KR102126434B1 - 딥 러닝을 활용한 워크 로드 예측을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치 - Google Patents
딥 러닝을 활용한 워크 로드 예측을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치 Download PDFInfo
- Publication number
- KR102126434B1 KR102126434B1 KR1020190175827A KR20190175827A KR102126434B1 KR 102126434 B1 KR102126434 B1 KR 102126434B1 KR 1020190175827 A KR1020190175827 A KR 1020190175827A KR 20190175827 A KR20190175827 A KR 20190175827A KR 102126434 B1 KR102126434 B1 KR 102126434B1
- Authority
- KR
- South Korea
- Prior art keywords
- physical server
- virtual machine
- virtual
- information
- workload
- Prior art date
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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
본 발명의 일 실시예에 따른 가상 머신 배치 방법은, 가상 머신이 설치된 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함. -를 효율적으로 운용하기 위하여, 복 수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법인 가상 머신 배치 방법에 있어서, 저장부에 저장되어 있는 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크 로드 산출 방법에 의해 상기 가상 머신에 의해 부과되는 물리 서버의 부하인 가상 머신 워크 로드와 관련된 정보인 가상 머신 워크 로드 정보가 산출되는 단계; 상기 가상 머신 워크 로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 예측되는 물리 서버의 부하와 연관된 최초 예측 가상 로드와 관련된 정보인 최초 예측 가상 로드 정보가 산출되는 단계; 미리 정해진 탐색 배치 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 탐색 배치와 관련된 정보인 탐색 배치 정보가 산출되는 단계; 및 선택된 상기 탐색 배치를 기초로 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 배치되는 단계;를 포함하고, 상기 미리 정해진 탐색 배치 산출 방법은, 상기 최초 예측 가상 로드 정보를 기초로 목적 함수 값이 최소화될 때의 상기 가상 머신의 탐색 배치가 산출되는 방법일 수 있다.
Description
본 발명은 딥 러닝을 활용한 워크 로드 예측을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치에 관한 것으로서, 복 수의 가상 머신이 각각 배치된 제1 물리 서버와 제2 물리 서버를 효율적으로 운용하기 위하여, 복 수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하기 위한 것이다.
전 세계 전력사용량의 약 2%를 차지하는 데이터센터는 단일 건물 중 전력을 가장 많이 사용하는 고밀도 에너지 다소비 건물이지만, 안정성을 최우선시하는 보수적인 운영을 고수하여 비효율적인 운영 현황을 보이고 있다. 향후 사물인터넷, 빅 데이터, 클라우드 기술 등의 확산으로 인해 소규모의 데이터센터는 대규모의 데이터센터인 '하이퍼스케일', '메가' 데이터센터로 통합될 것으로 전망되는바, 인프라 확대에 따른 데이터센터 운영관리의 복잡성 또한 심화될 것으로 전망된다. 이에 불필요한 서버는 유휴 혹은 절전모드로 전환하고, 가용되는 서버를 최대한 안정적으로 운영함으로써 데이터센터 운영의 효율성을 극대화하며, 전력소비량을 줄여 운영비용 절감에 기여하기 위하여, 데이터센터에 배치된 수많은 가상 머신들의 배치를 적절하게 하는 것이 매우 중요하다.
물리적 자원(Physical Machine, PM, 물리 서버)들을 논리적 자원(Virtual Machine, VM, 가상 머신)들로 구성하는 가상화 환경에서는 구동 중인 가상 머신을 다른 물리 서버으로 이동시킬 수 있는데, 이를 라이브 마이그레이션이라고 한다. 이는 효율적인 데이터센터를 관리하는데 필수적인 관리 방법이다. 다만, 마이그레이션 할 경우 데이터 손실 위험, 리소스의 많은 부분이 차지되는 등의 단점도 있다.
여기서, 기존의 연구(일본특허공보 특허 제5827594, 2015. 10. 23, 등록)들은 특정 시점을 기준으로 임의의 물리 서버에 임계 값 이상의 부하가 걸릴 경우 마이그레이션을 하여, 부하가 걸린 물리 서버의 부하를 저감시키는 방법으로 물리 서버들 간의 균형을 맞추고 있다. 하지만, 이러한 방법은 특정 가상 머신이 마이그레이션된 서버가 과 부화될 가능성이 매우 높아지며, 이로 인해 재차 마이그레이션 과정이 실행되는 것과 같이, 많은 횟수의 마이그레이션이 실행되는 문제가 있다.
본 발명의 해결하고자 하는 과제는 상기 문제점을 해결하기 위하여, 마이그레이션의 횟수를 적게 하여 데이터를 안정적으로 관리할 수 있는, 딥 러닝을 활용한 워크 로드 예측을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치를 제공하고자 한다.
다만, 본 발명이 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 가상 머신 배치 방법은, 가상 머신이 설치된 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함. -를 효율적으로 운용하기 위하여, 복 수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법인 가상 머신 배치 방법에 있어서, 저장부에 저장되어 있는 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크 로드 산출 방법에 의해 상기 가상 머신에 의해 부과되는 물리 서버의 부하인 가상 머신 워크 로드와 관련된 정보인 가상 머신 워크 로드 정보가 산출되는 단계; 상기 가상 머신 워크 로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 예측되는 물리 서버의 부하와 연관된 최초 예측 가상 로드와 관련된 정보인 최초 예측 가상 로드 정보가 산출되는 단계; 미리 정해진 탐색 배치 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 탐색 배치와 관련된 정보인 탐색 배치 정보가 산출되는 단계; 및 선택된 상기 탐색 배치를 기초로 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 배치되는 단계;를 포함하고, 상기 미리 정해진 탐색 배치 산출 방법은, 상기 최초 예측 가상 로드 정보를 기초로 목적 함수 값이 최소화될 때의 상기 가상 머신의 탐색 배치가 산출되는 방법일 수 있다.
또한, 상기 목적 함수는, 상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드의 변화량과 관련된 함수인 제1 목적 함수를 구비할 수 있다.
또한, 상기 목적 함수는, 상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크로드들 간의 차이와 관련된 함수인 제2 목적 함수를 구비할 수 있다.
또한, 상기 목적 함수는, 상기 가상 머신이 상기 탐색 배치로 배치되기 위해서 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 상기 가상 머신이 배치 이동되는 횟수와 관련된 함수인 제3 목적 함수를 구비할 수 있다.
