KR101883599B1 - 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치 - Google Patents

클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치 Download PDF

Info

Publication number
KR101883599B1
KR101883599B1 KR1020170052208A KR20170052208A KR101883599B1 KR 101883599 B1 KR101883599 B1 KR 101883599B1 KR 1020170052208 A KR1020170052208 A KR 1020170052208A KR 20170052208 A KR20170052208 A KR 20170052208A KR 101883599 B1 KR101883599 B1 KR 101883599B1
Authority
KR
South Korea
Prior art keywords
resource
virtual machine
amount
allocated
requirement
Prior art date
Application number
KR1020170052208A
Other languages
English (en)
Inventor
노재춘
김영우
김태훈
송광혁
박정민
최훈하
박성순
Original Assignee
세종대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 세종대학교산학협력단 filed Critical 세종대학교산학협력단
Priority to KR1020170052208A priority Critical patent/KR101883599B1/ko
Priority to PCT/KR2017/013469 priority patent/WO2018199414A1/ko
Application granted granted Critical
Publication of KR101883599B1 publication Critical patent/KR101883599B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

클라우드 컴퓨팅 환경에서 한정된 자원을 가상 머신들에 효율적으로 분배하기 위한 가상화 자원 분배 방법 및 장치가 개시된다. 개시된 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법은 클라우드 서버에서 동작하는 적어도 하나의 가상 머신의 자원 사용률을 기 설정된 구간별로 수집하는 단계; 상기 자원 사용률을 이용하여, 상기 가상 머신의 자원 요구량을 추정하는 단계; 및 상기 자원 사용률에 따라 결정되는 가중치와, 상기 자원 요구량에 기반하여, 상기 가상 머신에 할당할 자원량을 결정하는 단계를 포함한다.

