KR102212108B1 - 스토리지 오케스트레이션의 학습형 최적화 대상 볼륨 선정 방법 - Google Patents

스토리지 오케스트레이션의 학습형 최적화 대상 볼륨 선정 방법 Download PDF

Info

Publication number
KR102212108B1
KR102212108B1 KR1020160124975A KR20160124975A KR102212108B1 KR 102212108 B1 KR102212108 B1 KR 102212108B1 KR 1020160124975 A KR1020160124975 A KR 1020160124975A KR 20160124975 A KR20160124975 A KR 20160124975A KR 102212108 B1 KR102212108 B1 KR 102212108B1
Authority
KR
South Korea
Prior art keywords
volume
point
dirty
user
optimization
Prior art date
Application number
KR1020160124975A
Other languages
English (en)
Other versions
KR20180035023A (ko
Inventor
안재훈
김영환
박창원
Original Assignee
한국전자기술연구원
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 한국전자기술연구원 filed Critical 한국전자기술연구원
Priority to KR1020160124975A priority Critical patent/KR102212108B1/ko
Publication of KR20180035023A publication Critical patent/KR20180035023A/ko
Application granted granted Critical
Publication of KR102212108B1 publication Critical patent/KR102212108B1/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]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0629—Configuration or reconfiguration of storage systems
    • G06F3/0631—Configuration or reconfiguration of storage systems by allocating resources to storage systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/0671—In-line storage system
    • G06F3/0683—Plurality of storage devices
    • G06F3/0685—Hybrid storage combining heterogeneous device types, e.g. hierarchical storage, hybrid arrays
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

스토리지 오케스트레이션의 학습형 최적화 대상 볼륨 선정 방법이 제공된다. 본 발명의 실시예에 따른 볼륨 관리 방법은, 사용자에게 할당된 볼륨 정보와 사용자의 요구사항을 수집하고, 수집된 정보를 기반으로 볼륨 상태와 사용자의 요구사항과의 격차를 나타내는 Dirty-Point를 계산하며. Dirty-Point를 기초로 최적화 대상 볼륨을 큐에 적재한다. 이에 의해, 학습형 최적화 대상 선정 기능을 통해, 엑사스케일급 스토리지 시스템 운영을 위한 지속적 최적화를 지원할 수 있게 된다.

