[논문]앱의 특성과 메모리 상황을 고려하는 스마트폰 스와핑 정책

반효경; 김지선

doi:10.7236/jiibc.2023.23.3.13

앱의 특성과 메모리 상황을 고려하는 스마트폰 스와핑 정책
A Smartphone Swapping Policy that Considers the Characteristics of Applications and Memory Situations 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.23 no.3, 2023년, pp.13 - 18

반효경 (이화여자대학교 컴퓨터공학과) , 김지선 (이화여자대학교 컴퓨터공학과)

초록
AI-Helper

모바일 앱의 수가 지속적으로 증가함에 따라 스마트 폰 메모리 시스템에 스와핑 기능 탑재시 발생하는 오버헤드가 점점 증가하고 있다. 데스크탑이나 서버 시스템과 달리 스마트폰의 기본 세팅에서는 스와핑을 지원하지 않으며, 따라서 가용 메모리가 부족할 경우 앱들은 강제로 종료된다. 이는 스마트폰에 스와핑 기능 탑재시 지나친 스토리지 접근으로 인한 오버헤드가 발생하기 때문이다. 본 논문에서는 스토리지 접근량을 크게 줄이는 스마트폰용 스와핑 정책을 제안한다. 제안하는 정책에서는 모바일 앱을 그 기능적 특성에 따라 카테고리화하고 앱의 우선순위와 메모리 상황을 고려해서 스와핑 대상이 되는 앱의 수를 조절한다. 안드로이드 레퍼런스 디바이스를 활용한 실측 실험을 통해 제안하는 스와핑정책이 다양한 모바일 앱에 대해 스와핑의 오버헤드를 크게 줄일 수 있음을 확인하였다.

Abstract ▼ AI-Helper

As the number of mobile applications increases rapidly, the overhead of swapping in smartphone memory systems keeps increasing. Unlike desktop or server systems, the basic setting of smartphones does not support swapping, so applications are killed when available memory is exhausted. This is because swapping in smartphones incurs excessive storage I/O overhead. In this article, we propose a swapping policy for smartphones, which significantly reduces storage I/Os. The proposed policy categorizes mobile applications based on their functional characteristics, and controls the number of applications to be swapped based on application priorities and memory situations. Measurement experiments with Android reference devices show that the proposed swapping policy dramatically reduces the overhead of swapping in various mobile applications.

주제어

표/그림 (4)

그림 그림 1. 스와핑 지원 여부에 따른 스마트폰의 스토리지 접근 분포 Fig. 1. Distributions of smartphone storage accesses depending on swapping supports.
그림 그림 2. 스와핑 지원 여부에 따른 스마트폰의 스토리지 위치별 접근 횟수 Fig. 2. Number of accesses for each storage location depending on swapping supports.
그림 그림 3. 3가지 정책의 적용에 따른 앱들의 초기 지연 시간 비교 Fig. 3. Comparison of each app's launch time when three policies are adopted.
그림 그림 4. 3가지 정책의 성능 비교 Fig. 4. Performance comparison of 3 policies.

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 새로운 하드웨어를 추가하는 대신 스마트폰 앱의 특성과 시스템의 메모리 상황을 고려하여 스와핑 대상 앱의 수를 조절하는 새로운 스와핑 정책을 제안한다. 제안하는 방식은 모든 앱의 메모리 데이터에 대해 스와핑 기능을 지원하는 대신 앱의 문맥 저장 특성과 중요도를 고려하여 스와핑을 선별적으로 지원한다.
본 논문에서는 스와핑 정책의 성능 평가를 위해 실측 실험을 하였다. 안드로이드 레퍼런스 디바이스인 픽셀 계열의 폰에서 메모리와 스왑 영역의 크기를 2GB씩으로 설정하고 제안한 스와핑 정책을 구현하였다.
본 논문에서는 앱의 특성과 메모리 상황을 고려하는 스마트폰의 스와핑 정책을 제안하였다. 제안한 정책은 스와핑의 대상이 되는 앱의 수가 증가할 경우 스마트폰의 성능이 크게 저하되는 것에 근거하여 메모리 상황에 맞게 스와핑 대상 앱의 수를 조절하도록 하였다.
스와핑의 오버헤드를 줄이기 위해 본 논문에서는 모바일 앱의 특성과 메모리 상황을 고려해서 스와핑의 대상이 되는 앱의 수를 조절하는 방식을 채택한다. 일부 모바일 앱들은 메모리 상의 데이터를 모두 스왑 영역에 저장하는 대신 소량의 문맥만을 스토리지에 유지하는 것으로 충분하다.

