[논문]멀티 클라우드 서비스 공통 플랫폼 설계 및 구현

김수영; 김병섭; 손석호; 서지훈; 김윤곤; 강동재

doi:10.9717/kmms.2020.24.1.075

멀티 클라우드 서비스 공통 플랫폼 설계 및 구현
Design and Implementation of Multi-Cloud Service Common Platform 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.24 no.1, 2021년, pp.75 - 94

김수영 (Cloud Computing SW Research Section, Electronics and Telecommunications Research Institute) , 김병섭 (Cloud Computing SW Research Section, Electronics and Telecommunications Research Institute) , 손석호 (Cloud Computing SW Research Section, Electronics and Telecommunications Research Institute) , 서지훈 (Cloud Computing SW Research Section, Electronics and Telecommunications Research Institute) , 김윤곤 (Cloud Computing SW Research Section, Electronics and Telecommunications Research Institute) , 강동재 (Cloud Computing SW Research Section, Electronics and Telecommunications Research Institute)

Abstract ▼ AI-Helper

The 4th industrial revolution needs a fusion of artificial intelligence, robotics, the Internet of Things (IoT), edge computing, and other technologies. For the fusion of technologies, cloud computing technology can provide flexible and high-performance computing resources so that cloud computing can be the foundation technology of new emerging services. The emerging services become a global-scale, and require much higher performance, availability, and reliability. Public cloud providers already provide global-scale services. However, their services, costs, performance, and policies are different. Enterprises/ developers to come out with a new inter-operable service are experiencing vendor lock-in problems. Therefore, multi-cloud technology that federatively resolves the limitations of single cloud providers is required. We propose a software platform, denoted as Cloud-Barista. Cloud-Barista is a multi-cloud service common platform for federating multiple clouds. It makes multiple cloud services as a single service. We explain the functional architecture of the proposed platform that consists of several frameworks, and then discuss the main design and implementation issues of each framework. To verify the feasibility of our proposal, we show a demonstration which is to create 18 virtual machines on several cloud providers, combine them as a single resource, and manage it.

주제어

표/그림 (15)

그림 Fig. 1. The Functional Architecture of Multi-Cloud Service Common Platform (Cloud-Barista).
그림 Fig. 2. An Overview of Multi-Cloud Infrastructure Federation Framework.
그림 Fig. 3. The Functional Architecture of Multi-Cloud Infrastructure Federation Framework.
그림 Fig. 4. Relationship and Abstraction Methods of Multi Cloud Infrastructure's Functions.
그림 Fig. 5. An Example of Cloud Driver Common Interface.
그림 Fig. 6. The Abstracted Multi Cloud Infrastructure Resources.
그림 Fig. 7. The Driver Plugin Architecture.
그림 Fig. 8. The Functional Architecture of Multi-Cloud Infrastructure Service Management Framework.
그림 Fig. 9. The MCI Lifecycle Transition Graph.
그림 Fig. 10. The Functional Architecture of Multi-Cloud Application Management Framework.
그림 Fig. 11. The Functional Architecture of Multi-Cloud Service Monitoring Framework.
그림 Fig. 12. A Deployment Concept of Cloud-Barista.
그림 Fig. 13. The Functional Architecture of cb-operator.
그림 Fig. 14. The Demonstration Result of Cloud-Barista ver0.2.0-cappuccino.
표 Table 1. The Test Environment.

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 이러한 멀티 클라우드를 연동하여 다양한 서비스에 활용할 수 있도록 하는 멀티 클라우드 서비스 공통 플랫폼의 주요 설계 내용과 구현 이슈를 제시하였다.
본 논문에서는 이와 같은 문제 해결을 위하여 전세계 (이종) 멀티 클라우드 인프라의 연동 및 공통방식 제어 기술과 멀티 클라우드 인프라의 효과적인 배치 및 운용기술, 그리고 이러한 멀티 클라우드 인프라 상에서 애플리케이션의 효과적인 배치 및 운용기술과 대규모 멀티 클라우드 서비스에 대한 통합모니터링 기술에 대한 설계 및 주요 구현 이슈를 소개하였다. 이를 통해 단일 클라우드의 기능 제약 및 자원 한계를 뛰어넘는 글로벌 스케일의 멀티 클라우드 인프라 환경에서 운용되는 서비스들을 손쉽게 개발 및 운영할 수 있을 것으로 기대된다.