또한, 상기 목적 함수는, 상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드의 변화량과 관련된 함수인 제1 목적 함수, 상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드들 간의 차이와 관련된 함수인 제2 목적 함수 및 상기 가상 머신이 상기 탐색 배치로 배치되기 위해서 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 상기 가상 머신이 배치 이동되는 횟수와 관련된 함수인 제3 목적 함수를 구비할 수 있다.
또한, 상기 탐색 배치는, 상기 제1 목적 함수의 값이 최소인 상태에서 상기 제2 목적 함수의 값과 상기 제3 목적 함수의 값이 최소화되는 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 제1 탐색 배치, 상기 제2 목적 함수의 값이 최소인 상태에서 상기 제1 목적 함수의 값과 상기 제3 목적 함수의 값이 최소화되는 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 제2 탐색 배치 및 상기 제3 목적 함수의 값이 최소인 상태에서 상기 제1 목적 함수의 값과 상기 제2 목적 함수의 값이 최소화되는 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 제3 탐색 배치를 구비할 수 있다.
또한, 상기 미리 정해진 워크 로드 산출 방법은, CPU의 가동 정도만을 기초로 상기 가상 머신 워크 로드 정보가 산출되는 방법일 수 있다.
또한, 상기 미리 정해진 탐색 배치 산출 방법은, 임의의 물리 서버의 상기 워크 로드가 임의의 기준 이상이 되는 상기 가상 머신의 배치가 상기 탐색 배치로서 제외되는 방법일 수 있다.
또한, 선택된 상기 탐색 배치에 따라 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버에 배치되는 경우, 예측되는 물리 서버의 부하와 연관된 선택 예측 가상 로드와 관련된 정보인 선택 예측 가상 로드 정보와 가상 머신의 실제 워크 로드와 관련된 정보인 실제 가상 워크 로드 정보를 기초로 미리 정해진 점검 방법에 따라 상기 선택 예측 가상 로드 정보가 정상적으로 산출되었는지 여부를 판단하는 단계;를 더 포함할 수 있다.
또한, 상기 미리 정해진 점검 방법은 상기 가상 머신의 실제 워크 로드가 대응되는 상기 선택 예측 가상 로드와 소정 값 이상 차이 날 경우 상기 선택 예측 가상 로드가 잘못 산출되었다고 판단하는 방법일 수 있다.
본 발명의 일 실시예에 따른 가상 머신 배치 장치는, 가상 머신이 설치되는 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함. - 를 효율적으로 운용하기 위하여, 복 수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법인 가상 머신 배치 방법을 구현하는 가상 머신 배치 장치에 있어서, 처리부; 및 상기 가상 머신 배치 방법을 수행하는 프로그램이 저장된 저장부;를 포함하고, 상기 가상 머신 배치 방법은, 상기 처리부가 상기 저장부에 저장되어 있는 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크 로드 산출 방법에 의해 상기 가상 머신에 의해 부과되는 물리 서버의 부하인 가상 머신 워크 로드와 관련된 정보인 가상 머신 워크 로드 정보를 산출하는 단계; 상기 처리부가 상기 가상 머신 워크 로드를 기초로 상기 가상 머신 워크 로드가 산출된 시점부터 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 부과되는 예측되는 물리서버의 부하와 연관된 최초 예측 가상 로드와 관련된 정보인 최초 예측 가상 로드 정보를 산출하는 단계; 상기 처리부가 미리 정해진 탐색 배치 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 탐색 배치와 관련된 정보인 탐색 배치 정보를 산출하는 단계; 및 상기 처리부가 선택된 상기 탐색 배치를 기초로 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 배치하는 단계;를 포함하고, 상기 미리 정해진 탐색 배치 산출 방법은, 상기 처리부가 상기 최초 예측 가상 로드 정보를 기초로 목적 함수 값이 최소화될 때의 상기 가상 머신의 탐색 배치를 산출하는 방법일 수 있다.
본 발명에 따른 딥 러닝을 활용한 워크 로드 예측을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치는 데이터 손실을 최소화할 수 있다.
또한, 리소스의 소요를 최소화할 수 있다.
또한, 데이터센터를 안정적으로 관리할 수 있다.
다만, 본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 가상 머신 배치 장치의 개념도 및 상기 가상 머신 배치 장치와 복 수의 물리 서버와의 관계를 도시한 도면
도 2는 본 발명의 일 실시예에 따른 가상 머신 배치 방법의 순서도
도 3은 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제1 목적 함수를 고려한 가상 머신 배치로서 달성되는 효과를 설명하기 위한 그래프
도 4는 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제2 목적 함수를 고려한 가상 머신 배치로서 달성되는 효과를 설명하기 위한 그래프
도 5는 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 예측 오류를 산출하는 방법을 설명하기 위한 그래프
도 2는 본 발명의 일 실시예에 따른 가상 머신 배치 방법의 순서도
도 3은 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제1 목적 함수를 고려한 가상 머신 배치로서 달성되는 효과를 설명하기 위한 그래프
도 4는 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제2 목적 함수를 고려한 가상 머신 배치로서 달성되는 효과를 설명하기 위한 그래프
도 5는 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 예측 오류를 산출하는 방법을 설명하기 위한 그래프
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다.
또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 가상 머신 배치 장치(10)의 개념도 및 상기 가상 머신 배치 장치(10)와 복 수의 물리 서버와의 관계를 도시한 도면이다.
도 1을 참조하면, 본 명세서에서 본 발명에 관련된 공지의 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에 이에 관한 자세한 설명은 생략하기로 한다.
본 발명의 일 실시예에 따른 가상 머신 배치 장치(10)는 소정의 정보를 처리하는 처리부(11), 소정의 정보를 저장하는 저장부(12), 소정의 정보를 수신하는 수신부(13) 및 소정의 정보를 송신하는 송신부(14)를 구비할 수 있다.
또한, 상기 가상 머신 배치 장치(10)는 외부로부터 입력되는 것들에 의해 소정의 정보를 상기 수신부(13)로 전달하는 입력부(15) 및 후술하는 탐색 배치를 표시하여 상기 탐색 배치를 사용자에게 전달하는 매개체는 표시부(16)를 더 포함할 수 있다.