제안 방법

제안한 정책에서는 스와핑 대상으로 선정된 높은 우선순위 클래스의 앱들을 안드로이드의 킬링 데몬이 종료시키지 못하도록 설정하였다. 또한, 스와핑 데몬을 수정하여 낮은 우선순위 클래스에 속한 앱들을 스와핑 대상에서 제외하도록 구현하였다.
본 논문의 실험에서는 MX 플레이어, 인스타그램, 슬리더리오, BBC, 템플런2, 텐텐, 페이스북, 왓츠앱, 웹 브라우저, 캔디카메라, 피아노 타일2, G메일, 서브웨이 서퍼, NBC, 캔디크러쉬사가, 네이버 메모, 트래픽 라이더, 구글 카메라, 구글 맵, 에잇 볼풀, TED, 유튜브, 스케치, 네이버맵 등 24개의 앱들을 반복적으로 실행시켜 스와핑 방식의 효과에 대해 조사하였다. 비교를 위해 스와핑을 사용하지 않는 방식과 모든 앱에 대해 스와핑을 지원하는 방식에 대해 성능 측정을 하였다.
본 논문의 실험에서는 MX 플레이어, 인스타그램, 슬리더리오, BBC, 템플런2, 텐텐, 페이스북, 왓츠앱, 웹 브라우저, 캔디카메라, 피아노 타일2, G메일, 서브웨이 서퍼, NBC, 캔디크러쉬사가, 네이버 메모, 트래픽 라이더, 구글 카메라, 구글 맵, 에잇 볼풀, TED, 유튜브, 스케치, 네이버맵 등 24개의 앱들을 반복적으로 실행시켜 스와핑 방식의 효과에 대해 조사하였다. 비교를 위해 스와핑을 사용하지 않는 방식과 모든 앱에 대해 스와핑을 지원하는 방식에 대해 성능 측정을 하였다. 스와핑을 지원하지 않는 시스템에서는 모든 앱들이 우선순위 클래스와 무관하게 킬링의 대상이 되며, 안드로이드의 기본 세팅은 이와 같은 방식을 채택한다.
스와핑의 대상 앱을 선정하기 위해 본 논문에서는 사용 중인 앱들을 우선순위에 따라 클래스로 분류한다. 그런 다음 우선순위가 높은 클래스에 대해서만 스와핑을 지원한다.
본 논문에서는 스와핑 정책의 성능 평가를 위해 실측 실험을 하였다. 안드로이드 레퍼런스 디바이스인 픽셀 계열의 폰에서 메모리와 스왑 영역의 크기를 2GB씩으로 설정하고 제안한 스와핑 정책을 구현하였다. 제안한 정책에서는 스와핑 대상으로 선정된 높은 우선순위 클래스의 앱들을 안드로이드의 킬링 데몬이 종료시키지 못하도록 설정하였다.
여유 메모리 공간이 임계치 이하에 도달하면 제안하는 스와핑 정책은 메모리 공간 확보를 위해 스와핑과 킬링을 동시에 진행한다. 참고로 킬링 데몬과 스와핑 데몬은 안드로이드와 리눅스에서 각각 메모리 여유공간이 부족할 때 활성화되어 메모리 공간을 확보하는 역할을 한다.
제안하는 정책의 핵심 아이디어는 과도한 스토리지 접근 상황이 발생하지 않도록 스와핑의 대상이 되는 앱의 수를 상황에 따라 조절하는 것이다. 이를 위해 본 논문에서는 앱들을 클래스로 분류하고 시스템의 메모리 상황에 근거해 클래스의 우선순위 중 스와핑 대상이 되는 클래스를 결정한다.
지금부터는 본 논문이 제안하는 스와핑 정책의 동작에 대해 설명하도록 하겠다. 제안하는 정책의 핵심 아이디어는 과도한 스토리지 접근 상황이 발생하지 않도록 스와핑의 대상이 되는 앱의 수를 상황에 따라 조절하는 것이다. 이를 위해 본 논문에서는 앱들을 클래스로 분류하고 시스템의 메모리 상황에 근거해 클래스의 우선순위 중 스와핑 대상이 되는 클래스를 결정한다.
안드로이드 레퍼런스 디바이스인 픽셀 계열의 폰에서 메모리와 스왑 영역의 크기를 2GB씩으로 설정하고 제안한 스와핑 정책을 구현하였다. 제안한 정책에서는 스와핑 대상으로 선정된 높은 우선순위 클래스의 앱들을 안드로이드의 킬링 데몬이 종료시키지 못하도록 설정하였다. 또한, 스와핑 데몬을 수정하여 낮은 우선순위 클래스에 속한 앱들을 스와핑 대상에서 제외하도록 구현하였다.
본 논문에서는 앱의 특성과 메모리 상황을 고려하는 스마트폰의 스와핑 정책을 제안하였다. 제안한 정책은 스와핑의 대상이 되는 앱의 수가 증가할 경우 스마트폰의 성능이 크게 저하되는 것에 근거하여 메모리 상황에 맞게 스와핑 대상 앱의 수를 조절하도록 하였다. 이를 위해 스마트폰의 앱들을 그 기능적 특성에 따라 우선순위화하고 높은 우선순위의 앱들에 대해서는 스와핑을 선별적으로 지원하였다.