제안 방법

2와 같이 크게 3가지 기능을 제공한다. (1) 이종의 여러 클라우드 인프라 연동을 위해서 필요한 연동 설정 정보를 통합 관리하는 기능을 제공하고, (2) 서로 다른 멀티 클라우드 인프라 자원을 동일한 자원 규격으로 추상화하여 단일 인터페이스 및 공통 제어 방법을 통하여 멀티 클라우드를 제어할 수 있는 기능과 지속적인 클라우드 추가 연동을 위한 클라우드 연동 확장 기능을 제공하며, (3) 운영 중인 여러 멀티 클라우드 서비스 공통 플랫폼에서 연동된 멀티 클라우드에 연결 요청 및 API 호출 시마다 이에 대한 이력 정보를 통합 저장 관리하는 기능을 제공한다. 사용자는 연동 이력 정보 분석을 활용하여 멀티 클라우드 인프라 활용 정책 등에 활용할 수 있다.
이종 클라우드 서비스 제공자가 제공하는 서로 다른 모니터링 메트릭으로 인해 멀티 클라우드 서비스에 대한 일관된 통합 모니터링이 어렵다. 따라서 CB-Dragonfly는 에이전트 기반의 멀티 클라우드 통합 모니터링 구조를 활용하여 서로 다른 클라우드서비스에 대해 통합 모니터링 메트릭과 보관 정책을 적용함으로써 일관된 모니터링을 가능하도록 설계하였다.
또한 멀티 클라우드 상에서만 발생할 수 있는 MCI단위의 부분 상태 관리 기능과 MCI품질 자동관리를 위한 MCI동적 성능 벤치마킹 기능을 개발하여 공개하였다. 동적 성능 벤치마킹 기능은 사용자가 최적의 MCI를 구성할 수 있도록 조건에 맞는 CSP별 VM 스펙을 벤치마킹을 통해 찾아주는 기능으로, 시험용 VM들을 생성하여 벤치마킹 에이전트를 설치하고, 이 에이전트를 통해 CPU 성능(소수 계산 시간 등)과 네트워크 지연시간과 같은 개별 VM 및 VM들 간의 성능을 벤치마킹하고 그 결과를 취합한다.
본 연구에서는 앞선 연구들과는 달리 여러 클라우드 서비스 제공자들이 제공하는 클라우드 인프라를 공통된 방식으로 접근할 수 있는 프레임워크를 제공하여 라이브러리 방식보다 언어 독립성을 제공하고, 이를 기반으로 동일한 사용자 인터페이스를 통해 멀티 클라우드 상의 인프라들을 하나의 논리적 객체로 손쉽게 묶고 관리할 수 있는 프레임워크를 제공한다. 또한 이러한 하나의 논리적 객체를 토대로, 사용자들이 이질적인 클라우드 인프라 플랫폼에 신경을 쓰지 않고 다양한 지역적, 비용적 요구사항 등을 만족하도록 클라우드 애플리케이션의 실행을 지원하는 프레임워크를 제공하는 공통된 멀티 클라우드 서비스 플랫폼을 설계하여 제안한다.
멀티 클라우드 환경에서 Cloud-Bairsta의 동작 확인을 위해서 다양한 위치의 클라우드 리전에 가상머신(VM)을 생성하고 각 가상 머신이 정상적으로 동작하는지 확인하였다. 제2차 릴리즈 행사의 데모 세션에서는 Table1과 같이 전 세계 10개 리전에 분산하여 총 18개의 VM을 생성하고 이를 하나의 MCI로 묶고, 해당 MCI에 웹 서버(NGINX)를 일괄 배포한 후 웹 브라이저를 통해 MCI에 속한 각 VM에서 동작하는 웹서버에 각각 접속하여 웹 서버와 VM이 정상적으로 동작하는지 확인하는 시험을 수행하였다.
본 연구에서는 앞선 연구들과는 달리 여러 클라우드 서비스 제공자들이 제공하는 클라우드 인프라를 공통된 방식으로 접근할 수 있는 프레임워크를 제공하여 라이브러리 방식보다 언어 독립성을 제공하고, 이를 기반으로 동일한 사용자 인터페이스를 통해 멀티 클라우드 상의 인프라들을 하나의 논리적 객체로 손쉽게 묶고 관리할 수 있는 프레임워크를 제공한다. 또한 이러한 하나의 논리적 객체를 토대로, 사용자들이 이질적인 클라우드 인프라 플랫폼에 신경을 쓰지 않고 다양한 지역적, 비용적 요구사항 등을 만족하도록 클라우드 애플리케이션의 실행을 지원하는 프레임워크를 제공하는 공통된 멀티 클라우드 서비스 플랫폼을 설계하여 제안한다.
멀티 클라우드 환경에서 Cloud-Bairsta의 동작 확인을 위해서 다양한 위치의 클라우드 리전에 가상머신(VM)을 생성하고 각 가상 머신이 정상적으로 동작하는지 확인하였다. 제2차 릴리즈 행사의 데모 세션에서는 Table1과 같이 전 세계 10개 리전에 분산하여 총 18개의 VM을 생성하고 이를 하나의 MCI로 묶고, 해당 MCI에 웹 서버(NGINX)를 일괄 배포한 후 웹 브라이저를 통해 MCI에 속한 각 VM에서 동작하는 웹서버에 각각 접속하여 웹 서버와 VM이 정상적으로 동작하는지 확인하는 시험을 수행하였다.