상기 처리부(11)는 소정의 정보를 기초로서 상기 가상 머신 배치 방법이 구현되는데 필요한 모든 정보 처리와 같은 연산을 수행할 수 있다.
일례로, 상기 처리부(11)는 중앙처리장치를 의미할 수 있다.
다만, 이에 한정하지 않고 상기 처리부(11)는 상기 가상 머신 배치 방법이 구현되는데 필요한 연산을 수행할 수 있는 모든 장치 혹은 부품을 포함할 수 있다.
상기 저장부(12)는 상기 가상 머신 배치 방법이 구현되는데 필요한 정보(데이터)가 저장되어 있을 수 있다.
상기 저장부(12)에는 상기 가상 머신 배치 방법을 수행하는 프로그램이 저장되어 있을 수 있다.
일례로, 상기 저장부(12)는 보조기억장치로서 하드디스크일 수 있다.
다만, 이에 한정하지 않고 상기 저장부(12)는 상기 가상 머신 배치 방법이 구현되는데 필요한 정보가 저장될 수 있는 모든 요소를 포함할 수 있다.
일례로, 상기 저장부(12)는 데이터베이스일 수 있다.
상기 수신부(13)는 물리 서버로부터 전달되는 소정의 정보를 수신할 수 있다.
상기 수신부(13)는 상기 물리 서버의 작동과 관련된 소정의 정보를 대응되는 물리 서버로부터 전달받을 수 있다.
상기 송신부(14)는 상기 물리 서버로 소정의 정보를 전달할 수 있다.
상기 송신부(14)는 상기 처리부(11)가 산출한 제어 신호를 상기 물리 서버로 전달할 수 있다.
이로 인해 상기 가상 머신 배치 장치(10)는 임의의 물리 서버에 상에서 구동되는 가상 머신을 다른 물리 서버로 마이그레이션되도록, 각 각의 물리 서버에 제어 신호를 전달할 수 있다.
일례로, 상기 입력부(15)는 키보드일 수 있다.
다만, 이에 한정하지 않고 상기 입력부(15)의 종류는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
일례로, 상기 표시부(16)는 디스플레이일 수 있다.
다만, 이에 한정하지 않고 상기 표시부(16)의 종류는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
상기 가상 머신 배치 장치(10) 내의 구성은 서로 유선 및/또는 무선으로 연결될 수 있다.
상기 가상 머신 배치 장치(10)는 각 각의 상기 물리 서버와 유선 및/또는 무선으로 연결될 수 있다.
물리 서버는 가상 머신이 실행될 수 있는 하드웨어 플랫폼을 의미할 수 있다.
일례로, 상기 물리 서버는 통상적인 데스크톱, 서버 컴퓨터, 랩톱 컴퓨터 또는 휴대 전화 등과 같은 것일 수 있다.
다만, 이에 한정하지 않고 상기 물리 서버는 가상 머신이 실행될 수 있는 모든 수단을 포함하는 개념일 수 있다.
본 발명의 일 실시예에 따른 가상 머신 배치 장치(10)는 제1 물리 서버(20), 제2 물리 서버(30) 및 제3 물리 서버(40)를 통제하고 관리하는 것을 기준으로 설명하나, 이에 본 발명이 한정되는 것은 아니고, 상기 가상 머신 배치 장치(10)가 관리 및 통제하는 물리 서버의 개수는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
도 1에 도시된 것에 따르면, 물리 서버는 제1 물리 서버(20), 제2 물리 서버(30) 및 제3 물리 서버(40)로 이루어지며, 상기 제1 물리 서버(20) 상에서는 제a 가상 머신(21), 제b 가상 머신(22) 및 제c 가상 머신(23)이 구동되고 있을 수 있으며, 상기 제2 물리 서버(30) 상에는 제d 가상 머신(31) 및 제e 가상 머신(32)이 구동되고 있을 수 있으며, 상기 제3 물리 서버(40) 상에는 제f 가상 머신(41) 및 제g 가상 머신(42)이 구동되고 있을 수 있다.
이하, 가상 머신 배치 장치(10)를 이용하여 구현되는 가상 머신 배치 방법에 대해서 자세하게 서술하도록 한다.
도 2는 본 발명의 일 실시예에 따른 가상 머신 배치 방법의 순서도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 가상 머신 배치 방법은 가상 머신이 설치된 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함. -를 효율적으로 운용하기 위하여, 복 수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법인 가상 머신 배치 방법에 있어서, 저장부에 저장되어 있는 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크 로드 산출 방법에 의해 상기 가상 머신에 의해 부과되는 물리 서버의 부하인 가상 머신 워크 로드와 관련된 정보인 가상 머신 워크 로드 정보가 산출되는 단계(S10), 상기 가상 머신 워크 로드를 기초로 상기 가상 머신 워크 로드가 산출된 시점부터 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 부과되는 예측되는 물리서버의 부하와 연관된 최초 예측 가상 로드와 관련된 정보인 최초 예측 가상 로드 정보가 산출되는 단계(S20), 미리 정해진 탐색 배치 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 탐색 배치와 관련된 정보인 탐색 배치 정보가 산출되는 단계(S30) 및 선택된 상기 탐색 배치를 기초로 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 배치되는 단계(S60)를 포함할 수 있다.
또한, 상기 가상 머신 배치 방법은 상기 미리 정해진 탐색 배치 산출 방법에 의해 산출된 복수의 탐색 배치가 상기 표시부에 의해 표시되는 단계(S40)를 더 포함할 수 있다.
또한, 상기 가상 머신 배치 방법은 상기 표시부에 의해 표시된 상기 탐색 배치 중에서 하나의 탐색 배치인 선택된 탐색 배치가 상기 입력부에 의해 입력되어, 선택된 탐색 배치와 관련된 정보가 상기 처리부로 전달되는 단계(S50)를 더 포함할 수 있다.
또한, 상기 가상 머신 배치 방법은 선택된 상기 탐색 배치에 따라 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버에 배치되는 경우, 예측되는 물리 서버의 부하와 연관된 선택 예측 가상 로드와 관련된 정보인 선택 예측 가상 로드 정보와 가상 머신의 실제 워크 로드와 관련된 정보인 실제 가상 워크 로드 정보를 기초로 미리 정해진 점검 방법에 따라 상기 선택 예측 가상 로드 정보가 정상적으로 산출되었는지 여부를 판단하는 단계(S70)를 더 포함할 수 있다.
