LSTM기반 CPU 사용예측을 통한 사설 클라우드 시스템의 다중클러스터 안정성 향상 방안 연구 (An Improvement of Multi-Cluster Stability of Private Cloud Systems through LSTM-Based CPU Usage Prediction)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 47권 / 8호 / 1081 ~ 1095페이지
· 저자명 : 박선철, 김영한

초록

본 논문은 다수의 기업에서 도입·운영 중인 Cloud Infrastructure as a Service(IaaS) 환경에서 단일 cluster에 소속된 전용 고가용성 자원을 다수의 cluster에서 같이 사용할 수 있는 공유 고가용성 자원으로 활용할 수 있도록하는 시스템 아키텍처 모델을 설계하고 성능 증명을 통해 유효성을 입증하였다.
본 연구에서는 스토리지 전용 파일시스템 문제를 해결하기 위해 국제 인터넷 표준화 기구(ITEF) 표준규약인SSH기술 기반 파일시스템을 채용하여 운용중인 환경의 변화없이 적용토록 설계하였으며, 역할기반 Agent로 이기종 cluster 혼용 환경에서도 적용할 수 있는 호환성을 확보하여 특정 솔루션으로 인한 종속성 문제를 해결하였다.
또한 성능 검증을 통해 일반적인 상황에서 약 1시간 이내 서비스 복구 가능성을 증명하여 H/W 파트교체 상황과 대비하여 복구시간을 약 75% 단축할 수 있는 실용성도 입증하였다. 특히 서비스가 migration된 후 대상cluster에서 동작중인 다른 서비스에 대한 영향 최소화와 migration 이후의 서비스 원복까지의 서비스 연속성을 보장할 수 있도록 Deep Learning 중 Recurrent Neural Network(RNN) 알고리즘으로 cluster의 향후 자원사용 상황을 예측할 수 있도록 하여 최적의 클러스터를 선정할 수 있도록 하였다.

영어초록

In this paper, when building a cluster in a Private-cloud introduced by several companies, and architecture using dedicated available resources configured for HA as a shared virtual cluster that is used jointly by multiple clusters was proposed and designed and verified through performance demonstration. In this study, to solve the problem of the dedicated file system for each vendor, the dependency problem was solved by applying the file system based on the IETF standard technology without changing the current operating environment. In addition, performance tests have demonstrated the practicality of reducing disaster recovery time by approximately 75% compared to demonstrating service recovery within two hours in an environment.
In particular, after measuring the variable resource utilization of each cluster to ensure the performance of the service, the optimal cluster for continuity can be selected through the LSTM based on the RNN algorithm.

참고자료

· 없음