성능/효과

14와 같이 세계지도에 VM의 위치를 표시하고 각 VM들을 포함하는 MCI를 다각형으로 시각화하여 직관적으로 동작 여부를 확인할 수 있도록 하였다. 그리고 MCI단위로 생성(Create), 일시 중지(Suspend), 재개(Resume), 재부팅(Reboot), 종료(Terminate) 명령을 내려, MCI단위의 VM 라이프사이클 제어가 잘 동작함을 확인하였다. 그림에 표현된 문구는 ’[MCI식별자] 현재 상태-(상태 변경 완료 VM 수/전체 VM 수)’을 의미한다.
동적 성능 벤치마킹 기능은 사용자가 최적의 MCI를 구성할 수 있도록 조건에 맞는 CSP별 VM 스펙을 벤치마킹을 통해 찾아주는 기능으로, 시험용 VM들을 생성하여 벤치마킹 에이전트를 설치하고, 이 에이전트를 통해 CPU 성능(소수 계산 시간 등)과 네트워크 지연시간과 같은 개별 VM 및 VM들 간의 성능을 벤치마킹하고 그 결과를 취합한다. 사용자는 벤치마킹의 결과인 각 리전별 VM의 CPU 성능과 VM및 클라우드 간 통신 성능 등을 고려하면서 VM을 배치하는데 활용하는 등 보다 효과적으로 MCI를 구성할 수 있다.

후속연구

앞으로는 국내외 다양한 클라우드 서비스 확대를 위해 클라우드 연동 드라이버들의 추가 개발과 클라우드 서비스별로 불규칙한 연동 성능 문제나 전체 VM 이미지 목록과 같은 대규모 정보 제공에 따른 성능 문제 등 이번 연구 과정에서 도출된 이슈들을 해결하기 위해 엣지 기술이나 분산 협업 기술을 접목할 계획이며, 멀티클라우드 인프라의 최적 배치를 위한 효과적인 모니터링 메트릭을 추가 발굴하고, 플랫폼 운영자들의 효과적 운용을 지원하기 위한 멀티클라우드 인프라 운영 자동화 기능을 개발할 계획에 있다. 그리고 멀티클라우드 애플리케이션의 실행 관리 방식을 구체화하는 등 멀티 클라우드 애플리케이션의 효과적인 운용을 위한 추가 연구를 진행할 예정이다. 또한 정량적/정성적인 측면의 성능 비교를 통해 개선할 부분을 파악하여 보다 효과적인 방법에 대한 연구를 진행할 예정이다.
또한 구성된 MCI 내 각 VM간 네트워크 지연 시간이 서로 상이하므로, 이러한 사항을 고려하여 쿠버네티스의 컨트롤 플레인 노드와 워커 노드들 간의 배치뿐만 아니라 워커 노드들에서 운용되는 단위 애플리케이션들 간의 효과적인 배치 방안이 수립되어야 한다.
그리고 멀티클라우드 애플리케이션의 실행 관리 방식을 구체화하는 등 멀티 클라우드 애플리케이션의 효과적인 운용을 위한 추가 연구를 진행할 예정이다. 또한 정량적/정성적인 측면의 성능 비교를 통해 개선할 부분을 파악하여 보다 효과적인 방법에 대한 연구를 진행할 예정이다.
멀티 클라우드 인프라 연동 이력 정보 관리 서버는 연동 이력 수집 에이전트를 통하여 도처에서 운영 중인 여러 연동 프레임워크 서버로부터 연결 및 호출 로그를 수집함으로써 모든 멀티 클라우드 연동 이력을 아카이빙하여 사용자에게 통합 제공한다. 마지막으로 멀티 클라우드 인프라 연동 이력 정보 리포터는 연동 이력 정보 관리 서버를 통해서 아카이빙된 연결 및 호출 연동 이력 정보에 대한 다양한 형태의 분석정보를 제공하며, 사용자는 연동 이력 정보 분석을 통하여 향후 사용자의 응용 패턴에 따른 멀티 클라우드 인프라 선택 등 멀티 클라우드 인프라 활용 정책 결정에 활용할 수 있다.
앞으로는 국내외 다양한 클라우드 서비스 확대를 위해 클라우드 연동 드라이버들의 추가 개발과 클라우드 서비스별로 불규칙한 연동 성능 문제나 전체 VM 이미지 목록과 같은 대규모 정보 제공에 따른 성능 문제 등 이번 연구 과정에서 도출된 이슈들을 해결하기 위해 엣지 기술이나 분산 협업 기술을 접목할 계획이며, 멀티클라우드 인프라의 최적 배치를 위한 효과적인 모니터링 메트릭을 추가 발굴하고, 플랫폼 운영자들의 효과적 운용을 지원하기 위한 멀티클라우드 인프라 운영 자동화 기능을 개발할 계획에 있다. 그리고 멀티클라우드 애플리케이션의 실행 관리 방식을 구체화하는 등 멀티 클라우드 애플리케이션의 효과적인 운용을 위한 추가 연구를 진행할 예정이다.
본 논문에서는 이와 같은 문제 해결을 위하여 전세계 (이종) 멀티 클라우드 인프라의 연동 및 공통방식 제어 기술과 멀티 클라우드 인프라의 효과적인 배치 및 운용기술, 그리고 이러한 멀티 클라우드 인프라 상에서 애플리케이션의 효과적인 배치 및 운용기술과 대규모 멀티 클라우드 서비스에 대한 통합모니터링 기술에 대한 설계 및 주요 구현 이슈를 소개하였다. 이를 통해 단일 클라우드의 기능 제약 및 자원 한계를 뛰어넘는 글로벌 스케일의 멀티 클라우드 인프라 환경에서 운용되는 서비스들을 손쉽게 개발 및 운영할 수 있을 것으로 기대된다.

