp. 179-188, 2010.
Y. Wu, M. Tang, and W. Fraser, "A simulated annealing algorithm for energy efficient virtual machine placement," in Systems, Man, and Cybernetics (SMC), 2012 IEEE International Conference on. IEEE, pp. 1245-1250, 2012.
T. Ferreto, C. A. De Rose, and H.-U. Heiss, "Maximum migration time guarantees in dynamic server consolidation for virtualized data centers," in Euro-Par 2011 Parallel Processing. Springer, pp. 443-454, 2011.
A. Murtazaev, SY. Oh, "Sercon: Server Consolidation Algorithm using Live Migration of Virtual Machines for Green Computing", IETE Technical Review, 28:3, 212-231, 2014.

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