[논문]GPU를 공유하는 컨테이너 기반 클라우드 환경에서 다수의 사용자를 위한 원격 VR 서비스의 성능 관리 기법

강지훈

doi:10.3745/ktccs.2022.11.1.9

GPU를 공유하는 컨테이너 기반 클라우드 환경에서 다수의 사용자를 위한 원격 VR 서비스의 성능 관리 기법
Performance Management Technique of Remote VR Service for Multiple Users in Container-Based Cloud Environments Sharing GPU 원문보기

정보처리학회논문지. KIPS transactions on computer and communication systems 컴퓨터 및 통신 시스템, v.11 no.1, 2022년, pp.9 - 22

초록
AI-Helper

VR(Virtual Reality) 기술은 사용자에게 컴퓨터 그래픽으로 구성된 가상 세계를 보여줌으로써 다양한 시청각 기반 응용에 적극적으로 활용되는 인터페이스 기술이다. VR 기반 응용은 그래픽 처리 기반 응용이기 때문에 그래픽 처리를 위해 GPU(Graphics Processing Unit)가 장착된 고가의 컴퓨팅 장치가 필수적으로 요구된다. 이는 VR 응용 사용자에게 컴퓨팅 장치의 유지, 관리에 대한 비용 부담을 발생시키며, 이를 해결하는 방법의 하나로써 서비스를 클라우드 환경에서 운용하는 방법이 사용되고 있다. 본 논문에서는 다수의 컨테이너가 VR 응용을 실행하기 위해 GPU를 공유하는 컨테이너 기반 고성능 클라우드 환경에서 GPU 자원 경쟁으로 인해 발생하는 컨테이너 사이의 성능 간섭 문제를 해결하기 위한 성능 관리 기법을 제안한다. 제안하는 기법은 성능 간섭으로 인한 성능 편차를 감소시켜 사용자에게 균일한 성능의 클라우드 기반 원격 VR 서비스를 제공할 수 있도록 지원한다. 또한, 본 논문에서는 실험을 통해 제안하는 기법의 효율성을 검증한다.

Abstract ▼ AI-Helper

Virtual Reality(VR) technology is an interface technology that is actively used in various audio-visual-based applications by showing users a virtual world composed of computer graphics. Since VR-based applications are graphic processing-based applications, expensive computing devices equipped with Graphics Processing Unit(GPU) are essential for graphic processing. This incurs a cost burden on VR application users for maintaining and managing computing devices, and as one of the solutions to this, a method of operating services in cloud environments is being used. This paper proposes a performance management technique to address the problem of performance interference between containers owing to GPU resource competition in container-based high-performance cloud environments in which multiple containers share a single GPU. The proposed technique reduces performance deviation due to performance interference, helping provide uniform performance-based remote VR services for users. In addition, this paper verifies the efficiency of the proposed technique through experiments.

주제어

표/그림 (14)

그림 Fig. 1. 3D Graphic Rendering in VR
그림 Fig. 2. GPU-based High-performance Cloud
그림 Fig. 3. Single Execution Performance
그림 Fig. 4. Concurrent Execution Performance
그림 Fig. 5. Overall Structure
그림 Fig. 6. Container-based VR Video Streaming
그림 Fig. 7. Proposed Performance Monitoring Method
그림 Fig. 8. Display Refresh and Graphic Rendering
그림 Fig. 9. Reduction of FPS Deviation Through the Proposed Merhod
표 Table 1. Experiment Environment
그림 Fig. 10. Performance Difference between the Existing Environments and the Proposed Method
그림 Fig. 11. Performance with 500 3D Sphere Models
그림 Fig. 12. Performance with 1,500 3D Sphere Models
그림 Fig. 13. Video Streaming Performance in VR Applications

참고문헌 (24)