Description

클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치{METHOD AND APPARATUS FOR VIRTUALIZED RESOURCE DISTRIBUTION IN CLOUD COMPUTING ENVIRONMENT}
본 발명은 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치에 관한 것으로서, 더욱 상세하게는 클라우드 컴퓨팅 환경에서 한정된 자원을 가상 머신들에 효율적으로 분배하기 위한 가상화 자원 분배 방법 및 장치에 관한 것이다.
클라우드 컴퓨팅이 보편화됨에 따라 필요한 만큼의 IT 자원을 네트워크를 통해 빌려 쓸 수 있게 되었다. 이를 통해 클라우드 컴퓨팅은 초기 투자비용이 필요했던 기존의 온 프레미스(On-premises) 환경에 비해 IT 인프라 구축비용을 감소시켰다. 또한, 가상머신이 아닌 물리서버를 이용해 운영하는 IT 인프라 환경에 비해, 클라우드를 통한 가상머신을 이용함으로써 IT 자원의 사용률과 서버의 이용률은 증가하였다.
클라우드 컴퓨팅은 적용 모델의 공개 범위를 기준으로 분류할 수 있다. 즉, 일반 사용자 모두에게 서비스를 제공하는 퍼블릭 클라우드와 특정 조직이 조직 내부적으로 클라우드 컴퓨팅을 구축하고 운영하는 프라이빗 클라우드, 그리고 이 둘을 혼합해서 이용하는 하이브리드 클라우드로 구분된다.
퍼블릭 클라우드의 경우, 원하는 만큼의 자원을 비용을 지불하고 IT 자원을 빌려 쓰게 되는데, 지불할 수 있는 비용이 무한하지 않기 때문에 사용자는 한정된 자원을 이용하게 된다. 프라이빗 클라우드 모델 또한 특정 조직 내에서 서비스를 운영하고 이용하기 때문에 가상 머신들의 엄격한 자원 할당에 있어 자유롭지 못하다.
기존의 자원을 분배하기 위한 기법으로 Max-Min Fairness(MMF), Dominant Resource Fairness(DRF), 그리고 이들을 개선한 알고리즘들이 존재한다. 또한, 클라우드 컴퓨팅은 최소 성능을 보장하기 위한 기술로 L4/L7 스위치를 이용한 로드 밸런싱과 오토 스케일링을 이용해왔다.
하지만 이러한 기법들은 다음과 같은 문제점들이 있다. 첫째, 자원 분배 알고리즘과 오토 스케일링 기법은 한정된 자원을 공유하는 가상머신들 간의 자원 사용률을 고려하지 않는다. 이런 경우, 가상머신의 자원 낭비 또는 부족이 발생할 수 있다.
두 번째로 자원 분배 알고리즘들은 사용자의 거짓된 자원 요구량에 대해 검증하지 못한다. 하지만, 필요 이상의 자원 요구량은 전체 시스템 관점에서 자원의 낭비를 초래한다.
세 번째로 오토 스케일링의 문제점은 가상머신의 자원 할당량, 자원을 추가하는 임계점, 최대 자원 증가량 등의 설정 값들의 지정을 사용자에게 위임한다는 점이다.
관련 선행문헌으로 대한민국 공개특허 제2012-071979호가 있다.
본 발명은 클라우드 컴퓨팅 환경에서 한정된 자원을 가상 머신들에 효율적으로 분배하기 위한 가상화 자원 분배 방법 및 장치를 제공하기 위한 것이다.
상기한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 클라우드 서버에서 동작하는 적어도 하나의 가상 머신의 자원 사용률을 기 설정된 구간별로 수집하는 단계; 상기 자원 사용률을 이용하여, 상기 가상 머신의 자원 요구량을 추정하는 단계; 및 상기 자원 사용률에 따라 결정되는 가중치와, 상기 자원 요구량에 기반하여, 상기 가상 머신에 할당할 자원량을 결정하는 단계를 포함하는 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법이 제공된다.
또한 상기한 목적을 달성하기 위한 본 발명의 다른 실시예에 따르면, 적어도 하나의 가상 머신의 자원 사용률을 상기 가상 머신으로부터 수신하는 자원 사용률 수신부; 상기 자원 사용률을 이용하여, 상기 가상 머신의 자원 요구량을 추정하는 자원 요구량 추정부; 및 상기 자원 사용률에 따라 결정되는 가중치와, 상기 자원 요구량에 기반하여, 상기 가상 머신에 할당할 자원량을 결정하는 자원량 결정부를 포함하는 클라우드 컴퓨팅 환경에서 가상화 자원 분배 장치가 제공된다.
본 발명에 따르면, 클라우드 컴퓨팅 환경에서 한정된 자원을 가상 머신들에 효율적으로 분배함으로써, 자원의 낭비를 줄이고, 사용자가 원하는 성능, QoS를 보장할 수 있다.
