선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 VDN과 Kubernetes의 연계를 통하여 오픈 클라우드 컴퓨팅 플랫폼을 개발하였다. 기존의 Kubernetes의 네트워크 구조와 개발한 오픈 클라우드 컴퓨팅 플랫폼에서 Kubernetes의 네트워크 구조의 차이를 설명하며, 기존에 사용하던 CNI와 개발한 CNI의 차이에 대해 설명한다.
- 본 논문에서는 대용량의 과학데이터의 고속 전송 서비스를 사용자들에게 제공할 수 있도록 VDN과 Kubernetes의 연계를 통해 새로운 CNI를 개발하고 성능시험을 수행했다. 개발된 CNI를 KREONET-S에 적용하여 ONOS 컨트롤러를 통한 시스템 가시화를 진행했으며, 성능 시험을 통해 해당 CNI의 우수성을 보이고자 한다.
- 본 장에서는 기존에 사용하던 CNI와 개발된 CNI를 적용한 Kubernetes를 이용하여 네트워크를 구성 후 네트워크의 성능 테스트를 수행하고자 한다.
제안 방법
- 한 대의 서버에 Master와 Node를 설치하여 Kubernetes를 구성하였으며, Master의 경우 Virtualbox를 이용하여 가상머신(VM) 위에 Master를 구성하였으며, Node는 실제 서버 호스트에 구성하였다. LAN 구간이 아닌 WAN 구간에서의 CNI 성능 검증을 위하여 대전에 그림 3의 Kubernetes 환경을 구성하고 부산에는 성능 측정 서버를 구축하였다. 그리고 SDN을 기반으로 대전의 Kubernetes로 생성한 Pod과 부산의 성능 측정 서버 사이에 1Gpbs 대역폭을 지닌 가상망을 구성하여 성능 테스트를 진행하였다.
- 본 논문에서는 대용량의 과학데이터의 고속 전송 서비스를 사용자들에게 제공할 수 있도록 VDN과 Kubernetes의 연계를 통해 새로운 CNI를 개발하고 성능시험을 수행했다. 개발된 CNI를 KREONET-S에 적용하여 ONOS 컨트롤러를 통한 시스템 가시화를 진행했으며, 성능 시험을 통해 해당 CNI의 우수성을 보이고자 한다.
- LAN 구간이 아닌 WAN 구간에서의 CNI 성능 검증을 위하여 대전에 그림 3의 Kubernetes 환경을 구성하고 부산에는 성능 측정 서버를 구축하였다. 그리고 SDN을 기반으로 대전의 Kubernetes로 생성한 Pod과 부산의 성능 측정 서버 사이에 1Gpbs 대역폭을 지닌 가상망을 구성하여 성능 테스트를 진행하였다. 이의 실험에서는 기존에 사용하던 CNI 중 Calico, Flannel, Weave Net을 사용하였으며, 본 논문에서 개발한 CNI 또한 동일한 환경에서 성능 테스트를 수행하였다.
- 본 논문에서 개발한 CNI는 Macvlan과 Host Device 두 가지의 네트워크이다. 기존에 Kubernetes에서 사용하는 CNI들은 브리지 네트워크와 오버레이네트워크 방식을 사용하였기 때문에 성능 저하의 문제가 생겼지만, 본 논문에서 개발한 CNI는 컨테이너와 호스트 사이의 브리지를 제거함으로써 보다 간단하고 원활한 네트워크의 구조로 개발되었다. 또한 두 가지의 기능의 차이점은 Macvlan은 다수의 호스트를 연결할 수 있도록 구성하기 위하여 개발되었으며, Host Device의 경우 하나의 Pod이 하나의 NIC을 할당받아 네트워크를 구성하기 때문에 높은 대역폭을 필요로 하는 시스템에 적용하기 위하여 개발되었다.
- 이의 실험에서는 기존에 사용하던 CNI 중 Calico, Flannel, Weave Net을 사용하였으며, 본 논문에서 개발한 CNI 또한 동일한 환경에서 성능 테스트를 수행하였다. 또한 개발된 CNI를 적용한 Kubernetes 환경간의 성능 테스트를 위하여 대전과 부산에 각각 독립적인 Kubernetes 테스트베드 환경을 구성하고, 이들 사이의 10Gbps 가상망을 생성하여 대전의 Pod과 부산의 Pod 간에 성능 측정을 수행하였다.
- 본 논문에서 개발한 오픈 클라우드 컴퓨팅 플랫품을 이용하여 가상화 환경에서 고성능의 네트워크를 구성할 수 있었다. 추후에는 본 논문에서 개발한 플랫폼을 이용하여 고성능 과학기술 빅데이터 전송 노드인 Data Transfer Node (DTN)[8]를 구성하고, KREONET-S를 통해 동적 네트워킹을 구성할 수 있는 Science DMZ[9] 모델의 가상화를 연구할 예정이다.
- 이를 해결하기 위해 Kubernetes와 VDN을 연계한 오픈 클라우드 컴퓨팅 플랫폼을 개발하고 있다. 본 논문에서는 오픈 클라우드 컴퓨팅 플랫폼에서 개발된 CNI와 기존의 Kubernetes 에서 사용되던 CNI인 Calico, Flannel, Weave Net, Macvlan, Host Device을 Software-Define Wide Area Network (SD-WAN) 구간인 대전과 부산 구간에 시스템을 구성하여 네트워크 성능 측정을 수행한다. 1Gbps 대역폭에서 테스트를 수행한 성능 측정 결과 Calico의 경우 904Mbis/sec, Flannel의 경우 895Mbits/sec, Weave Net의 경우 905Mbits/sec의 성능 결과를 보였으며, 개발한 CNI 중 Macvlan의 경우 938Mbits/sec의 성능을 보였으며, Host Device의 경우 940Mbits/sec의 성능을 보였다.
- 그리고 SDN을 기반으로 대전의 Kubernetes로 생성한 Pod과 부산의 성능 측정 서버 사이에 1Gpbs 대역폭을 지닌 가상망을 구성하여 성능 테스트를 진행하였다. 이의 실험에서는 기존에 사용하던 CNI 중 Calico, Flannel, Weave Net을 사용하였으며, 본 논문에서 개발한 CNI 또한 동일한 환경에서 성능 테스트를 수행하였다. 또한 개발된 CNI를 적용한 Kubernetes 환경간의 성능 테스트를 위하여 대전과 부산에 각각 독립적인 Kubernetes 테스트베드 환경을 구성하고, 이들 사이의 10Gbps 가상망을 생성하여 대전의 Pod과 부산의 Pod 간에 성능 측정을 수행하였다.
- 컨테이너는 가상화 기술의 하나이며, 추가적인 OS를 설치하여 가상화하는 방법을 개선하기 위해 프로세스를 격리하여 가볍고 빠르게 동작할 수 있는 기술이다. 컨테이너 기반의 오픈소스 가상화 플랫폼을 Docker라 하며, 구글에서 Docker를 오케스트레이션하는 툴인 Kubernetes[3]을 개발했다. Kubernetes는 여러 대의 호스트에서 컨테이너를 실행시켜주며, 호스트 간 컨테이너 네트워킹과 호스트 머신의 리소스를 분배 등의 문제를 해결해 줄 수 있는 툴이다.
- Kubernetes의 CNI 성능 테스트를 수행하기 위한 환경은 그림 3과 같다. 한 대의 서버에 Master와 Node를 설치하여 Kubernetes를 구성하였으며, Master의 경우 Virtualbox를 이용하여 가상머신(VM) 위에 Master를 구성하였으며, Node는 실제 서버 호스트에 구성하였다. LAN 구간이 아닌 WAN 구간에서의 CNI 성능 검증을 위하여 대전에 그림 3의 Kubernetes 환경을 구성하고 부산에는 성능 측정 서버를 구축하였다.
- 한편, 실험의 데이터를 수집하기 위해 서버의 네트워크 성능 측정 프로그램인 Iperf3를 이용하여 성능 측정을 수행하였으며, 각 CNI 별로 1000초 동안의 성능측정을 수행하고 이의 데이터를 수집하였다.
대상 데이터
- 본 논문에서 개발한 CNI는 Macvlan과 Host Device 두 가지의 네트워크이다. 기존에 Kubernetes에서 사용하는 CNI들은 브리지 네트워크와 오버레이네트워크 방식을 사용하였기 때문에 성능 저하의 문제가 생겼지만, 본 논문에서 개발한 CNI는 컨테이너와 호스트 사이의 브리지를 제거함으로써 보다 간단하고 원활한 네트워크의 구조로 개발되었다.
이론/모형
- 데이터 센터에서 가볍고 확장성 높은 서비스를 제공하기 위해 컨테이너 기반의 서버 가상화 기술을 사용한다. 컨테이너 기반의 서버 가상화의 문제점으로 네트워크의 성능 저하 및 유연성의 문제점이 제기 된다.
성능/효과
- 10Gbps의 대역폭에서 개발된 CNI를 적용하여 실험을 수행하였을 때, Macvlan의 경우 평균 9.7Gbits/sec의 성능을 보였으며, Host device의 경우 평균 9.88Gbits/sec의 성능을 보였다. 그림 5의 그래프를 보면 Macvlan의 경우 성능은 높지만, 불안정한 네트워크 성능을 보인다.
- 본 논문에서는 오픈 클라우드 컴퓨팅 플랫폼에서 개발된 CNI와 기존의 Kubernetes 에서 사용되던 CNI인 Calico, Flannel, Weave Net, Macvlan, Host Device을 Software-Define Wide Area Network (SD-WAN) 구간인 대전과 부산 구간에 시스템을 구성하여 네트워크 성능 측정을 수행한다. 1Gbps 대역폭에서 테스트를 수행한 성능 측정 결과 Calico의 경우 904Mbis/sec, Flannel의 경우 895Mbits/sec, Weave Net의 경우 905Mbits/sec의 성능 결과를 보였으며, 개발한 CNI 중 Macvlan의 경우 938Mbits/sec의 성능을 보였으며, Host Device의 경우 940Mbits/sec의 성능을 보였다. 성능 결과 기존의 CNI를 사용할 경우 브릿지와 오버레이 방식을 이용하여 네트워크를 구성하여 높은 성능 결과를 가져오기 힘들었지만, 개발한 CNI의 성능은 실제 호스트의 성능과 유사한 성능 결과를 가져왔다.
- 그림 6은 오픈 클라우드 컴퓨팅 플랫폼을 KREONET-S에 적용하였을 때, Kubernetes에서 생성된 Pod이 ONOS 컨트롤러를 통하여 시스템 가시화의 가능성을 확인한 그림이다. 그림을 통해 대전과 부산에 설치된 Kubernetes 시스템을 통해 Macvlan과 Host Device CNI를 이용하여 Pod을 생성하였고, 현재 생성된 Pod이 ONOS UI에서 확인이 가능한 것을 확인하였다.
- 성능 결과 기존의 CNI를 사용할 경우 브릿지와 오버레이 방식을 이용하여 네트워크를 구성하여 높은 성능 결과를 가져오기 힘들었지만, 개발한 CNI의 성능은 실제 호스트의 성능과 유사한 성능 결과를 가져왔다. 또한 10Gpbs 대역폭에서 테스트를 수행한 결과 9.7Gbits/sec 이상의 성능 결과를 보였다. 이를 통해 개발된 CNI의 성능 우수성을 증명하였다.
- 1Gbps 대역폭에서 테스트를 수행한 성능 측정 결과 Calico의 경우 904Mbis/sec, Flannel의 경우 895Mbits/sec, Weave Net의 경우 905Mbits/sec의 성능 결과를 보였으며, 개발한 CNI 중 Macvlan의 경우 938Mbits/sec의 성능을 보였으며, Host Device의 경우 940Mbits/sec의 성능을 보였다. 성능 결과 기존의 CNI를 사용할 경우 브릿지와 오버레이 방식을 이용하여 네트워크를 구성하여 높은 성능 결과를 가져오기 힘들었지만, 개발한 CNI의 성능은 실제 호스트의 성능과 유사한 성능 결과를 가져왔다. 또한 10Gpbs 대역폭에서 테스트를 수행한 결과 9.
- 7Gbits/sec 이상의 성능 결과를 보였다. 이를 통해 개발된 CNI의 성능 우수성을 증명하였다.
- 한편, 본 논문에서 개발한 CNI인 Macvlan의 성능은 938Mbits/sec의 성능을 보이며, Host device의 경우 평균 940Mbits/sec의 성능을 보인다. 즉, 1Gbps의 대역폭에서 성능측정을 수행하였을 때, Macvlan과 Host device의 성능이 실제 호스트의 성능과 유사한 성능을 보이며, 기존의 CNI 3가지에 비해 30Mbits/sec 이상 성능이 높다는 것을 알 수 있다.
- 그림 4를 보면 Calico는 평균 904Mbits/sec의 성능을 보이며, Flannel의 경우 평균 895Mbits/sec의 성능을 보이며, Weave Net의 경우 평균 905Mbits/sec의 성능을 보인다. 한편, 본 논문에서 개발한 CNI인 Macvlan의 성능은 938Mbits/sec의 성능을 보이며, Host device의 경우 평균 940Mbits/sec의 성능을 보인다. 즉, 1Gbps의 대역폭에서 성능측정을 수행하였을 때, Macvlan과 Host device의 성능이 실제 호스트의 성능과 유사한 성능을 보이며, 기존의 CNI 3가지에 비해 30Mbits/sec 이상 성능이 높다는 것을 알 수 있다.
후속연구
- 본 논문에서 개발한 오픈 클라우드 컴퓨팅 플랫품을 이용하여 가상화 환경에서 고성능의 네트워크를 구성할 수 있었다. 추후에는 본 논문에서 개발한 플랫폼을 이용하여 고성능 과학기술 빅데이터 전송 노드인 Data Transfer Node (DTN)[8]를 구성하고, KREONET-S를 통해 동적 네트워킹을 구성할 수 있는 Science DMZ[9] 모델의 가상화를 연구할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.