대상 데이터

실험에 사용한 스마트폰은 안드로이드 레퍼런스 디바이스인 픽셀 폰으로 그림 1은 스와핑을 사용한 경우와 그렇지 않은 경우 스토리지 접근의 분포를 비교해서 보여주고 있다. 그림에서 x축은 스토리지 블록의 참조가 일어날 때마다 1씩 증가하는 논리적인 시간을 나타내며 y축은 스토리지의 블록 번호를 나타낸다.

데이터처리

제안하는 정책의 효과를 검증하기 위해 안드로이드 레퍼런스 디바이스 상에서 앱 실행에 따른 지연 시간을 기존의 스와핑 기술 및 안드로이드의 메모리 관리 기술과 비교하였다. 실험 결과 제안하는 기술은 스와핑을 지원하지 않는 방식과 유사한 성능을 나타내는 것을 확인할 수 있었다.

성능/효과

그림에서 보는 것처럼 스와핑 미지원 방식에 비해 기존 스와핑 방식은 성능이 크게 저하되는 것을 확인할 수 있다. 구체적으로 기존 스와핑 방식은 53%의 평균적인 성능 저하가 발생했으며, 이는 킬링의 지원 없이 스와핑만을 사용하는 것이 실행 앱의 수가 증가함에 따라 확장성 있는 결과를 나타내지 못함을 뜻한다. 기존 스와핑 방식과 달리 제안하는 스와핑 정책은 거의 성능 저하가 나타나지 않는 것을 확인할 수 있다.
그림에서는 스와핑의 대상이 되는 높은 우선 순위 클래스의 앱들(클래스 I)과 킬링의 대상이 되는 낮은 우선 순위의 앱들(클래스 II)에 대한 결과를 구분해서 보여주고 있다. 그림에서 보는 것처럼 높은 우선 순위의 앱들은 본 논문이 제안하는 정책 하에서 가장 우수한 성능을 나타내었다. 이는 스와핑 대상이 되는 앱의 수를 일정 수준 이내로 유지하고 낮은 우선순위의 앱들을 먼저 종료시켜 스와핑으로 인한 빈번한 스토리지 접근을 막았기 때문이다.
그림 3은 3가지 정책이 구현된 시스템에서 앱들의 실행 시 초기 지연시간의 평균을 보여주고 있다. 그림에서 보는 것처럼 스와핑 미지원 방식에 비해 기존 스와핑 방식은 성능이 크게 저하되는 것을 확인할 수 있다. 구체적으로 기존 스와핑 방식은 53%의 평균적인 성능 저하가 발생했으며, 이는 킬링의 지원 없이 스와핑만을 사용하는 것이 실행 앱의 수가 증가함에 따라 확장성 있는 결과를 나타내지 못함을 뜻한다.
이를 좀 더 명확히 확인하기 위해 본 논문에서는 각 스토리지 블록에 대한 접근 횟수를 누적하여 이를 그림 2에 표시하였다. 그림에서 보는 것처럼 스와핑을 사용할 경우 접근 횟수가 200회 이상인 스토리지 블록들이 존재하는 것을 확인할 수 있다. 그러나, 스와핑을 사용하지 않는 경우 이러한 블록들은 발견되지 않았다.
구체적으로 기존 스와핑 방식은 53%의 평균적인 성능 저하가 발생했으며, 이는 킬링의 지원 없이 스와핑만을 사용하는 것이 실행 앱의 수가 증가함에 따라 확장성 있는 결과를 나타내지 못함을 뜻한다. 기존 스와핑 방식과 달리 제안하는 스와핑 정책은 거의 성능 저하가 나타나지 않는 것을 확인할 수 있다. 제안하는 정책의 기존 스와핑 방식 대비 성능 개선 효과는 평균 43%에 이르렀으며, 스와핑 미지원 정책에 비해서도 16%의 평균적인 성능 개선 효과를 나타내었다.
실험 결과 제안하는 기술은 스와핑을 지원하지 않는 방식과 유사한 성능을 나타내는 것을 확인할 수 있었다. 기존의 스와핑과 비교했을 때, 제안하는 정책은 스마트폰 앱들의 시작 지연 시간을 평균 43%까지 개선하는 것을 확인할 수 있었다.