상기 저장부에는 상기 제1 물리 서버의 작동과 관련된 정보, 상기 제2 물리 서버의 작동과 관련된 정보 및 상기 제3 물리 서버의 작동과 관련된 정보가 저장되어 있을 수 있다.
일례로, 상기 제1 물리 서버, 상기 제2 물리 서버 및 상기 제3 물리 서버의 작동과 관련된 정보는 시계열적으로 상기 저장부에 저장되어 있을 수 있다.
이를 위해 상기 제1 물리 서버, 상기 제2 물리 서버 및 상기 제3 물리 서버로부터 각 각의 작동과 관련된 정보를 상기 수신부가 전달받을 수 있다.
일례로, 작동과 관련된 정보는 물리 서버의 구성들의 가동률과 관련된 정보 일 수도 있다.
상기 처리부는 상기 저장부에 저장된 각 각의 물리 서버들의 작동과 관련된 정보를 기초로 미리 정해진 워크 로드 산출 방법에 의해 상기 가상 머신에 의해 부과되는 물리 서버의 부하인 가상 머신 워크 로드와 관련된 정보인 가상 머신 워크 로드 정보를 산출(S10)할 수 있다.
가상 머신 워크 로드는 가상 머신이 물리 서버 상에서 구동되는 경우, 해당 물리 서버의 리소스의 부하를 의미할 수 있다.
상기 미리 정해진 워크 로드 산출 방법은 상기 가상 머신 워크 로드는 상기 가상 머신이 상기 물리 서버에서 동작되는 것에 의해 상기 물리 서버의 중앙처리장치(CPU)에 부과되는 부하로서 산출되는 방법일 수 있다.
즉, 상기 미리 정해진 워크 로드 산출 방법은 CPU의 가동 정도만을 기초로 상기 가상 머신 워크 로드 정보가 산출될 수 있다.
또한, 상기 미리 정해진 워크 로드 산출 방법 상에서는 하나의 가상 머신은 하나의 물리 서버 상에서만 실행될 수 없다고 가정할 수 있다.
일례로, 이는 하나의 가상 머신은 두 개의 물리 서버 상에서 구현될 수 밖에없다는 것을 의미할 수 있다.
또한, 상기 미리 정해진 워크 로드 산출 방법 상에서, 물리 서버의 워크 로드라는 것의 의미는 복 수의 가상 머신이 하나의 물리 서버 상에서 구동될 경우, 각 각의 가상 머신 워크 로드의 합이 물리 서버 워크 로드인 것으로 산출될 수 있다.
이는, 후술하는 예측하는데 필요한 기초 데이터를 단순화 함으로써, 후술하는 단계에서 예측의 정확도를 더욱 상승시킬 수 있다.
상기 처리부는 상기 가상 머신 워크 로드 정보를 기초로 상기 가상 머신 워크 로드 정보 산출 시점에서부터 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 부과되는 예측되는 물리 서버의 부하와 연관된 최초 예측 가상 로드와 관련된 정보인 최초 예측 가상 로드 정보를 산출(S20)할 수 있다.
미리 정해진 기간 동안의 예측 로드를 기준으로 후술하는 가상 머신의 배치를 산출하는 이유로는, 특정 시점의 과부화를 기초로 마이그레이션을 할 경우, 마이그레이션의 횟수 증가 및 전반적인 물리 서버의 안정화를 구현할 수 없는 바, 이를 해결하기 위함일 수 있다.
일례로, 미리 정해진 제1 기간은 3 개월일 수 있다.
다만, 이에 본 발명이 한정되는 것은 아니고 상기 미리 정해진 제1 기간은 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
일례로, 상기 처리부는 상기 가상 머신 워크 로드 정보를 기초로 다중회귀모형, ARIMA 분석 또는 Deep Learning과 같은 알고리즘을 활용하여 상술한 예측과 관련된 연산을 수행할 수 있다.
이는, 통상의 기술자에게 자명한 기술로서 이에 대한 자세한 설명은 생략될 수 있다.
최초 예측 가상 로드란 상기 가상 머신 워크 로드 정보 산출 시점에서부터 미리 정해진 제1 기간 동안 또는 임의의 시점에서부터 미리 정해진 제1 기간 동안 예측되는 가상 머신의 워크 로드를 의미할 수 있다.
상기 처리부는 미리 정해진 탐색 배치 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 탐색 배치와 관련된 정보인 탐색 배치 정보를 산출(S30)할 수 있다.
여기서, 상기 미리 정해진 탐색 배치 산출 방법은, 상기 최초 예측 가상 로드 정보를 기초로 목적 함수 값이 최소화될 때의 상기 가상 머신의 탐색 배치가 산출되는 방법을 의미할 수 있다.
상기 미리 정해진 탐색 배치 산출 방법은 임의의 물리 서버의 상기 워크 로드가 임의의 기준(a, 도 3 및 도 4 참조) 이상이 되는 상기 가상 머신의 배치가 상기 탐색 배치로서 제외되는 방법일 수 있다.
여기서, 임의의 기준(a)은 80%일 수 있다.
다만, 이에 한정하지 않고 상기 임의의 기준은 통상의 기술자에게 자명한 수준에서 다양하게 변형될 수 있다.
또한, 상기 목적 함수는 제1 목적 함수, 제2 목적 함수 및 제3 목적 함수를 구비할 수 있다.
상기 처리부는 각 각의 목적 함수 값들이 최소 값을 갖는 비 지배해 3 개를 산출할 수 있다.
이하, 상기 미리 정해진 탐색 배치 산출 방법에 대해서 자세하게 서술하도록 한다.
도 3은 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제1 목적 함수를 고려한 가상 머신 배치로서 달성되는 효과를 설명하기 위한 그래프이다.
도 3을 참조하면, 상기 목적 함수는 상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드의 변화량과 관련된 함수인 제1 목적 함수를 구비할 수 있다.