도 1은 본 발명의 일실시예에 따른 클라우드 컴퓨팅 환경에서 가상화 자원 분배 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 일실시예에 따른 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법을 설명하기 위한 도면이다.
도 3은 가상 머신의 자원 사용률이 계산되는 구간을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 할당 자원량 결정 방법에 대한 의사 코드를 도시하는 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 클라우드 컴퓨팅 환경에서 가상화 자원 분배 장치를 설명하기 위한 도면이다.
본 발명에 따른 가상화 자원 분배 장치는 클라우드 서비스를 제공하는 서버일 수 있으며, 이 경우, 가상화 자원 분배 장치 상에 적어도 하나의 가상 머신이 구동될 수 있다. 또는 본 발명에 따른 가상화 자원 분배 장치는 클라우드 서비스와 별도로 자원 관리를 위한 서버일 수 있다.
도 1을 참조하면, 본 발명에 따른 가상화 자원 분배 장치는 자원 사용률 수신부(110), 자원 요구량 추정부(120) 및 자원량 결정부(130)를 포함하며, 실시예에 따라서 가중치 결정부를 더 포함할 수 있다.
자원 사용률 수신부(110)는 적어도 하나의 가상 머신의 자원 사용률을 가상 머신으로부터 수신한다. 여기서, 자원 사용률은 가상 머신에 할당된 총 자원 중 사용된 자원의 비율을 나타낸다. 가상 머신의 자원은 호스트 머신의 CPU, 메모리, 네트워크, 스토리지 등을 포함할 수 있다.
가상 머신에서 동작하는 클라이언트 프로그램이, 가상 머신에 대한 시스템 정보로부터 가상 머신의 자원 사용률을 계산하여 자원 사용률 수신부(110)로 전송할 수 있다.
자원 요구량 추정부(120)는 자원 사용률을 이용하여, 가상 머신의 자원 요구량을 추정한다. 일예로서, 자원 요구량 추정부(120)는 가상 머신의 자원 사용률이 높다면 가상 머신의 자원 요구량 역시 높은 것으로 추정할 수 있으며, 가상 머신의 자원 사용률이 낮다면, 가상 머신의 자원 요구량 역시 낮은 것으로 추정할 수 있다.
자원량 결정부(130)는 자원 사용률에 따라 결정되는 가중치와, 자원 요구량에 기반하여, 가상 머신에 할당할 자원량을 결정한다. 가상 머신들은 자원량 결정부(130)에 의해 결정된 자원량을 할당받고, 할당받은 자원을 이용하여, 클라우드 서비스 가입자들에게 클라우드 서비스를 제공할 수 있다.
한편, 가중치 결정부(130)는 자원 사용률의 변화가 최대인 시점에서 현재까지의 평균 자원 사용률을 이용하여, 가상 머신 별로 가중치를 결정할 수 있다. 가상 머신의 자원 사용률은 기 설정된 구간 별로 계산될 수 있는데, 가중치 결정부(130)는 모든 구간의 자원 사용률에 따라 가중치를 결정하지 않고, 자원 사용률의 변화가 최대인 구간에서 현재까지의 자원 사용률을 평균하여, 가중치를 결정한다.
결국, 본 발명에 따르면, 가상 머신의 자원 사용률에 기반하여, 자원 사용률이 높은 가상 머신에 보다 많은 자원량을 할당하고 자원 사용률이 낮은 가상 머신에 보다 적은 자원량을 할당함으로써, 한정된 자원을 보다 효율적으로 분배할 수 있다.
또한 본 발명에 따르면, 자원 사용률의 변화가 최대인 시점을 반영하는 가중치에 기반하여 가상 머신에 할당할 자원량을 결정함으로써, 평균 자원 사용률이 높지 않더라도 순간적인 자원 사용량이 많을 수 있는 가상 머신에 높은 자원을 할당하여, 사용자가 원하는 성능 및 QoS를 보장할 수 있다.
도 2는 본 발명의 일실시예에 따른 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법을 설명하기 위한 도면이다.
본 발명에 따른 가상화 자원 분배 방법은 클라우드 서비스를 제공하는 서버나 가상화 자원 분배 장치에서 수행될 수 있으며, 이하에서는 가상화 자원 분배 장치의 가상화 자원 분배 방법이 일실시예로서 설명된다.
본 발명에 따른 가상화 자원 분배 장치는 클라우드 서버에서 동작하는 적어도 하나의 가상 머신의 자원 사용률을 기 설정된 구간별로 수집(S210)한다. 그리고 수집된 자원 사용률을 이용하여, 가상 머신의 자원 요구량을 추정(S220)하며, 자원 사용률에 따라 결정되는 가중치와, 자원 요구량에 기반하여, 가상 머신에 할당할 자원량을 결정(S230)한다.