참고문헌 (21)

Multicloud. https://en.wikipedia.org/wiki/Multicloud (accessed Oct., 15, 2020).
B.S. Kim, Y.W. Jung, B.T. Oh, S.Y. Kim, S. Son, J.H. Seo, et al., "Multi-cloud Technology Introduction and Research Trends," Electronics and Telecommunications Trends, Vol. 35, No. 3, pp. 45-54, 2020.

원문보기 상세보기
Y.M. Lim, "The Collaborative Image Editing Tool based On the Cloud Computing," Journal of Korea Multimedia Society, Vol. 20, No. 8, pp. 1456-1463, 2017.

원문보기 상세보기
D. Petcu, "Multi-Cloud: Expectations and Current Approaches," Proceedings of the 2013 International Workshop on Multi-cloud applications and federated clouds, pp. 1-6, 2013.
N. Ferry, A. Rossini, F. Chauvel, B. Morin, and A. Solberg, "Towards Model-Driven Provisioning, Deployment, Monitoring, and Adaptation of Multi-cloud Systems," 2013 IEEE Sixth International Conference on Cloud Computing, pp. 887-894, 2013.
Apache libCloud. https://libcloud.readthedocs.io/en/stable/ (accessed Oct., 15, 2020).
Apache jCloud. https://jclouds.apache.org/guides/ (accessed Oct., 15, 2020).
N. Goonasekera, A. Lonie, J. Taylor, and E. Afgan, "CloudBridge: A Simple Cross-cloud Python Library," Proceedings of the XSEDE 16 Conference on Diversity, Big Data, and Science at Scale, Article No. 37, pp. 1-8, 2016.
Scalr CMP. https://cmp.docs.scalr.com/en/latest/ (accessed Oct., 15, 2020).
Flexera RightScale. https://docs.rightscale.com/api/ (accessed Oct., 15, 2020).
J. Han, S. Park, J. Kim, "Dynamic OverCloud: Realizing Microservices-Based IoT-Cloud Service Composition over Multiple Clouds," Electronics, 9, 969, 2020.

상세보기
Hashicorp Terraform. https://www.terraform. io/docs/index.html (accessed Oct., 15, 2020).
System Design for Multi Cloud Service Common Framework (2019). https://github.com/cloud-barista/archive/blob/master/americano/docs/design/(Cloud-Barista)%EC%8B%9C%EC%8A%A4%ED%85%9C%EC%84%A4%EA%B3%84%EC%84%9C(v0.5)-2019-10-06.pdf (accessed Oct., 15, 2020).
N. Kratzke, P.C. Quint, "Understanding Cloud-native Applications after 10 Years of Cloud Computing - A Systematic Mapping Study," Journal of Systems and Software. Vol. 126, pp. 1-16, 2017.

상세보기
Cloud-Barista Public Container Image Registry. https://hub.docker.com/u/cloudbaristaorg (accessed Oct., 15, 2020).
Prometheus. https://prometheus.io/ (accessed Oct., 15, 2020).
Grafana. https://grafana.com/ (accessed Oct., 15, 2020).
Jaeger. https://www.jaegertracing.io/ (accessed Oct., 15, 2020).
Cloud-Barista Repositories. https://github.com/cloud-barista (accessed Oct., 15, 2020).
Cloud-Barista Community Website. https://cloud-barista.github.io/ (accessed Oct., 15, 2020).
Cloud-Barista Slack Workspace. https://cloudbarista.slack.com/ (accessed Oct., 15, 2020)

저자의 다른 논문 :

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