Oculus, Oculus Quest2 [Internet], https://www.oculus.com/quest-2/
HTC Vive, HTC Vive Pro2 [Internet], https://www.vive.com/kr/product/vive-pro2-full-kit/overview/
Amazon, Amazon EC2 Instance Types [Internet], https://aws.amazon.com/ec2/instance-types/?nc1f_ls
Microsoft, Azure NCv3 [Internet], https://docs.microsoft.com/ko-kr/azure/virtual-machines/ncv3-series
Docker, Docker [Internet], https://www.docker.com/
NVIDIA, NVIDIA Docker [Internet], https://github.com/NVIDIA/nvidia-docker
S. Kato, K. Lakshmanan, R. Rajkumar, and Y. Ishikawa, "TimeGraph: GPU scheduling for real-time multi-tasking environments," USENIX Annual Technical Conference, 2011, pp.17-30.
X. Long, X. Gong, Y. Liu, X. Que, and W. Wang, "Toward OS-level and device-level cooperative scheduling for multitasking GPUs," IEEE Access, pp.65711-65725, 2020.

상세보기
NVIDIA, NVIDIA GRID [Internet], https://www.nvidia.com/en-us/data-center/virtual-pc-apps/
AMD, AMD Radeon Pro [Internet], https://www.amd.com/ko/products/server-accelerators/amd-radeon-pro-v520
NVIDIA, NVIDIA Docker Wiki [Internet], https://github.com/NVIDIA/nvidia-docker/wiki/Frequently-Asked-Questions#i-have-multiple-gpu-devices-how-can-i-isolate-them-between-my-containers
D. Abramson, et al., "Intel virtualization technology for directed I/O," Intel Technology Journal, Vol.10, No.3, pp.179-192, 2006.
Y. Suzuki, S. Kato, H. Yamada, and K. Kono, "GPUvm: Why not virtualizing GPUs at the hypervisor?," USENIX Annual Technical Conference, pp.109-120, 2014.
K. Tian, Y. Dong, and D. Cowperthwaite, "A full GPU virtualization solution with mediated pass-through," USENIX Annual Technical Conference, pp.121-132, 2014.
H. Tan, Y. Tan, X. He, K. Li, and K. Li, "A virtual multi-channel GPU fair scheduling method for virtual machines," IEEE Transactions on Parallel and Distributed Systems, Vol.30, No.2, pp.257-270, 2018.

상세보기
X. Zhao, J. Yao, P. Gao, and H. Guan, "Efficient sharing and fine-grained scheduling of virtualized GPU resources," IEEE 38th International Conference on Distributed Computing Systems (ICDCS), pp.742-752, 2018.
Google, Google Stadia [Internet], https://stadia.google.com/
NVIDIA, Geforce NOW [Internet], https://www.nvidia.com/ko-kr/geforce-now/
T. Yoshihara and S. Fujita, "Fog-assisted virtual reality MMOG with ultra low latency," Seventh International Symposium on Computing and Networking (CANDAR), pp.121-129, 2019.
M. Viitanen, J. Vanne, T. D. Hamalainen, and A. Kulmala, "Low latency edge rendering scheme for interactive 360 degree virtual reality gaming," IEEE 38th International Conference on Distributed Computing Systems (ICDCS), pp.1557-1560, 2018.
A. Alshahrani, I. A. Elgendy, A. Muthanna, A. M. Alghamdi, and A. Alshamrani, "Efficient multi-player computation offloading for VR edge-cloud computing systems," Applied Sciences, Vol.10, No.16, pp.5515, 2020.

상세보기
H. Zhang, J. Zhang, X. Yin, K. Zhou, and Z. Pan, "Cloud-to-end rendering and storage management for virtual reality in experimental education," Virtual Reality & Intelligent Hardware, Vol.2, No.4, pp.368-380, 2020.

상세보기
W. Zou, S. Feng, X. Mao, F. Yang, and Z. Ma, "Enhancing quality of experience for cloud virtual reality gaming: An object-aware video encoding," 2021 IEEE International Conference on Multimedia & Expo Workshops (ICMEW), pp.1-6, 2021.
Unity Technologies, Unity [Internet], https://unity.com/

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