그리고 실시예에 따라서, 본 발명에 따른 가상화 자원 분배 장치는 자원 사용률의 변화가 최대인 시점에서 현재까지의 평균 자원 사용률을 이용하여, 가중치를 결정할 수 있다.
이하에서, 각 단계에 대해 보다 상세히 설명하기로 한다.
<자원 사용률 수집 및 가중치 결정>
가상 머신은 기 설정된 구간에서 자원 사용률을 계산하며, 가상화 자원 분배 장치는 가상 머신으로부터 자원 사용률을 수집한다.
그리고 가상화 자원 분배 장치는 일실시예로서, [수학식 1]을 이용하여 가상 머신별 가중치(
Figure 112017039832782-pat00001
)를 결정할 수 있다.
Figure 112017039832782-pat00002
여기서, i는 가상 머신에 할당된 인덱스이며, n은 자원 사용률이 계산된 구간의 개수를 나타낸다. 그리고, k는 자원 사용률의 변화가 최대인 구간을 나타낸다. 그리고 [수학식 1]의 분자는, 자원 사용률의 변화가 최대인 구간(k)에서 현재 구간까지의 자원 사용률의 합을 나타낸다.
Figure 112017039832782-pat00003
는 기 설정된 구간에서의 자원 사용률을 나타내며, j는 자원 사용률(or 구간)에 대한 인덱스를 나타낸다.
[표 1]은 4개의 가상 머신들(VM1, VM2, VM3, VM4)의 자원 사용률(Usage), 자원 사용률의 변화가 최대인 구간 및 가중치를 나타내는 표이다. [표 1]은 가상 머신이 부팅된 이후 현재까지 기 설정된 구간이 도 3에 도시된 바와 같이, 5개의 구간인 경우에 대한 표이다.
Figure 112017039832782-pat00004
제1가상 머신(VM1)에 대한 가중치 결정 과정을 설명하면, 제1가상 머신(VM1)의 자원 사용률은 A구간이 0.57, B구간이 0.62, C구간이 0.64, D구간이 0.70, E구간이 0.65이다. 자원 사용률의 변화가 최대인 구간은 자원 사용률이 0.64에서 0.70으로 변한 구간 D이다. 자원 사용률이 계산된 구간의 개수(n)는 5이고, k는 네번째 구간 D에 대응되는 4이며, 네번째 구간(D)에서 현재인 다섯번째 구간(D)까지의 자원 사용률의 합은 1.35이므로, 제1가상 머신(VM1)에 대한 가중치는 반올림하여 0.68이 된다.
나머지 가상 머신에 대한 가중치 역시, 전술된 바와 같이 계산될 수 있다.
<자원 요구량 추정>
본 발명에 따른 가상화 자원 분배 장치는 가상 머신의 현재 자원 사용량과 평균 자원 사용률을 이용하여, 가상 머신의 평균 자원 사용량을 계산하고, 가상 머신의 평균 자원 사용량 및 가상 머신의 목표 자원 사용률에 따라, 가상 머신의 자원 요구량을 추정한다.
가상화 자원 분배 장치는 일실시예로서, 평균 자원 사용량 및 목표 자원 사용률의 비율 값이, 상한값보다 큰 경우, 상한값을 자원 요구량으로 추정하고, 비율 값이 상한값 이하인 경우, 비율 값을 자원 요구량으로 추정할 수 있다.
또는 가상화 자원 분배 장치는 일실시예로서, [수학식 2]를 이용하여 가상 머신의 자원 요구량(
Figure 112017039832782-pat00005
)을 추정할 수 있다. 가상 머신의 평균 자원 사용량은 현재 자원 사용량(
Figure 112017039832782-pat00006
)과 평균 자원 사용률(
Figure 112017039832782-pat00007
)의 곱으로 계산될 수 있다. 평균 자원 사용률은 모든 구간에서 측정된 자원 사용률의 평균 값을 나타낸다.
Figure 112017039832782-pat00008
여기서, T는 목표 자원 사용률을 나타내며, M은 자원 요구량의 상한값을 나타낸다. [수학식 2]에 따르면, 가상 머신의 평균 자원 사용량과 가상 머신의 목표 자원 사용률의 비율 값의 올림 값이 상한값을 초과하면, 상한값이 자원 요구량으로 추정되며, 그 비율값이 상한값보다 작으면, ceiling 함수에 의해 그 비율값의 올림 값이 자원 요구량으로 추정된다.
[표 2]는, [표 1]과 같이 자원 사용률이 수집된 경우에 대한 가상 머신별 현재 자원 사용량, 평균 자원 사용률 및 자원 요구량을 나타내는 표이다. [표 2]에서, 모든 가상 머신에 대한 목표 자원 사용률은 0.75이며, 평균 자원 사용량과 가상 머신의 목표 자원 사용률의 비율은 상한값보다 작다.
Figure 112017039832782-pat00009
제1가상 머신의 경우, 평균 자원 사용량과 가상 머신의 목표 자원 사용률의 비율 값은 2.52이며, 상한값보다 작기 때문에, 2.52의 올림 값인 3이 자원 요구량으로 추정된다.
