• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.253-254
• /
• 2015

계산과학분야에서 컴퓨팅자원을 사용하는 사용자들은 수천 개의 CPU 규모의 클러스터단위로 컴퓨팅 자원을 사용한다. 자원의 크기에 따라 작업 실행 시간이 줄어들기 때문에 사용자들이 정확하고 빠른 연구결과를 얻기 위해서는 많은 컴퓨팅자원이 필요하다. 하지만 컴퓨팅자원의 한계와 비용의 문제로 모든 사용자들이 원하는 자원을 할당 받지 못한다. 본 논문에서는 컴퓨팅자원을 가상머신 클러스터 단위로 제공하는 방법과 자원의 낭비를 줄이기 위한 가상머신 동적 할당방법을 구현하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.167-169
• /
• 2015

기존 그리드 및 클러스터 환경과 달리 클라우드 컴퓨팅 환경에서는 하나의 물리 호스트 위에 다수의 가상 머신 인스턴스가 할당 및 운용됨에 따라 가상 머신 간섭 (Virtual Machine Interference)에 의한 응용 처리 성능 저하가 발생한다. 본 논문에서는 클라우드 오픈소스 플랫폼인 오픈스택 (OpenStack)을 기반으로 하여 가상 머신 인스턴스 위에서 Montage 워크플로우 응용을 처리할 때 가상 머신 간섭이 처리 성능에 미치는 정도를 분석하고 이를 해결하기 위한 자원 할당 정책을 논의한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.256-259
• /
• 2018

다수의 사용자가 자원을 공유하는 클라우드 센터에서는 자원 사용량 예측이 힘들기 때문에 지속적으로 가상머신의 자원 부족과 특정 물리 서버에 가상머신들이 집중되는 것을 방지하고자 클라우드 센터를 구성하는 다수의 물리 서버 사이에서 가상머신을 이주시키는 마이그레이션 작업을 수행한다. 가상머신 마이그레이션은 가상머신에게 할당된 자원의 규모에 따라 물리 서버에 가상머신을 균등하게 배치시킬 수 있지만 가상머신의 특정 자원에 따른 자원 집중 현상은 방지할 수 없다. 본 논문에서는 가상머신 마이그레이션 작업 시 자원 집중 현상을 방지하기 위한 기반 정보를 생성하는 가상머신 유형분류 기법을 제안한다. 본 논문에서 제안하는 가상머신 유형분류 기법은 물리 서버에서 실행 중인 가상머신의 자원 사용 정보를 기반으로 CPU, 메모리 유형으로 분류하여 가상머신 마이그레이션을 수행할 때 사용할 수 있는 기반 정보를 제공한다. 또한 본 논문에서 제안한 기법은 실험을 통해 무시할 수 있는 수준의 오버헤드를 발생시키는 것을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.44-46
• /
• 2017

본 논문에서는 클라우드 컴퓨팅에서 서버통합과 동시에 서버들의 자원 활용률을 증가시키기 위해 실행되는 가상머신 재배치가 수행되고 난 후에 가상머신들의 상태를 관리하기 위한 기법에 관한 모델을 제안한다. 가상머신 재배치에는 많은 문제점이 발생한다. 재배치 알고리즘으로 인한 서버 통합 시간이 증가되는 문제점도 있지만 재배치를 수행하면서 발생하는 가상머신 마이그레이션으로 인한 전체적인 클라우드 시스템의 부하를 예로 들 수 있다. 제안하는 기법은 가상머신들의 재배치 알고리즘 수행 도중 발생 할 수 있는 문제점과 재배치 이후에 가상머신들의 구동 시간이 종료되어 자연스럽게 할당이 해제되는 경우에 발생하는 문제점을 해결 할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.769-772
• /
• 2012

가상화 환경은 한 대의 서버에 여러 개의 가상 머신을 생성하여 독립적인 운영체제를 실행시킨다. 이러한 서버는 가상 머신에 서버의 자원을 할당하여 작업을 처리하고, 작업의 증가로 인해 가상 머신의 자원이 부족하게 되면 서버의 자원을 재할당 한다. 그러나 서버 자원의 확장이 어려운 경우 과부하 상태가 되어 가상 머신의 자원 부족을 해결할 수 없다. 또한 가상 머신을 다른 서버에 재배치 시킴으로써 서버의 과부하 문제를 해결하고자 하였으나, 서버 선정 과정이 단순하여 유휴자원을 확보하기가 어렵다. 따라서 본 논문에서는 가상 머신을 재배치시키는 기법을 제안한다. 또한 기존 재배치 알고리즘과 제안한 알고리즘에 대한 성능평가를 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06a
• /
• pp.528-530
• /
• 2011

Xen 가상머신에서 실시간적 성격을 가지는 게스트 도메인들의 워크로드가 가변적으로 변하는 상황에서 각 도메인들이 데드라인내에 작업을 처리하기 위해서는 효율적인 CPU 할당 기법이 필요하다. 본 연구에서는 리얼타임 도메인이 데드라인을 만족하는데 필요한 최소한의 CPU를 미리 할당하고 다른 게스트들에 부하가 발생하여 실시간 처리가 불가능한 상황이 발생하면 게스트 도메인의 수행 결과를 VMM 스케줄러에게 스케줄링 피드백을 주는 시스템을 제안한다. 또한, 다른 게스트간의 자원을 효율적으로 할당하고 반납할 수 있는 방법에 대해서 기술한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.541-542
• /
• 2021

클라우드 컴퓨팅 환경에서는 고성능 컴퓨팅을 지원하기 위해 사용자에게 GPU(Graphic Processing Unit)가 할당된 가상머신을 제공하여 사용자가 고성능 응용을 실행할 수 있도록 지원한다. 일반적인 컴퓨팅 환경에서 한 명의 사용자가 GPU를 독점해서 사용하기 때문에 자원 경쟁으로 인한 문제가 상대적으로 적게 발생하지만 독립적인 여러 사용자가 컴퓨팅 자원을 공유하는 클라우드 환경에서는 자원 경쟁으로 인해 서로 성능 영향을 미치는 문제를 발생시킨다. 본 논문에서는 여러 개의 가상머신이 단일 GPU를 공유하는 RPC(Remote Procedure Call) 기반 GPU 가상화 환경에서 다수의 가상머신이 GPGPU(General Purpose computing on Graphics Processing Units) 작업을 수행할 때 GPU 메모리 입력 경쟁으로 인해 발생하는 커널 함수의 실행 지연 문제를 분석한다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.9 no.9
• /
• pp.189-196
• /
• 2020

Recently, GPU cloud computing technology applying GPU(Graphics Processing Unit) devices to virtual machines is widely used in the cloud environment. In a cloud environment, GPU devices assigned to virtual machines can perform operations faster than CPUs through massively parallel processing, which can provide many benefits when operating high-performance computing services in a variety of fields in a cloud environment. In a cloud environment, a GPU device can help improve the performance of a virtual machine, but the virtual machine scheduler, which is based on the CPU usage time of a virtual machine, does not take into account GPU device usage time, affecting the performance of other virtual machines. In this paper, we test and analyze the performance degradation of other virtual machines due to the virtual machine that performs GPGPU(General-Purpose computing on Graphics Processing Units) task in the direct path based GPU virtualization environment, which is often used when assigning GPUs to virtual machines in cloud environments. Then to solve this problem, we propose a GPGPU task management method for a virtual machine.

• Journal of KIISE:Computer Systems and Theory
• /
• v.37 no.4
• /
• pp.246-255
• /
• 2010

There exist virtual machine scheduling delays in virtualized environment in which virtual machines share physical resources. Many resource management systems have been proposed to provide better application QoS through monitoring and analyzing application performance and resource utilization of virtual machines. However, those management systems don't consider virtual machine scheduling delays, result in incorrect application performance evaluation and QoS violations In this paper, we propose an application behavior analysis considering the scheduling delays, and a virtual machine priority allocation scheme based on the analysis to improve the application response time by minimizing the overall virtual machine scheduling delays.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06a
• /
• pp.16-17
• /
• 2012

본 논문에서는 클라우드 컴퓨팅 환경에서 N-스크린 서비스를 위한 동영상 콘텐츠의 분산 인코딩 기법을 제안한다. 이 기법은 Hadoop에 기반하여 인코딩 작업을 여러 가상머신에서 분산 실행하는데 각 가상머신의 작업량을 가상머신의 성능에 따라 다르게 할당한다. 성능에 따른 차등할당으로 가상머신의 유휴(idle)시간을 최소화하여 총인코딩시간을 단축시키고, 자원 활용도를 높일 수도 있다. 실험을 통하여 제안한 인코딩 기법이 균등분할 방식보다 짧은 시간에 인코딩을 완료함을 보인다. N-스크린 서비스는 같은 동영상을 다양한 디바이스 특성에 맞추어 여러 가지 해상도로 스트리밍 해야 하기 때문에 인코딩 소요시간을 단축함으로써 서비스의 성능 향상을 기대할 수 있다.