도 3(a)는 가상 머신들이 제1 배치일 경우 제1 물리 서버, 제2 물리 서버 및 제3 물리 서버의 워크 로드를 도시한 그래프이고, 도 3(b)는 가상 머신들이 제2 배치일 경우 제1 물리 서버, 제2 물리 서버 및 제3 물리 서버의 워크 로드를 도시한 그래프이다.
각 각의 물리 서버의 워크 로드는 각 물리 서버에 설치된 가상 머신 워크 로드들의 합으로 산출될 수 있음을 상술된 내용에서 확인할 수 있다.
일례로, 상기 가상 머신들이 제1 배치일 경우, 제1 물리 서버에는 제a 가상 머신, 제b 가상 머신 및 제c 가상 머신이 배치될 수 있고, 제2 물리 서버에는 제d 가상 머신 및 제e 가상 머신이 배치될 수 있고, 제3 물리 서버에는 제f 가상 머신 및 제g 가상 머신이 배치될 수 있다.
일례로, 상기 가상 머신들이 제2 배치일 경우, 상기 제1 물리 서버에는 제a 가상 머신이 배치될 수 있고, 제2 물리 서버에는 제b 가상 머신, 제d 가상 머신 및 제f 가상 머신이 배치될 수 있고, 제3 물리 서버에는 제c 가상 머신, 제e 가상 머신 및 제g 가상 머신이 배치될 수 있다.
이에, 본 발명이 한정되는 것은 아니고 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
도 3(a) 및 도 3(b)를 참조하면, 가상 머신이 제1 배치로 배치될 경우 모든 물리 서버의 워크 로드가 임의의 기준 이하가 되며, 가상 머신이 제2 배치로 배치될 경우 모든 물리 서버의 워크 로드가 임의의 기준 이하가 되는 것을 확인할 수 있다.
다만, 가상 머신이 제2 배치일 경우, 가상 머신이 제1 배치일 경우보다 각 각의 물리 서버의 워크 로드의 변화량(기울기)가 더 작은 것을 확인할 수 있다.
따라서, 상기 처리부는 탐색 배치로서 제1 배치보다 제2 배치가 더욱 적절한 배치로서 산출할 수 있다.
만일 물리 서버의 워크 로드의 변화율이 크다면, 짧은 시간 동안만 물리 서버의 워크 로드가 임의의 기준이 넘어, 가상 머신의 마이그레이션(이전)이 이루어질 수 있다.
이럴 경우, 앞서 상술한 가상 머신의 잦은 마이그레이션이 발생될 수 있으므로, 가상 머신의 데이터 손실의 위험성이 더욱 높아질 수 있다.
제1 목적 함수는 이를 예방하기 위한 함수일 수 있다.
도 4는 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제2 목적 함수를 고려한 가상 머신 배치로서 달성되는 효과를 설명하기 위한 그래프이다.
도 4를 참조하면, 상기 목적 함수는 상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드들 간의 차이와 관련된 함수인 제2 목적 함수를 구비할 수 있다.
도 4(a)는 가상 머신들이 제3 배치일 경우 제1 물리 서버, 제2 물리 서버 및 제3 물리 서버의 워크 로드를 도시한 그래프이고, 도 4(b)는 가상 머신들이 제4 배치일 경우 제1 물리 서버, 제2 물리 서버 및 제3 물리 서버의 워크 로드를 도시한 그래프이다.
도 4(a) 및 도 4(b)를 참조하면, 상기 가상 머신들이 제3 배치일 경우 모든 물리 서버의 워크 로드가 임의의 기준 이하가 되며, 가상 머신이 제4 배치로 배치될 경우 모든 물리 서버의 워크 로드가 임의의 기준 이하가 되는 것을 확인할 수 있다.
다만, 가상 머신이 제4 배치일 경우, 상기 가상 머신이 제3 배치일 경우보다 각 각의 물리 서버의 워크 로드들 간의 차이가 더 작은 것을 확인할 수 있다.
따라서, 상기 처리부는 탐색 배치로서 제3 배치보다 제4 배치가 더욱 적절한 배치로서 산출할 수 있다.
여기서, 물리 서버들 간의 워크 로드를 비교하기 위해서, 상기 미리 정해진 제1 기간 동안의 워크 로드의 평균 값을 기초로 물리 서버들 간에 서로 비교될 수 있다.
제2 목적 함수의 의미는 물리 서버를 고르게 활용하고자 함일 수 있다.
상기 목적 함수는 상기 가상 머신이 상기 탐색 배치로 배치되기 위해서 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 상기 가상 머신이 배치 이동되는 횟수와 관련된 함수인 제3 목적 함수를 구비할 수 있다.
다시 말하면, 상기 제3 목적 함수는 현재의 가상 머신들의 배치에서 탐색 배치로 배치되기 위하여 물리 서버들 사이에서 가상 머신의 이동 횟수와 관련될 수 있다.
상기 제3 목적 함수의 의미는, 상기 가상 머신의 이동 횟수를 최소하는 배치를 찾고자 함일 수 있다.
탐색 배치란 각 각의 목적 함수가 최소화 되는 물리 서버들 상에서의 상기 가상 머신의 배치를 의미할 수 있다.
상기 목적 함수는 상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드의 변화량과 관련된 함수인 제1 목적 함수, 상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드들 간의 차이와 관련된 함수인 제2 목적 함수 및 상기 가상 머신이 상기 탐색 배치로 배치되기 위해서 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 상기 가상 머신이 배치 이동되는 횟수와 관련된 함수인 제3 목적 함수를 구비할 수 있다.
상기 표시부는 상기 처리부에서 전달되는 탐색 배치(S40)들을 표시할 수 있다.
상기 처리부는 제1 탐색 배치와 관련된 정보인 제1 탐색 배치 정보, 상기 제2 탐색 배치와 관련된 정보인 제2 탐색 배치 정보 및 제3 탐색 배치와 관련된 정보인 제3 탐색 배치 정보를 산출할 수 있으며, 이에 대한 정보를 상기 표시부에 전달할 수 있다.