가상 머신의 자원 사용률이 높으면, 평균 자원 사용량 역시 증가하며, 요구 자원량 역시 증가할 수 있다.
한편, 목표 자원 사용률과 상한 값은 가상 머신별로 다르게 설정될 수 있으며, 가상 머신에 대한 워크로드(workload)에 따라 달라질 수 있다.
<할당 자원량 결정>
도 4는 본 발명의 일실시예에 따른 할당 자원량 결정 방법에 대한 의사 코드(Pseudo Code)를 도시하는 도면이다.
본 발명에 따른 가상화 자원 분배 장치는 가상 머신에 할당될 수 있는 전체 자원량에서, 가중치의 비율에 따라 가상 머신에 대한 할당 자원량을 계산한다. 전술된 바와 같이, 가상 머신 각각에 대해 가중치가 계산되는데, 가상 머신의 전체 가중치 합 중에서 해당 가상 머신의 가중치의 비율이 산출될 수 있으며, 이러한 가중치 비율에 따라 가상 머신에 대한 할당 자원량이 계산될 수 있다.
그리고 가상화 자원 분배 장치는 할당 자원량이 자원 요구량 이상인 경우, 자원 요구량을 가상 머신에 할당할 자원량으로 결정한다.
[표 3]은 전체 자원량(R)이 16인 경우 [표 1] 및 [표 2]의 가상 머신에 대한 자원량이 결정된 예를 나타내는 표이다. [표 3]에서,
Figure 112017039832782-pat00010
는 할당 자원량을 나타내며,
Figure 112017039832782-pat00011
는 가상 머신에 할당된 자원량을 나타낸다.
Figure 112017039832782-pat00012
본 발명에 따른 가상화 자원 분배 장치는 가상 머신의 인덱스 순서대로 할당 자원량을 결정할 수 있다. [표 3]에서 가중치 합은 2.76이며, 그 중 제1가상 머신에 대한 가중치의 비율은 0.68/2.76이므로 제1가상 머신에 대한 할당 자원량은 전체 자원량에 제1가상 머신에 대한 가중치의 비율 값을 곱함으로써 3.942가 된다. 제1가상 머신에 대한 할당 자원량이 자원 요구량 3보다 크므로, 제1가상 머신에 할당할 자원량은 3이 된다(first allocation).
이후, 가상화 자원 분배 장치는 전체 자원량에서 제1가상 머신에 할당할 자원량을 제하고, 제1가상 머신에 대한 가중치 또한 고려하지 않고, 나머지 가상 머신들에 할당할 자원량을 결정한다.
제1가상 머신에 대한 가중치가 고려되지 않기 때문에, 제2가상 머신에 대한 가중치의 비율은 0.9/(0.9+0.28+0.9)이며, 제1가상 머신에 대한 자원량을 제외한 나머지 자원량이 13이므로, 제2가상 머신에 대한 할당 자원량은 5.625가 된다. 제2가상 머신에 대한 할당 자원량이 자원 요구량 5보다 크므로, 제2가상 머신에 할당할 자원량은 5가 된다(second allocation).
이후 계산되는 제3가상 머신에 대한 할당 자원량인 1.898은, 자원 요구량 2보다 작으므로, 가상화 자원 분배 장치는 제3가상 머신에 할당할 자원량 결정을 보류(third allocation)하고 제4가상 머신에 대한 할당 자원량을 계산한다. 제4가상 머신에 대한 할당 자원량은 6.101이고 자원 요구량은 6이므로, 제2가상 머신에 할당할 자원량은 6이 된다. 그리고 가상화 자원 분배 장치는 전체 자원량에서 제1, 제2 및 제4가상 머신에 할당된 자원량을 빼고, 나머지 자원량인 2를 제3가상 머신에 할당할 수 있다(fourth allocation).
한편, 가상화 자원 분배 장치는 가상 머신에 대한 할당 자원량이 자원 요구량보다 작을 경우, 자원량 결정을 보류하는데, 자원량 결정 대상인 모든 가상 머신 또는 둘 이상의 가상 머신에 대한 할당 자원량이 자원 요구량보다 작다면 자원량이 결정될 수 없다. 이에 본 발명에 따른 가상화 자원 분배 장치는 가상 머신에 대한 할당 자원량이 자원 요구량보다 작은 경우, 자원 요구량을 기 설정된 비율로 감소시켜, 할당 자원량이 자원 요구량보다 커지도록 유도할 수 있다.
도 4는 전술된 할당 자원량 결정 방법의 의사 코드로서, C는 가상 머신에 대해 결정된 자원량의 총합, V는 결정된 자원량의 행벡터, A는 할당 자원량의 행벡터, D는 요구 자원량의 행벡터를 나타낸다. 그리고 Aging 함수는 요구 자원량을 감소시키는 함수로서, 지수 함수나 log 함수 등이 이용될 수 있다.
앞서 설명한 기술적 내용들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예들을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (10)