안드로이드 레퍼런스 디바이스를 활용한 실험을 통해 제안하는 스와핑 정책이 기존의 스와핑 정책 대비 앱의 시작 지연시간을 크게 줄이는 것을 확인할 수 있었다. 또한, 스와핑을 지원하지 않는 시스템과 비교해서도 성능저하가 발생하지 않는 것을 확인할 수 있었다.
제안하는 정책의 효과를 검증하기 위해 안드로이드 레퍼런스 디바이스 상에서 앱 실행에 따른 지연 시간을 기존의 스와핑 기술 및 안드로이드의 메모리 관리 기술과 비교하였다. 실험 결과 제안하는 기술은 스와핑을 지원하지 않는 방식과 유사한 성능을 나타내는 것을 확인할 수 있었다. 기존의 스와핑과 비교했을 때, 제안하는 정책은 스마트폰 앱들의 시작 지연 시간을 평균 43%까지 개선하는 것을 확인할 수 있었다.
이를 위해 스마트폰의 앱들을 그 기능적 특성에 따라 우선순위화하고 높은 우선순위의 앱들에 대해서는 스와핑을 선별적으로 지원하였다. 안드로이드 레퍼런스 디바이스를 활용한 실험을 통해 제안하는 스와핑 정책이 기존의 스와핑 정책 대비 앱의 시작 지연시간을 크게 줄이는 것을 확인할 수 있었다. 또한, 스와핑을 지원하지 않는 시스템과 비교해서도 성능저하가 발생하지 않는 것을 확인할 수 있었다.
제안한 정책은 스와핑의 대상이 되는 앱의 수가 증가할 경우 스마트폰의 성능이 크게 저하되는 것에 근거하여 메모리 상황에 맞게 스와핑 대상 앱의 수를 조절하도록 하였다. 이를 위해 스마트폰의 앱들을 그 기능적 특성에 따라 우선순위화하고 높은 우선순위의 앱들에 대해서는 스와핑을 선별적으로 지원하였다. 안드로이드 레퍼런스 디바이스를 활용한 실험을 통해 제안하는 스와핑 정책이 기존의 스와핑 정책 대비 앱의 시작 지연시간을 크게 줄이는 것을 확인할 수 있었다.
이는 스와핑 대상이 되는 앱의 수를 일정 수준 이내로 유지하고 낮은 우선순위의 앱들을 먼저 종료시켜 스와핑으로 인한 빈번한 스토리지 접근을 막았기 때문이다. 이를 통해 낮은 우선순위의 앱들에 대해서도 일정 수준 이상의 성능을 유지할 수 있었으며, 가용 메모리 공간이 소진되더라도 높은 우선순위의 앱에 대한 메모리 데이터를 가급적 메모리에 유지시켜 우수한 성능을 나타낼 수 있었다.
본 논문에서는 새로운 하드웨어를 추가하는 대신 스마트폰 앱의 특성과 시스템의 메모리 상황을 고려하여 스와핑 대상 앱의 수를 조절하는 새로운 스와핑 정책을 제안한다. 제안하는 방식은 모든 앱의 메모리 데이터에 대해 스와핑 기능을 지원하는 대신 앱의 문맥 저장 특성과 중요도를 고려하여 스와핑을 선별적으로 지원한다.
기존 스와핑 방식과 달리 제안하는 스와핑 정책은 거의 성능 저하가 나타나지 않는 것을 확인할 수 있다. 제안하는 정책의 기존 스와핑 방식 대비 성능 개선 효과는 평균 43%에 이르렀으며, 스와핑 미지원 정책에 비해서도 16%의 평균적인 성능 개선 효과를 나타내었다. 이는 제안하는 정책이 메모리가 부족할 경우에도 공유 라이브러리나 안드로이드 서비스와 같은 필수적인 내용을 담는 메모리 페이지를 방출하지 않고 장기간 미사용된 앱을 종료시켜 메모리 공간을 확보하며, 그러고도 메모리가 부족할 때에 최근 미사용된 페이지를 스와핑하는 단계적인 정책을 펼치기 때문이다.

