Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)

  • 2024.05a
  • /
  • Pages.839-842
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지

Reinforcement Learning-based Traffic Load Balancing in Service Mesh Environments

서비스 메시 환경에서 강화학습을 이용한 트래픽 부하 분산 메커니즘에 관한 연구

  • Chae-Ho Kim (Dept. of Artificial Intelligence Convergence, Dankook University) ;
  • Jaehyun Nam (Dept. of Computer Engineering, Dankook University)
  • 김채호 (단국대학교 인공지능융합학과) ;
  • 남재현 (단국대학교 컴퓨터공학과)
  • Published : 2024.05.23
Download PDF
⟨ Previous Next ⟩

Abstract

서비스 메시 환경에서의 트래픽 분산은 시스템의 성능과 안정성, 그리고 보안에 필수적인 기능을 담당한다. 현재의 트래픽 분산 방식들은 대부분 정적 설정을 기반으로 하기 때문에 시스템 환경의 변화에 신속하게 대응하기 어렵고 최적화된 성능을 보장하기 힘들다. 본 논문에서는 강화학습을 활용해 서비스 메시 환경 내에서의 트래픽 분산을 자동화하고 최적화할 수 있는 새로운 시스템을 제안한다. 특히, 텔레메트리 기술을 활용해 트래픽의 분산을 실시간으로 추적하며, 강화학습 알고리즘을 이용해 트래픽 가중치를 조정함으로써 기존의 로드 밸런싱 방법들에 비해 더 빠른 처리 시간과 보다 효율적인 로드 밸런싱을 달성할 수 있을 것으로 기대한다.

Keywords

Acknowledgement

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 학석사연계 ICT 핵심인재양성사업의 연구결과로 수행되었음 (IITP-2024-RS-2023-00259867)

References

  1. Sigelman, Benjamin H., et al. "Dapper, a Large-scale Distributed Systems Tracing Infrastructure", Google Technical Report, 2010, pp. 1-14
  2. A. Khatri and S. Mathi, "Active Home Agent Load Balancing for Next Generation IP Mobility based Distributed Networks", International Conference on Ubiquitous Communications and Network Computing, 2017, pp 165-176
  3. Volodymyr Mnih, Adria Puigdomenech Badia, et al. "Asynchronous Methods for Deep Reinforcement Learning", International Conference on International Conference on International Conference on Machine Learning, 2016, pp 1928-1937