  1. 자원 사용률 수신부가, 클라우드 서버에서 동작하는 적어도 하나의 가상 머신의 자원 사용률을 기 설정된 구간별로 수집하는 단계;
    자원 요구량 추정부가, 상기 자원 사용률을 이용하여, 상기 가상 머신의 자원 요구량을 추정하는 단계;
    가중치 결정부가, 상기 자원 사용률의 변화가 최대인 구간에서 현재까지의 평균 자원 사용률을 이용하여, 상기 가중치를 결정하는 단계; 및
    자원량 결정부가, 상기 가중치와, 상기 자원 요구량에 기반하여, 상기 가상 머신에 할당할 자원량을 결정하는 단계를 포함하며,
    상기 가상 머신에 할당할 자원량을 결정하는 단계는
    전체 자원량에서, 상기 가중치의 비율에 따라 상기 가상 머신에 대한 할당 자원량을 계산하는 단계; 및
    상기 할당 자원량이 상기 자원 요구량 이상인 경우, 상기 자원 요구량을 상기 가상 머신에 할당할 자원량으로 결정하며, 상기 할당 자원량이 상기 자원 요구량보다 작은 가상 머신에 대해, 상기 자원 요구량을 기 설정된 비율로 감소시키는 단계
    를 포함하는 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법.
  2. 삭제
  3. 제 1항에 있어서,
    상기 가상 머신의 자원 요구량을 추정하는 단계는
    상기 가상 머신의 현재 자원 사용량과 평균 자원 사용률을 이용하여, 상기 가상 머신의 평균 자원 사용량을 계산하는 단계; 및
    상기 가상 머신의 평균 자원 사용량 및 상기 가상 머신의 목표 자원 사용률에 따라, 상기 자원 요구량을 추정하는 단계
    를 포함하는 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법.
  4. 제 3항에 있어서,
    상기 자원 요구량을 추정하는 단계는
    상기 평균 자원 사용량 및 상기 목표 자원 사용률의 비율 값이, 상한값보다 큰 경우, 상기 상한값을 상기 자원 요구량으로 추정하고,
    상기 비율 값이 상기 상한값 이하인 경우, 상기 비율 값을 상기 자원 요구량으로 추정하는
    클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법.
  5. 삭제
  6. 삭제
  7. 적어도 하나의 가상 머신의 자원 사용률을 상기 가상 머신으로부터 수신하는 자원 사용률 수신부;
    상기 자원 사용률을 이용하여, 상기 가상 머신의 자원 요구량을 추정하는 자원 요구량 추정부;
    상기 자원 사용률의 변화가 최대인 시점에서 현재까지의 평균 자원 사용률을 이용하여, 가중치를 결정하는 가중치 결정부; 및
    상기 가중치와, 상기 자원 요구량에 기반하여, 상기 가상 머신에 할당할 자원량을 결정하는 자원량 결정부를 포함하며,
    상기 자원량 결정부는
    전체 자원량에서, 상기 가중치의 비율에 따라 상기 가상 머신에 대한 할당 자원량을 계산하되, 상기 할당 자원량이 상기 자원 요구량 이상인 경우, 상기 자원 요구량을 상기 가상 머신에 할당할 자원량으로 결정하며, 상기 할당 자원량이 상기 자원 요구량보다 작은 경우, 상기 자원 요구량을 기 설정된 비율로 감소시키는
    클라우드 컴퓨팅 환경에서 가상화 자원 분배 장치.
  8. 제 7항에 있어서,
    상기 가상화 자원 분배 장치는
    상기 가상 머신이 구동되는 클라우드 서버인
    클라우드 컴퓨팅 환경에서 가상화 자원 분배 장치.
  9. 삭제
  10. 삭제
KR1020170052208A 2017-04-24 2017-04-24 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치 KR101883599B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170052208A KR101883599B1 (ko) 2017-04-24 2017-04-24 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치
PCT/KR2017/013469 WO2018199414A1 (ko) 2017-04-24 2017-11-24 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170052208A KR101883599B1 (ko) 2017-04-24 2017-04-24 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101883599B1 true KR101883599B1 (ko) 2018-08-30