후속연구

그러나, 스와핑의 대상이 되는 앱의 수가 급격히 증가하게 되면 비록 메모리 용량이 크더라도 필수 서비스 컴포넌트나 공유 라이브러리 등이 메모리로부터 방출되는 상황이 발생하게 되는 것이다. 따라서, 스마트폰에서는 이러한 상황을 방지하기 위해 스와핑의 대상이 되는 앱의 수를 제한하는 정책이 필요하다.

참고문헌 (9)

B. Choi, S. Eom, C. Kim, and H. Lee, "Counterfeit bill？identification based on deep learning using？smartphone camera shooting images," Journal of？KIIT, vol. 19, no. 3, pp. 1-8, 2021.？DOI: https://doi.org/10.14801/jkiit.2021.19.3.1

상세보기
I. Nayeem and R. Want, "Smartphones: past, present,？and future," IEEE Pervasive Computing, vol. 13, no. 4,？pp. 89-92, 2014？DOI: https://doi.org/10.1109/MPRV.2014.74.

상세보기
B. Lee and C. Son, "Improving evaluation metric of？mobile application service with user review data,"？Journal of the Korea Academia-Industrial cooperation？Society, vol. 21, no. 1, pp. 380-386, 2020.？DOI: https://doi.org/10.5762/KAIS.2020.21.1.3
S. Kim, J. Jeong, J. Kim, and S. Maeng, "SmartLMK: a？memory reclamation scheme for improving？user-perceived app launch time," ACM Trans. Embed.？Comput. Syst., vol. 15, no. 47, pp. 1-25, 2016.？DOI: https://doi.org/10.1145/2894755

상세보기
J. Kim and H. Bahn, "Analysis of smartphone I/O？characteristics - toward efficient swap in a smartphone,"？IEEE Access, vol. 7, pp. 129930-129941, 2019.？DOI: https://doi.org/10.1109/ACCESS.2019.2937852.

상세보기
S. Yoon, H. Park, K. Cho, and H. Bahn, "Supporting？swap in real-time task scheduling for unified？power-saving in CPU and memory," IEEE Access, vol.？10, pp. 3559-3570, 2022.？DOI: https://doi.org/10.1109/ACCESS.2021.3140166

상세보기
S. Perez, "Report: Smartphone owners are using 9？apps per day, 30 per month," Technical Report,？http://goo.gl/gnrvsF, 2017.
D. Kim, S. Lee, and H. Bahn, "An adaptive location detection？scheme for energy-efficiency of smartphones," Pervasive？and Mobile Computing, vol. 31, pp. 67-78, 2016.？DOI: https://doi.org/10.1016/j.pmcj.2016.04.012

상세보기
S. Lee, H. Bahn, and S. H. Noh, ''CLOCK-DWF: A？write-history-aware page replacement algorithm for？hybrid PCM and DRAM memory architectures,'' IEEE？Trans. Computers, vol. 63, no. 9, pp. 2187-2200, 2014.？DOI: https://doi.org/10.1109/TC.2013.98？

상세보기

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