초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

그리드 기술은 지리적으로 분산된 컴퓨팅 자원을 활용하기에 다양한 자원에 대한 정보를 관리하는 기술이 필요하며, 이는 자원 관리 시스템에서 자원을 모니터링하여 이루어진다. 자원 상태 정보가 실시간으로 변하여 주기적으로 모니터링을 행해야 한다. 모니터링에 사용된 자원은 시스템 성능에 오버헤드가 되므로 본 논문에서는 cpu 상태 변화 정도를 관찰하여 시스템 상태를 파악하고 이를 모니터링 주기에 적용시켜 모니터링 주기를 조절하는 시스템을 모델링 하였다. 이는 cpu상태 변화율에 따라 효율적이고 정확한 자원 정보를 수집하도록 모니터링 주기가 조절됨을 실험을 통하여 보일 것이다.

그리드 기술은 지리적으로 분산된 컴퓨팅 자원을 활용하기에 다양한 자원에 대한 정보를 관리하는 기술이 필요하며, 이는 자원 관리 시스템에서 자원을 모니터링하여 이루어진다. 자원 상태 정보가 실시간으로 변하여 주기적으로 모니터링을 행해야 한다. 모니터링에 사용된 자원은 시스템 성능에 오버헤드가 되므로 본 논문에서는 cpu 상태 변화 정도를 관찰하여 시스템 상태를 파악하고 이를 모니터링 주기에 적용시켜 모니터링 주기를 조절하는 시스템을 모델링 하였다. 이는 cpu상태 변화율에 따라 효율적이고 정확한 자원 정보를 수집하도록 모니터링 주기가 조절됨을 실험을 통하여 보일 것이다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 그러나 이 모니터링도 모니터링하면서 사용되어진 많은 자원에 대해서는 고려하지 않은 채 모니터링된 자료를 어떻게 잘 알릴 것인지에 대해서만이 언급되고 있다. 본 논문에서는 자원 상태 변화 정도를 파악해 모니터링 주기를 조절하여 효율적으로 모니터링하는 시스템을 제안한다.
• 본 연구에서는 자원 상태 변화가 많은 그리드 환경의 특성을 고려하여 자원 상태의 변화 정도를 감시하여 모니터링 주기를 조절하고자 한다. 즉 자원 상태 변화가 큰 경우에는 모니터링 주기를 줄여 빠르게 자원 상태 정보를 알려주고, 자원 상태 변화가 크지 않올 경우에는 모니터링 주기를 길게 조절하는 것이다.
• 본 연구는 자원 정보 상태의 변화 가능성을 예측하기 위해 자원 정보 모니터링에서 얻어온 cpu 정보와 PID 컨트롤러를 이용한 lu(k)-u(k-l)| 값과 k『e(k)을 비교 하였다. 이 비교를 통해 자원 정보 상태 변화를 파악하고, 이를 이용해 모니터링 주기를 조절하여 최소의 모니터링 ovshead로 정확한 자원 정보를 얻도록 하는 것이다, 시스템의 상태 변화가 많은 환경과 그렇지 않은 환경에 적용해 이를 증명하였다.
• 예를 들어, CPU의 사용률이 변화 없다면 그 나머지 이벤트들도 모니터링 할 필요가 없다. 즉 단지 cpu 사용률만으로 주기를 변경하는 것이 아니라 cpu 사용률의 변화율이 높고 낮음으로 모니터링 주기를 조절하자는 것이 본 논문의 제안이다. 즉, cpu 사용률의 변화가 큰 경우에는 자원 정보 상태의 변화 가능성이 큰 경우이므로 모니터링 주기를 짧게 해서 자원 정보를 자원 정보 관리 시스템에게 알리는 것이다.

제안 방법

• 본 연구는 자원 정보 상태의 변화 가능성을 예측하기 위해 자원 정보 모니터링에서 얻어온 cpu 정보와 PID 컨트롤러를 이용한 lu(k)-u(k-l)| 값과 k『e(k)을 비교 하였다. 이 비교를 통해 자원 정보 상태 변화를 파악하고, 이를 이용해 모니터링 주기를 조절하여 최소의 모니터링 ovshead로 정확한 자원 정보를 얻도록 하는 것이다, 시스템의 상태 변화가 많은 환경과 그렇지 않은 환경에 적용해 이를 증명하였다.

성능/효과

• 또한 본 논문에서 제안된 모델링을 현재 그리드 모니터링 기반으로 설계되어 새로운 하나의 모듈을 추가함으로써 모니터링 주기를 자원 성능 상태에 따라 다르게 할 수 있다. 즉 본 논문울 적용하는 면에 있어서도 현재의 구성요소와 다른 코드에 변화를 주지 않기에 쉽게 최적화된 모니터링 주기를 얻올 수 있을 것이다.
• 특정 환경에 5% threshold로 변화를 detect 했을 경우 100번의 모니터링을 수행했을 때, 본 연구를 통해 모니터링의 오버헤드를 20%정도 줄이는 효과를 볼 수 있다.

후속연구

• 또한 본 논문에서 제안된 모델링을 현재 그리드 모니터링 기반으로 설계되어 새로운 하나의 모듈을 추가함으로써 모니터링 주기를 자원 성능 상태에 따라 다르게 할 수 있다. 즉 본 논문울 적용하는 면에 있어서도 현재의 구성요소와 다른 코드에 변화를 주지 않기에 쉽게 최적화된 모니터링 주기를 얻올 수 있을 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기