상기 탐색 배치는 상기 제1 목적 함수의 값이 최소인 상태에서 상기 제2 목적 함수의 값과 상기 제3 목적 함수의 값이 최소화되는 상기 물리 서버들(일례로, 상기 제1 물리 서버와 상기 제2 물리 서버) 상의 상기 가상 머신의 배치인 제1 탐색 배치, 상기 제2 목적 함수의 값이 최소인 상태에서 상기 제1 목적 함수의 값과 상기 제3 목적 함수의 값이 최소화되는 상기 물리 서버들(일례로, 제1 물리 서버와 상기 제2 물리 서버) 상의 상기 가상 머신의 배치인 제2 탐색 배치 및 상기 제3 목적 함수의 값이 최소인 상태에서 상기 제1 목적 함수의 값과 상기 제2 목적 함수의 값이 최소화되는 상기 물리 서버들(일례로, 제1 물리 서버와 상기 제2 물리 서버) 상의 상기 가상 머신의 배치인 제3 탐색 배치를 구비할 수 있다.
상기 표시부는 상기 제1 탐색 배치, 상기 제2 탐색 배치 및 제3 탐색 배치를 표시할 수 있다.
상기 제1 탐색 배치, 상기 제2 탐색 배치 및 제3 탐색 배치는 목적 함수들의 비 지배해로서 서로 독립적인 해결 방법을 의미할 수 있다.
작업자는 입력부를 통해 상기 제1 탐색 배치, 상기 제2 탐색 배치 및 제3 탐색 배치 중 하나의 탐색 배치를 선택하여, 선택한 탐색 배치를 입력할 수 있다.
상기 입력부는 선택된 탐색 배치와 관련된 정보를 산출하여 해당 정보를 상기 처리부로 전달할 수 있다.
도 5는 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 예측 오류를 산출하는 방법을 설명하기 위한 그래프이다.
상기 처리부는 선택된 상기 탐색 배치를 기초로 상기 가상 머신들을 물리 서버들 상에서 재 배치(S60)할 수 있다.
이러한 방법을 통해 상기 물리 서버의 자원이 일 물리 서버로 치우치지 않고 고르게 활용될 수 있다.
또한, 상기 처리부는 선택된 상기 탐색 배치에 따라 상기 가상 머신이 상기 물리 서버들 상에 배치된 후, 예측되는 물리 서버의 부하와 연관된 선택 예측 가상 로드와 관련된 정보인 선택 예측 가상 로드 정보와 상기 가상 머신들의 실제 워크 로드와 관련된 정보인 실제 가상 워크 로드 정보를 기초로 미리 정해진 점검 방법에 따라 상기 선택 예측 가상 로드 정보가 정상적으로 산출되었는지 여부를 판단(S70)할 수 있다.
여기서, 선택 예측 가상 로드 정보는 상술한 최초 예측 가상 로드 정보와 동일할 수 있다.
다만, 이에 한정하지 않고 상기 선택 예측 가상 로드 정보는 최초 예측 가상 로드 정보와 일치되지 않을 수 있다.
이와 같을 경우, 상기 처리부는 선택된 상기 탐색 배치에 따라 상기 가상 머신들을 배치한 후, 소정 기간 동안의 상기 가상 머신들의 워크 로드를 예측하여 상기 선택 예측 가상 로드 정보를 산출할 수 있다.
상기 미리 정해진 점검 방법은 상기 실제 가상 워크 로드가 대응되는 상기 선택 예측 가상 로드와 소정 값 이상 차이 날 경우 선택 예측 가상 로드가 잘못 산출되었다고 판단하는 방법일 수 있다.
구체적인 일례로서, 도 5는 제a 가상 머신의 예측되는 워크 로드인 선택 예측 가상 로드를 나타내는 제1 워크 로드(X10)와 제a 가상 머신의 실제 워크 로드를 나타내는 제2 워크 로드(X20)에 대한 그래프일 수 있다.
상기 처리부는 상기 제1 워크 로드와 상기 제2 워크 로드가 소정 워크 로드(소정 값, X) 이상 차이날 경우 상기 제a 가상 머신의 워크 로드가 잘못 예측되었다고 판단할 수 있다.
상기 처리부가 상기 선택 예측 가상 로드가 잘못 산출되었다고 판단하는 경우, 상기 처리부는 상기 선택 예측 가상 로드가 잘못 산출되었다고 판단하는 시점인 재 판단 시점부터 미리 정해진 제2 기간 동안, 상기 가상 머신에 의해 예측되는 물리 서버의 부하와 연관된 재 예측 가상 로드와 관련된 정보인 재 예측 가상 로드 정보를 산출(S80)할 수 있다.
상기 처리부는 상기 재 예측 가상 로드 정보를 기초로 상술한 미리 정해진 탐색 배치 산출 방법에 의해 탐색 배치를 재 산출(S80)할 수 있으며, 이를 기초로 가상 머신들이 재 배치(S90)될 수 있도록, 소정의 연산을 할 수 있다.
이에 대한 자세한 설명은 상술한 내용과 중복되는 한도에서 생략될 수 있다.
여기서, 미리 정해진 제2 기간은 상술한 상기 미리 정해진 제1 기간과 동일할 수도 있고 상이할 수도 있다.
이와 같은 상기 가상 머신 배치 방법은 반복 연속적으로 이루어질 수 있다.
상기 가상 머신들이 재 배치(S90)되기 위하여 작업자는 복 수의 탐색 배치들 중에 하나의 탐색 배치를 선택할 수 있으며, 상기 처리부는 선택된 탐색 배치를 기초로 상기 가상 머신들을 재 배치(S90) 할 수 있다.
이에 대한 자세한 설명은 상술한 내용과 중복되는 한도에서 생략될 수 있다.
첨부된 도면은 본 발명의 기술적 사상을 보다 명확하게 표현하기 위해, 본 발명의 기술적 사상과 관련성이 없거나 떨어지는 구성에 대해서는 간략하게 표현하거나 생략하였다.
상기에서는 본 발명에 따른 실시예를 기준으로 본 발명의 구성과 특징을 설명하였으나 본 발명은 이에 한정되지 않으며, 본 발명의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 발명이 속하는 기술분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.
10 : 가상 머신 배치 장치 11 : 처리부
12 : 저장부 13 : 수신부
14 : 송신부 15 : 입력부
16 : 표시부
12 : 저장부 13 : 수신부
14 : 송신부 15 : 입력부
16 : 표시부
Claims (6)
- 삭제
- 가상 머신이 설치된 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함. -를 효율적으로 운용하기 위하여, 복 수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법인 가상 머신 배치 방법에 있어서,
저장부에 저장되어 있는 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크 로드 산출 방법에 의해 상기 가상 머신에 의해 부과되는 물리 서버의 부하인 가상 머신 워크 로드와 관련된 정보인 가상 머신 워크 로드 정보가 산출되는 단계;
상기 가상 머신 워크 로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 예측되는 물리 서버의 부하와 연관된 최초 예측 가상 로드와 관련된 정보인 최초 예측 가상 로드 정보가 산출되는 단계;
미리 정해진 탐색 배치 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 탐색 배치와 관련된 정보인 탐색 배치 정보가 산출되는 단계; 및
선택된 상기 탐색 배치를 기초로 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 배치되는 단계;를 포함하고,
상기 미리 정해진 탐색 배치 산출 방법은,
상기 최초 예측 가상 로드 정보를 기초로 목적 함수 값이 최소화될 때의 상기 가상 머신의 탐색 배치가 산출되는 방법이며,
상기 목적 함수는,
상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드의 변화량과 관련된 함수인 제1 목적 함수를 구비하는,
가상 머신 배치 방법.
- 가상 머신이 설치된 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함. -를 효율적으로 운용하기 위하여, 복 수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법인 가상 머신 배치 방법에 있어서,
저장부에 저장되어 있는 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크 로드 산출 방법에 의해 상기 가상 머신에 의해 부과되는 물리 서버의 부하인 가상 머신 워크 로드와 관련된 정보인 가상 머신 워크 로드 정보가 산출되는 단계;
상기 가상 머신 워크 로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 예측되는 물리 서버의 부하와 연관된 최초 예측 가상 로드와 관련된 정보인 최초 예측 가상 로드 정보가 산출되는 단계;
미리 정해진 탐색 배치 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 탐색 배치와 관련된 정보인 탐색 배치 정보가 산출되는 단계; 및
선택된 상기 탐색 배치를 기초로 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 배치되는 단계;를 포함하고,
상기 미리 정해진 탐색 배치 산출 방법은,
상기 최초 예측 가상 로드 정보를 기초로 목적 함수 값이 최소화될 때의 상기 가상 머신의 탐색 배치가 산출되는 방법이며,
상기 목적 함수는,
상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드들 간의 차이와 관련된 함수인 제2 목적 함수를 구비하는,
가상 머신 배치 방법.
- 가상 머신이 설치된 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함. -를 효율적으로 운용하기 위하여, 복 수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법인 가상 머신 배치 방법에 있어서,
저장부에 저장되어 있는 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크 로드 산출 방법에 의해 상기 가상 머신에 의해 부과되는 물리 서버의 부하인 가상 머신 워크 로드와 관련된 정보인 가상 머신 워크 로드 정보가 산출되는 단계;
상기 가상 머신 워크 로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 예측되는 물리 서버의 부하와 연관된 최초 예측 가상 로드와 관련된 정보인 최초 예측 가상 로드 정보가 산출되는 단계;
미리 정해진 탐색 배치 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 탐색 배치와 관련된 정보인 탐색 배치 정보가 산출되는 단계; 및
선택된 상기 탐색 배치를 기초로 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 배치되는 단계;를 포함하고,
상기 미리 정해진 탐색 배치 산출 방법은,
상기 최초 예측 가상 로드 정보를 기초로 목적 함수 값이 최소화될 때의 상기 가상 머신의 탐색 배치가 산출되는 방법이며,
상기 목적 함수는,
상기 가상 머신이 상기 탐색 배치로 배치되기 위해서 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 상기 가상 머신이 배치 이동되는 횟수와 관련된 함수인 제3 목적 함수를 구비하는,
가상 머신 배치 방법.
- 가상 머신이 설치된 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함. -를 효율적으로 운용하기 위하여, 복 수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법인 가상 머신 배치 방법에 있어서,
저장부에 저장되어 있는 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크 로드 산출 방법에 의해 상기 가상 머신에 의해 부과되는 물리 서버의 부하인 가상 머신 워크 로드와 관련된 정보인 가상 머신 워크 로드 정보가 산출되는 단계;
상기 가상 머신 워크 로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 예측되는 물리 서버의 부하와 연관된 최초 예측 가상 로드와 관련된 정보인 최초 예측 가상 로드 정보가 산출되는 단계;
미리 정해진 탐색 배치 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 탐색 배치와 관련된 정보인 탐색 배치 정보가 산출되는 단계; 및
선택된 상기 탐색 배치를 기초로 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 배치되는 단계;를 포함하고,
상기 미리 정해진 탐색 배치 산출 방법은,
상기 최초 예측 가상 로드 정보를 기초로 목적 함수 값이 최소화될 때의 상기 가상 머신의 탐색 배치가 산출되는 방법이며,상기 목적 함수는,
상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드의 변화량과 관련된 함수인 제1 목적 함수, 상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드들 간의 차이와 관련된 함수인 제2 목적 함수 및 상기 가상 머신이 상기 탐색 배치로 배치되기 위해서 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 상기 가상 머신이 배치 이동되는 횟수와 관련된 함수인 제3 목적 함수를 구비하는,
가상 머신 배치 방법.
- 가상 머신이 설치되는 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함. - 를 효율적으로 운용하기 위하여, 복 수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법인 가상 머신 배치 방법을 구현하는 가상 머신 배치 장치에 있어서,
처리부; 및
상기 가상 머신 배치 방법을 수행하는 프로그램이 저장된 저장부;를 포함하고,
상기 가상 머신 배치 방법은,
상기 처리부가 상기 저장부에 저장되어 있는 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크 로드 산출 방법에 의해 상기 가상 머신에 의해 부과되는 물리 서버의 부하인 가상 머신 워크 로드와 관련된 정보인 가상 머신 워크 로드 정보를 산출하는 단계;
상기 처리부가 상기 가상 머신 워크 로드를 기초로 상기 가상 머신 워크 로드가 산출된 시점부터 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 예측되는 물리 서버의 부하와 연관된 최초 예측 가상 로드와 관련된 정보인 최초 예측 가상 로드 정보를 산출하는 단계;
상기 처리부가 미리 정해진 탐색 배치 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신의 배치인 탐색 배치와 관련된 정보인 탐색 배치 정보를 산출하는 단계; 및
상기 처리부가 선택된 상기 탐색 배치를 기초로 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 배치하는 단계;를 포함하고,
상기 미리 정해진 탐색 배치 산출 방법은,
상기 처리부가 상기 최초 예측 가상 로드 정보를 기초로 목적 함수 값이 최소화될 때의 상기 가상 머신의 탐색 배치를 산출하는 방법이며,
상기 목적 함수는,
상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드의 변화량과 관련된 함수인 제1 목적 함수, 상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 워크 로드들 간의 차이와 관련된 함수인 제2 목적 함수 및 상기 가상 머신이 상기 탐색 배치로 배치되기 위해서 상기 제1 물리 서버와 상기 제2 물리 서버 상에서 상기 가상 머신이 배치 이동되는 횟수와 관련된 함수인 제3 목적 함수 중 적어도 하나의 목적 함수를 구비하는,
가상 머신 배치 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190175827A KR102126434B1 (ko) | 2019-12-27 | 2019-12-27 | 딥 러닝을 활용한 워크 로드 예측을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190175827A KR102126434B1 (ko) | 2019-12-27 | 2019-12-27 | 딥 러닝을 활용한 워크 로드 예측을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190049976A Division KR102062157B1 (ko) | 2019-04-29 | 2019-04-29 | 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102126434B1 true KR102126434B1 (ko) | 2020-06-25 |
Family
ID=71400387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190175827A KR102126434B1 (ko) | 2019-12-27 | 2019-12-27 | 딥 러닝을 활용한 워크 로드 예측을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102126434B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102470086B1 (ko) * | 2021-10-28 | 2022-11-23 | 오케스트로 주식회사 | Sla 위반을 예방한 가상 머신 배치 시스템 및 가상 머신 배치 방법 |
Citations (6)
| 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 |
| JP2011186701A (ja) * | 2010-03-08 | 2011-09-22 | Nec 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プログラム |
| KR20120023703A (ko) * | 2009-06-01 | 2012-03-13 | 후지쯔 가부시끼가이샤 | 서버 관리 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체, 관리 서버, 가상 서버 배치 방법 |
| JP2012159928A (ja) * | 2011-01-31 | 2012-08-23 | Internatl Business Mach Corp <Ibm> | 情報処理装置、情報処理システム、配置構成決定方法、プログラムおよび記録媒体 |
| JP2014006739A (ja) * | 2012-06-25 | 2014-01-16 | Fujitsu Ltd | プログラム、管理サーバおよび仮想マシン移動制御方法 |
| KR101867487B1 (ko) * | 2016-12-23 | 2018-07-18 | 경희대학교 산학협력단 | 클라우드 환경에서 퍼지기반의 마이그레이션 시스템 및 방법 |
-
2019
- 2019-12-27 KR KR1020190175827A patent/KR102126434B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120023703A (ko) * | 2009-06-01 | 2012-03-13 | 후지쯔 가부시끼가이샤 | 서버 관리 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체, 관리 서버, 가상 서버 배치 방법 |
| 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 |
| JP2011186701A (ja) * | 2010-03-08 | 2011-09-22 | Nec 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プログラム |
| JP2012159928A (ja) * | 2011-01-31 | 2012-08-23 | Internatl Business Mach Corp <Ibm> | 情報処理装置、情報処理システム、配置構成決定方法、プログラムおよび記録媒体 |
| JP2014006739A (ja) * | 2012-06-25 | 2014-01-16 | Fujitsu Ltd | プログラム、管理サーバおよび仮想マシン移動制御方法 |
| KR101867487B1 (ko) * | 2016-12-23 | 2018-07-18 | 경희대학교 산학협력단 | 클라우드 환경에서 퍼지기반의 마이그레이션 시스템 및 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102470086B1 (ko) * | 2021-10-28 | 2022-11-23 | 오케스트로 주식회사 | Sla 위반을 예방한 가상 머신 배치 시스템 및 가상 머신 배치 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102135208B1 (ko) | 스케줄링을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치 | |
| US8185893B2 (en) | Starting up at least one virtual machine in a physical machine by a load balancer | |
| US8489744B2 (en) | Selecting a host from a host cluster for live migration of a virtual machine | |
| US20190340007A1 (en) | Virtual machine consolidation | |
| US8296760B2 (en) | Migrating a virtual machine from a first physical machine in response to receiving a command to lower a power mode of the first physical machine | |
| US20200241930A1 (en) | Dependent system optimization for serverless frameworks | |
| US8185894B1 (en) | Training a virtual machine placement controller | |
| KR102109088B1 (ko) | 가상 머신 예측 워크 로드 산출 방법 및 이를 구현하는 예측 장치 | |
| US10725834B2 (en) | Job scheduling based on node and application characteristics | |
| CN104781795A (zh) | 存储层的动态选择 | |
| KR102062157B1 (ko) | 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치 | |
| EP3198429A1 (en) | Heterogeneous thread scheduling | |
| US9170850B2 (en) | Minimizing workload migrations during cloud maintenance operations | |
| US11403088B2 (en) | Upgrade of hosts hosting application units of a container-based application based on analysis of the historical workload pattern of the cluster | |
| Riahi et al. | A multi-objective decision support framework for virtual machine placement in cloud data centers: a real case study | |
| Ferdaus et al. | Energy-aware virtual machine consolidation in IaaS cloud computing | |
| CN112540727A (zh) | 数据管理方法、装置、计算设备、存储介质和云平台 | |
| CN111913670A (zh) | 负载均衡的处理方法、装置、电子设备及存储介质 | |
| KR102347375B1 (ko) | 복수의 예측 모델을 기초로 가상 머신 워크 로드 예측 방법 | |
| KR102126434B1 (ko) | 딥 러닝을 활용한 워크 로드 예측을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치 | |
| US9819558B2 (en) | Streaming query resource control | |
| Gupta | Novel distributed load balancing algorithms in cloud storage | |
| Ahmadi et al. | A flexible approach for virtual machine selection in cloud data centers with AHP | |
| KR102135209B1 (ko) | 가상 머신 배치 모의 실험 방법 및 이를 구현하는 가상 머신 배치 모의 실험 장치 | |
| KR102316749B1 (ko) | 가상 머신 워크로드 예측 방법, 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |