• Proceedings of the Korea Technology Innovation Society Conference
• /
• 2015.11a
• /
• pp.809-813
• /
• 2015

• Korea Information Processing Society Review
• /
• v.16 no.2
• /
• pp.51-63
• /
• 2009

• Journal of Internet Computing and Services
• /
• v.18 no.1
• /
• pp.1-9
• /
• 2017

Innovations from current researches on cloud computing such as applying bio-inspired computing techniques have brought new level solutions in offloading mechanisms. With the growing trend of mobile devices, mobile cloud computing can also benefit from applying bio-inspired techniques. Energy-efficient offloading mechanisms on mobile cloud systems are needed to reduce the total energy consumption but previous works did not consider energy consumption in the decision-making of task distribution. This paper proposes the Particle Swarm Optimization (PSO) as an offloading strategy of cloudlet to data centers where each task is represented as a particle during the process. The collected tasks are classified using K-means clustering on the cloudlet before applying PSO in order to minimize the number of particles and to locate the best data center for a specific task, instead of considering all tasks during the PSO process. Simulation results show that the proposed PSO excels in choosing data centers with respect to energy consumption, while it has accumulated a little more processing time compared to the other approaches.

• KIPS Transactions on Computer and Communication Systems
• /
• v.7 no.11
• /
• pp.275-280
• /
• 2018

The choice of a suitable distributed file system is required for loading large data and high-speed processing through subsequent applications in a cloud environment. In this paper, we propose a write performance improvement method based on GlusterFS and evaluate the performance of MapRFS, CephFS and GlusterFS among existing distributed file systems in cloud environment. The write performance improvement method proposed in this paper enhances the response time by changing the synchronization level used by the synchronous replication method from disk to memory. Experimental results show that the distributed file system to which the proposed method is applied is superior to other distributed file systems in the case of sequential write, random write and random read.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.695-696
• /
• 2009

최근 증가하고 있는 클라우드 컴퓨팅 환경에서는 동일한 하드웨어 플랫폼에서 운용되는 다수의 가상머신들이 악성코드에 감염되어 분산서비스거부 공격을 위한 좀비로 악용될 위험이 있다. 그러나, 기존의 가상머신에 대한 보안 기술은 악성코드 감염에 대해 능동적으로 대응하지 못하는 한계가 있다. 이에 따라 본 논문에서는 Xen 하이퍼바이저를 기반으로 구축된 클라우드 컴퓨팅 환경에서 다수의 가상머신이 악성코드에 감염되는 것을 차단하기 위한 보안 시스템의 설계 방법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.19-20
• /
• 2015

대용량 분산처리시스템과 전산자원 가상화를 토대로 소프트웨어 정의 데이터센터(SDDC) 구현 기술이 광범위하게 연구되고 오픈소스로써 발표되고 있다. 이에 더하여, 성능과 용량이 비약적으로 발전된 commodity hardware는 분산처리와 가상화에 최적의 조건이 됨은 물론, 기존 플랫폼의 한계를 극복하고 글로벌 클라우드가 표방하는 각종 편의성을 자체 구현 할 수 있는 기회를 주기도 한다. 이에 따라, 지속가능하면서 비용효율적인 컴퓨팅 플랫폼 구축 모델을 제시하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.129-132
• /
• 2012

클라우드 환경을 구성하는 자원을 능동적으로 사용 하기 위해서는 부하분산 정책이 필요하며 효율적으로 작업을 할당하고 공유할 수 있는 자원 관리 스케줄링이 필요하다. 또한 자원의 경제성을 유념하여 클라우드 서비스 제공자의 이익 창출과 자원 활용도의 개선을 실현해야하고 서비스 사용자의 만족도를 향상시켜야 한다. 본 논문에서는 계층형 부하분산 정책을 이용한 비용이익 기반 자원관리 스케줄링 모델(Cost-benefits Based Resource Management Scheduling Model using Hierarchical Load Balancing Policy)을 제안한다. 제안하는 모델은 계층형 부하분산 정책을 적용하여 자원을 통합, 관리함으로서 개선된 유지보수성을 제공하며, 서비스 제공자의 비용이익을 고려하여 각 자원들마다의 자원협상 메커니즘과 비용이익을 우선으로 하는 가격 결정 알고리즘을 제공하여 합리적인 자원 할당이 가능하다.

• Journal of Internet Computing and Services
• /
• v.18 no.3
• /
• pp.1-9
• /
• 2017

Smart Cities intelligently manage numerous infrastructures, including Smart-City IoT devices, and provide a variety of smart-city applications to citizen. In order to provide various information needed for smart-city applications, Smart Cities require a function to intelligently process large-scale streamed big data that are constantly generated from a large number of IoT devices. To provide smart services in Smart-City, the Smart-City Consortium uses stream reasoning. Our stream reasoning requires real-time processing of big data. However, there are limitations associated with real-time processing of large-scale streamed big data in Smart Cities. In this paper, we introduce one of our researches on cloud computing based real-time distributed-parallel-processing to be used in stream-reasoning of IoT big data in Smart Cities. The Smart-City Consortium introduced its previously developed smart-city middleware. In the research for this paper, we made cloud computing based real-time distributed-parallel-processing available in the cloud computing platform of the smart-city middleware developed in the previous research, so that we can perform real-time distributed-parallel-processing with them. This paper introduces a real-time distributed-parallel-processing method and system for stream reasoning with IoT big data transmitted from various sensors of Smart Cities and evaluate the performance of real-time distributed-parallel-processing of the system where the method is implemented.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06a
• /
• pp.317-318
• /
• 2010

클라우드 컴퓨팅 서비스를 제공하기 위해서는 클라우드 컴퓨팅에 적합한 데이터 분산 저장 및 병렬 처리가 가능한 IT 인프라 구축이 필수적이다. 이를 위해서 분산 파일 시스템 중 하나인 HDFS(Hadoop File System)와 병렬 데이터 처리를 지원하기 위한 MapReduce 프레임워크 관련 연구가 각광 받고 있다. 하지만 MapReduce 프레임워크를 구성하는 JobTracker 노드는 SPoF(Single Point of Failure)이기 때문에, 작업 도중 JobTracker 노드의 결함이 발생하게 되면 전체 작업이 실패하게 된다. 위와 같은 문제를 해결하기 위해서 본 논문에서는 MapReduce 프레임워크의 JobTracker 노드 결함 발생에 대처할 수 있는 결함허용 메커니즘을 제안하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.87-90
• /
• 2012

클라우드 컴퓨팅은 기존의 컴퓨팅 환경에 제약을 받지 않고 가상머신을 활용하여 고사양 컴퓨팅 환경을 제공해준다. 고사양의 컴퓨팅 환경을 제공해주는 서버는 분산 파일 시스템을 통해 자원을 관리하고 매치메이킹, Haizea 등의 가상머신 스케줄러를 통해 노드에 가상머신을 할당한다. 본 논문은 노드가 가지는 CPU, 메모리, 스토리지 자원의 처리 속도를 반영하여 최적의 노드에 가상머신을 할당 할 수 있는 다중 자원의 성능을 고려한 가상머신 할당 기법을 제안한다. 노드 성능 분석 결과를 가진 데이터베이스에서 하드웨어 성능이 지원되는 노드들 중 성능 분석 결과가 좋은 노드에 가상머신을 할당해 주는 방법으로 자원의 단편화를 최소화하고 신속한 할당이 가능하다.