Family

ID=63453403

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170052208A KR101883599B1 (ko) 2017-04-24 2017-04-24 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치

Country Status (2)

Country Link
KR (1) KR101883599B1 (ko)
WO (1) WO2018199414A1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102261263B1 (ko) * 2019-12-23 2021-06-07 건국대학교 산학협력단 클라우드 자원 간 간섭 및 병목 현상 해소를 위한 클라우드 자원의 적응적 관리 방법 및 장치
KR20210067051A (ko) * 2019-11-29 2021-06-08 세종대학교산학협력단 가상화 환경에서, 대역폭 조절 방법
KR102488270B1 (ko) * 2022-08-09 2023-01-18 주식회사 데이터스트림즈 효율적인 스파크 잡 실행을 위한 하이브리드 스파크 클러스터 관리 방법 및 시스템
KR20230035024A (ko) * 2020-10-08 2023-03-10 조선대학교산학협력단 클라우드 무선 접속 네트워크의 동적 리소스를 할당하는 장치 및 방법
KR102658677B1 (ko) * 2023-09-22 2024-04-19 한화시스템(주) 수상함 전투체계의 역할별 자원 사용률에 기반한 가상머신 관리 시스템 및 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111736991B (zh) * 2020-06-12 2022-06-21 苏州浪潮智能科技有限公司 一种云平台资源调度的方法、装置、设备及可读介质
CN111767150A (zh) * 2020-07-02 2020-10-13 中国铁建重工集团股份有限公司 一种vGPU资源的动态调整方法
CN114338696B (zh) * 2022-03-14 2022-07-15 北京奥星贝斯科技有限公司 用于分布式系统的方法及装置
CN117370032B (zh) * 2023-12-07 2024-03-01 聊城金恒智慧城市运营有限公司 一种云计算服务器资源优化分配方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011170787A (ja) * 2010-02-22 2011-09-01 Nippon Telegraph & Telephone West Corp リソース割当装置、リソース割当方法、およびリソース割当制御プログラム
US20140222889A1 (en) 2013-02-05 2014-08-07 International Business Machines Corporation Collaborative negotiation of system resources among virtual servers running in a network computing environment
US20170090992A1 (en) * 2015-09-28 2017-03-30 International Business Machines Corporation Dynamic transparent provisioning for application specific cloud services

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101070431B1 (ko) * 2008-12-22 2011-10-06 한국전자통신연구원 가상화 기반 물리 시스템 및 그 자원 관리 방법
JP5853821B2 (ja) * 2012-03-29 2016-02-09 富士通株式会社 管理装置、資源管理方法、資源管理プログラム及び情報処理システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011170787A (ja) * 2010-02-22 2011-09-01 Nippon Telegraph & Telephone West Corp リソース割当装置、リソース割当方法、およびリソース割当制御プログラム
US20140222889A1 (en) 2013-02-05 2014-08-07 International Business Machines Corporation Collaborative negotiation of system resources among virtual servers running in a network computing environment
US20170090992A1 (en) * 2015-09-28 2017-03-30 International Business Machines Corporation Dynamic transparent provisioning for application specific cloud services

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210067051A (ko) * 2019-11-29 2021-06-08 세종대학교산학협력단 가상화 환경에서, 대역폭 조절 방법
KR102283364B1 (ko) * 2019-11-29 2021-07-29 세종대학교산학협력단 가상화 환경에서, 대역폭 조절 방법
KR102261263B1 (ko) * 2019-12-23 2021-06-07 건국대학교 산학협력단 클라우드 자원 간 간섭 및 병목 현상 해소를 위한 클라우드 자원의 적응적 관리 방법 및 장치
KR20230035024A (ko) * 2020-10-08 2023-03-10 조선대학교산학협력단 클라우드 무선 접속 네트워크의 동적 리소스를 할당하는 장치 및 방법
KR102668157B1 (ko) * 2020-10-08 2024-05-22 조선대학교산학협력단 클라우드 무선 접속 네트워크의 동적 리소스를 할당하는 장치 및 방법
KR102488270B1 (ko) * 2022-08-09 2023-01-18 주식회사 데이터스트림즈 효율적인 스파크 잡 실행을 위한 하이브리드 스파크 클러스터 관리 방법 및 시스템
KR102658677B1 (ko) * 2023-09-22 2024-04-19 한화시스템(주) 수상함 전투체계의 역할별 자원 사용률에 기반한 가상머신 관리 시스템 및 방법

Also Published As

Publication number Publication date
WO2018199414A1 (ko) 2018-11-01

Similar Documents

Publication Publication Date Title
KR101883599B1 (ko) 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치
US11714667B2 (en) Automated scaling of application in virtual data centers
CN106453457B (zh) 云计算平台内的多优先级服务实例分配
US11573835B2 (en) Estimating resource requests for workloads to offload to host systems in a computing environment
US20120221730A1 (en) Resource control system and resource control method
KR20150009662A (ko) 가상 데스크톱 서비스 제공 방법 및 장치
US20140244844A1 (en) Control device and resource control method
Fan et al. Simulated-annealing load balancing for resource allocation in cloud environments
Sridharan et al. Defragmentation of resources in virtual desktop clouds for cost-aware utility-optimal allocation
KR20170120335A (ko) 네트워크 기능 가상화 시스템 상의 컴퓨팅 리소스 관리 장치 및 방법
CN115167984B (zh) 基于云计算平台的考虑物理资源竞争的虚拟机负载均衡放置方法
US9769022B2 (en) Timeout value adaptation
US9686207B2 (en) Application service level objective aware demand estimation
US10990519B2 (en) Multi-tenant cloud elastic garbage collector
Vishakha Performance Analysis of Cloud Load Balancing Algorithms
US20210191748A1 (en) Vm priority level control system and vm priority level control method
CN112954012B (zh) 基于负载的改进模拟退火算法的云任务调度方法
Rampersaud et al. Sharing-aware online algorithms for virtual machine packing in cloud environments
CN109960565B (zh) 云平台、基于云平台的虚拟机调度方法及装置
CN112685167A (zh) 资源使用方法、电子设备和计算机程序产品
KR101394365B1 (ko) 가상화 환경에서 프로세서를 할당하는 장치 및 방법
Raj et al. Efficient resource allocation in resource provisioning policies over resource cloud communication paradigm
JP7239861B2 (ja) リソース割当装置、リソース割当方法、および、リソース割当プログラム
EP3096227A1 (en) Resource allocation method in distributed clouds
Melhem et al. Minimizing biased VM selection in live VM migration

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant