• 한국시뮬레이션학회논문지
• /
• 제16권2호
• /
• pp.1-8
• /
• 2007

그리드 컴퓨팅 환경에서 자원 관리는 이기종의 자원들 사이에서 통합과 상호작용을 위해 필수적이다. 이 논문은 자원관리의 복잡한 문제들을 해결하기 위해 집중화된 브로커 기반과 분산화된 브로커 기반 모델링의 자원 관리 기법을 논하고 그리드 컴퓨팅 환경에서 분산화된 브로커 기반 자원 관리 모델링의 설계와 구현을 표현한다. 이 모델은 글로벌 자원 브로커와 로컬 자원 브로커로 이루어지고 우리는 통신의 감소와 로컬 자원 브로커를 사용한 작업 관리의 기능적인 분산을 이끌어낸다. 시뮬레이션 결과는 자원 활용도와 평균 응답 시간의 향상을 보여주고 이 모델이 사용자 요구에 즉각 응답하고 자원의 활용도를 향상시킨다는 것을 증명한다.

• 한국전자통신학회논문지
• /
• 제6권1호
• /
• pp.111-117
• /
• 2011

본 논문에서는 클라이언트 가상화 기술을 이용하여 로컬 컴퓨팅 환경의 성능 저하를 최소화 하고 가상화된 사용자 영역에서 사용자가 필요한 기능을 사용할 수 있도록 효율적으로 제공하며, 로컬 컴퓨팅 환경의 중요정보 보호와 성능의 안정성 및 지속성을 유지하였다. 또한 로컬 컴퓨팅 환경 뿐만 아니라 악성코드와 같은 공격으로부터 가상화된 영역을 보호하기 위한 방법을 제안함으로서 가상화된 영역에 있는 데이터들의 암호화를 통하여 가상화된 사용자 영역의 보안을 극대화시켰다. 가상화를 통해 로컬 컴퓨팅 자원을 그대로 사용하면서 효율적으로 로컬 컴퓨팅 시스템으로부터 하나의 사용자 컴퓨팅 리소스를 분리시키는 것과 같은 효과를 얻을 수 있다.

• Journal of Information Processing Systems
• /
• 제8권4호
• /
• pp.555-566
• /
• 2012

The cloud environment makes it possible to analyze large data sets in a scalable computing infrastructure. In the bioinformatics field, the applications are composed of the complex workflow tasks, which require huge data storage as well as a computing-intensive parallel workload. Many approaches have been introduced in distributed solutions. However, they focus on static resource provisioning with a batch-processing scheme in a local computing farm and data storage. In the case of a large-scale workflow system, it is inevitable and valuable to outsource the entire or a part of their tasks to public clouds for reducing resource costs. The problems, however, occurred at the transfer time for huge dataset as well as there being an unbalanced completion time of different problem sizes. In this paper, we propose an adaptive resource-provisioning scheme that includes run-time data distribution and collection services for hiding the data transfer time. The proposed adaptive resource-provisioning scheme optimizes the allocation ratio of computing elements to the different datasets in order to minimize the total makespan under resource constraints. We conducted the experiments with a well-known sequence alignment algorithm and the results showed that the proposed scheme is efficient for the cloud environment.

• 한국컴퓨터정보학회논문지
• /
• 제15권2호
• /
• pp.1-8
• /
• 2010

본 논문에서는 그리드 환경을 구축할 때 자원 비용 면에서 효율적인 스케줄링 정책을 제안한다. 이 스케줄링 정책은 로컬 컴퓨팅 자원을 효율적으로 할당하기 위해 자원 비용과 작업 실패율을 고려한다. 이 스케줄링 정책의 특징은 원격 스케줄러와 로컬 스케줄러를 사용하여 2단계 스케줄링을 수행한다. 원격 스케줄러에서는 자원 데이터베이스에 저장된 네트워크와 로컬시스템의 정보를 사용하여 작업의 총실행시간이 최소인 로컬시스템을 선택하여 작업을 할당한다. 로컬 스케줄러에서는 할당된 작업의 대기시간과 처리시간을 재계산한 후, 작업을 데드라인 내에 처리할 수 있다면 로컬시스템에서 수행한다. 하지만 데드라인을 초과하면 다른 로컬시스템으로 이주시켜 처리함으로써 작업 실패율과 자원 비용을 최소화한다. 제안한 스케줄링 정책은 기존 Greedy 정책에 비해 작업 실패율은 높지만, 자원 비용을 줄이는 면에서 더 우수함을 보인다. 본 논문에서는 시뮬레이션을 통하여 제안한 스케줄링 정책이 기존 Greedy 스케줄링 정책에 비해 컴퓨팅 자원 비용을 줄이는 면에서 효과적임을 보인다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2007년도 추계 종합학술대회 논문집
• /
• pp.226-230
• /
• 2007

우리나라의 컴퓨터 보유율과 인터넷사용률은 세계1위를 자랑한다. 2002년 이래로 운영되어 오고 있는 코리아앳홈(이하 Korea@Home)프로젝트는 우리나라가 보유한 풍부한 컴퓨팅 자원들을 모아서 대규모 응용에 활용하고자 하는 것이다. 이미 많은 회원들을 확보하고 있으며, 현재 신약개발과 기후예측 등의 응용을 수행하고 있다. 코리아앳홈 회원들이 자신의 컴퓨터 자원을 제공하는데 있어 사용자들에게 불편을 주지 않기 위해 자원제공자들의 기여 패턴을 분석하여 사용자가 컴퓨터를 사용하지 않는 시간에 따라 에이전트t의 작업을 수행하도록 하는 스케줄링 방법을 제안한다

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 추계학술대회
• /
• pp.324-327
• /
• 2013

최근 클라우드 컴퓨팅 기술의 발달로 인해 클라우드 기반의 컴퓨팅 자원의 활용은 다양한 분야에서 실생활에 적용되고 있다. 특히, 스마트 기기의 기술과 네트워크 인프라의 발달은 지역 스마트 디바이스와 클라우드 저장소간의 파일 공유에 대한 필요성을 더욱 촉진 시켰다. 하지만, 스마트 기기의 저장 공간 제약 사항으로 인해 클라우드 저장소에 파일을 저장하는 것은 지역 저장소의 저장 공간기아 문제를 촉발 시킨다. 이것은 클라우드 저장소 서비스에서 대용량의 파일 저장 공간을 제공하더라도 사용자는 저장소 부족 문제에 직면 할 수 있음을 의미한다. 본 연구에서는 스마트 기기와 클라우드 저장소간의 파일 관리 방법을 제시한다. 본 연구에서 제시하는 지역 스토리지 용량 관리 방법은 사용자의 최근 사용한 날짜를 기반으로 파일 사용 패턴을 계산하고 이를 기반으로 지역에 저장된 파일들 중 마이그레이션 되어야 할 대상들을 선정하는 방법을 사용하고 있다. 더욱이 본 연구에서 제시하는 방법을 통하여 대규모 빅 데이터 저장소와 저장 공간의 제약을 가지고 있는 지역의 소형 클라이언트 장치간의 파일 동기화에도 활용될 수 있다.

• Journal of Information Processing Systems
• /
• 제20권2호
• /
• pp.226-238
• /
• 2024

Recently, multi-access edge computing (MEC) has emerged as a promising technology to alleviate the computing burden of vehicular terminals and efficiently facilitate vehicular applications. The vehicle can improve the quality of experience of applications by offloading their tasks to MEC servers. However, channel conditions are time-varying due to channel interference among vehicles, and path loss is time-varying due to the mobility of vehicles. The task arrival of vehicles is also stochastic. Therefore, it is difficult to determine an optimal offloading with resource allocation decision in the dynamic MEC system because offloading is affected by wireless data transmission. In this paper, we study computation offloading with resource allocation in the dynamic MEC system. The objective is to minimize power consumption and maximize throughput while meeting the delay constraints of tasks. Therefore, it allocates resources for local execution and transmission power for offloading. We define the problem as a Markov decision process, and propose an offloading method using deep reinforcement learning named deep deterministic policy gradient. Simulation shows that, compared with existing methods, the proposed method outperforms in terms of throughput and satisfaction of delay constraints.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.224-226
• /
• 2005

Grid computing enables the fundamental computing shift from a localized resource computing model to a fully-distributed virtual organization with shared resources. In the grid computing environment, grid users usually get access rights by mapping their credential to local account. The mapped total account is temporally belongs to grid user. So, data on the secondary storage, which is produced by grid operation, can increase the load of system administration or can issue grid user's privacy. In this paper, we design a data management system for grid user to cover these problems. This system implements template account mechanism and manages local grid data.

• Journal of Information Processing Systems
• /
• 제17권4호
• /
• pp.721-736
• /
• 2021

For the mobile edge computing (MEC) system supporting dense network, a joint allocation algorithm of computing and communication resources based on reinforcement learning is proposed. The energy consumption of task execution is defined as the maximum energy consumption of each user's task execution in the system. Considering the constraints of task unloading, power allocation, transmission rate and calculation resource allocation, the problem of joint task unloading and resource allocation is modeled as a problem of maximum task execution energy consumption minimization. As a mixed integer nonlinear programming problem, it is difficult to be directly solve by traditional optimization methods. This paper uses reinforcement learning algorithm to solve this problem. Then, the Markov decision-making process and the theoretical basis of reinforcement learning are introduced to provide a theoretical basis for the algorithm simulation experiment. Based on the algorithm of reinforcement learning and joint allocation of communication resources, the joint optimization of data task unloading and power control strategy is carried out for each terminal device, and the local computing model and task unloading model are built. The simulation results show that the total task computation cost of the proposed algorithm is 5%-10% less than that of the two comparison algorithms under the same task input. At the same time, the total task computation cost of the proposed algorithm is more than 5% less than that of the two new comparison algorithms.

• International Journal of Computer Science & Network Security
• /
• 제24권4호
• /
• pp.60-66
• /
• 2024

Host's data during transmission. Data tempering results in loss of host's sensitive information, which includes number of VM, storage availability, and other information. In the distributed cloud environment, each server (computing server (CS)) configured with Local Resource Monitors (LRMs) which runs independently and performs Virtual Machine (VM) migrations to nearby servers. Approaches like predictive VM migration [21] [22] by each server considering nearby server's CPU usage, roatative decision making capacity [21] among the servers in distributed cloud environment has been proposed. This approaches usage underlying server's computing power for predicting own server's future resource utilization and nearby server's resource usage computation. It results in running VM and its running application to remain in waiting state for computing power. In order to reduce this, a decentralized decision making hybrid model for VM migration need to be proposed where servers in decentralized cloud receives, future resource usage by analytical computing system and takes decision for migrating VM to its neighbor servers. Host's in the decentralized cloud shares, their detail with peer servers after fixed interval, this results in chance to tempering messages that would be exchanged in between HC and CH. At the same time, it reduces chance of over utilization of peer servers, caused due to compromised host. This paper discusses, an roatative decisive (RD) approach for VM migration among peer computing servers (CS) in decentralized cloud environment, preserving confidentiality and integrity of the host's data. Experimental result shows that, the proposed predictive VM migration approach reduces extra VM migration caused due over utilization of identified servers and reduces number of active servers in greater extent, and ensures confidentiality and integrity of peer host's data.