Description

스토리지 오케스트레이션의 학습형 최적화 대상 볼륨 선정 방법{Storage Orchestration Learning Optimization Target Volume Selection Method}
본 발명은 스토리지 자원 관리 기술에 관한 것으로, 더욱 상세하게는 사용자들에게 최적의 스토리지 할당을 위해, 스토리지 기능, 용량, 성능을 소프트웨어로 정의하여 지속적으로 최적화하는 개방형 클라우드 스토리지 관리 방법에 관한 것이다.
엑사스케일급 스토리지 시스템 운영에 따른 스토리지 관리 기술은, 다음과 같은 한계가 있다.
첫째, 스토리지 자원 할당의 불균형에 따른 스토리지 자원의 불균등 사용 문제가 있다. 둘째, 엑사스케일 규모의 스토리지 시스템의 관리 및 분배 기술의 한계가 있다. 셋째, 스토리지 자원의 균형 관리를 위한 최적화를 대상 선정에 있어 정적인 서비스를 제공하는 기술의 한계가 있다.
이에, 지속적 최적화를 목적으로 하는 관리 소프트웨어가 스토리지 시장의 이해 당사자별로 서로 다른 관점에서 기술을 접근하고 있으며, 기존 기술을 SDS(Software Define Storage)로 재포장하고 있는 상황이다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 엑사스케일급 스토리지 시스템 운영을 위한 지속적 최적화를 지원하는 학습형 최적화 대상 선정 기능을 포함하는 오케스트레이션 엔진/방법을 제공함에 있다.
또한, 본 발명의 목적은, 엑사스케일급 스토리지 시스템을 구축하고 운영함에 있어 물리적 스토리지 자원의 균형적인 활용을 위해, 최적의 자원 관리 및 분배를 가능하게 하는 방법 및 시스템을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 볼륨 관리 방법은, 사용자에게 할당된 볼륨 정보와 사용자의 요구사항을 수집하는 단계; 수집된 정보를 기반으로, 볼륨 상태와 사용자의 요구사항과의 격차를 나타내는 Dirty-Point를 계산하는 단계; 및 Dirty-Point를 기초로, 최적화 대상 볼륨을 큐에 적재하는 단계;를 포함한다.
Drity-Point는, QoS 기반 Dirty-Point, Tier Usage 기반 Dirty-Point, Volume Usage 기반 Drity-Point 및 Volume 중첩 Dirty-Point 중 적어도 하나를 포함할 수 있다.
QoS 기반 Dirty-Point는, Bandwidth 및 IOPS를 이용하여, 마할라노비스 거리측정법에 따라 계산할 수 있다.
Volume 중첩 Dirty-Point는, 서로 다른 사용자들에 할당된 볼륨들이 동일 스토리지 영역을 점유하고 있는 경우에 높아질 수 있다.
큐에 적재된 최적화 대상 볼륨의 Dirty-Point를 재계산하는 단계; 재계산된 Dirty-Point를 기초로, 최적화 대상 볼륨의의 Wait-Count를 변경시키는 단계; Wait-Count가 제1 임계 값을 초과하면, 볼륨 최적화를 수행하는 단계;를 더 포함할 수 있다.
본 발명의 일 실시예에 따른, 볼륨 관리 방법은, Wait-Count가 제2 임계 값 미만이 되면, 큐에서 최적화 대상 볼륨을 제거하는 단계;를 더 포함할 수 있다.
본 발명의 일 실시예에 따른, 볼륨 관리 방법은, 재계산된 Dirty-Point기 정해진 값을 초과하면, Wait-Count와 상관 없이 볼륨 최적화를 수행하는 단계;를 더 포함할 수 있다.
한편, 본 발명의 다른 실시예에 따른, 스토리지 서비스 시스템은, 사용자가 이용하는 볼륨이 할당되는 스토리지 서버들; 및 사용자에게 할당된 볼륨 정보와 사용자의 요구사항을 수집하고, 수집된 정보를 기반으로 볼륨 상태와 사용자의 요구사항과의 격차를 나타내는 Dirty-Point를 계산하며, Dirty-Point를 기초로 최적화 대상 볼륨을 큐에 적재하는 관리 서버;를 포함한다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 학습형 최적화 대상 선정 기능을 통해, 엑사스케일급 스토리지 시스템 운영을 위한 지속적 최적화를 지원할 수 있게 된다.
또한, 본 발명의 실시예들에 따르면, 엑사스케일급 스토리지 시스템을 구축하고 운영함에 있어 물리적 스토리지 자원의 균형적인 활용이 가능해지며, 최적의 자원 관리 및 분배가 가능해진다.
도 1은 본 발명의 일 실시예에 따른 최적화 대상 볼륨 선정 방법의 설명에 제공되는 흐름도,
도 2는 본 발명의 다른 실시예에 따른 볼륨 최적화 방법의 설명에 제공되는 흐름도,
도 3은 Exception Matrix를 예시한 도면, 그리고,
도 4는 본 발명이 적용 가능한 데이터 센터의 블럭도이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 최적화 대상 볼륨 선정 방법의 설명에 제공되는 흐름도이다.
발명의 실시예에 따른 최적화 대상 볼륨 선정은, 엑사스케일 규모의 데이터 저장 공간을 제공하는 스토리지 서버들을 관리하는 관리 서버가 오케스트레이션 기반으로 지속적으로 운영/관리한다.
구체적으로, 도 1에 도시된 바와 같이, 관리 서버의 최적화 모듈이 호출되면(S110), 관리 서버는 현재 사용자들에게 할당된 볼륨들의 정보들과 사용자의 초기 요구사항들을 수집한다(S120).
볼륨 정보에는 볼륨 성능/용량이 포함되는데, 성능은 볼륨을 구성하고 있는 스토리지의 종류(SSD, HDD)와 비율에 대한 정보이다. 사용자의 초기 요구사항 역시 볼륨 성능/용량이 포함된다.
다음, 관리 서버는 수집된 정보들을 기반으로 Dirty-Point를 계산한다(S130). S130단계에서 계산되는 DirtyPoint는 볼륨의 현재 상태가 사용자의 초기 요구사항과 얼마나 격차가 있는지를 나타내는 수치이다.
Dirty-Point가 높으면 사용자 요구 대비 볼륨 성능이 낮다고 볼 수 있다. DirtyPoint에는 다음의 4가지가 포함된다.
1) QoS 기반 Dirty-Point
스토리지 서비스를 이용하는 사용자의 수가 증가하면, QoS 기반 Dirty-Point가 증가, 즉, 볼륨 성능 저하가 나타난다. QoS 기반 Dirty-Point는 Bandwidth, IOPS를 이용하여, 마할라노비스 거리측정법에 따라 계산한다.
2) Tier Usage 기반 Dirty-Point
볼륨이 속해 있는 Tier의 여유 공간이 부족한 경우에, Tier Usage 기반 Dirty-Point가 증가한다.
3) Volume Usage 기반 Drity-Point
볼륨의 여유 공간이 부족한 경우에, Volume Usage 기반 Drity-Point가 증가한다.
4) Volume 중첩 Dirty-Point
서로 다른 사용자들에 할당된 볼륨들이 동일 스토리지 영역을 점유하고 있는 경우, 어느 한 사용자가 중첩된 스토리지 영역을 빈번하게 사용하게 되면 Volume 중첩 Dirty-Point가 증가한다.
이후, 관리 서버는 계산된 Dirty-Point를 기초로, 성능 저하된 볼륨을 최적화 대상 큐에 적재한다(S140). S140단계에서는, 임계 Drity-Point를 초과한 볼륨을 최적화 대상 큐에 적재하게 된다.
이후, S110단계부터 반복되어, 정보 수집(S120)과 Dirty-Point를 계산(S130)이 반복된다.
반복 과정에서, DirtyPoint의 변화가 있으면, 관리 서버는 최적화 대상 큐에 적재된 볼륨의 Wait-Count를 변경시킨다(S150). Wait-Count는 높은 Dirty-Point를 보이는 볼륨에 한해 빠른 최적화 작업을 수행하기 위한 변수로, S150단계에서의 Wait-Count 변경은 다음 정책에 따른다.
1) 초기 Wait-Count는 "3"으로 설정한다.
2) 재계산된 Dirty Point가 기존 Dirty Point 보다 크면 Wait-Count를 "2" 증가시킨다.
3) 재계산된 Dirty Point가 기존 Dirty Point 보다 작지만, QoS 기반 최적화 대상일 경우 Wait-Count를 "1" 증가시킨다.
4) 재계산된 Dirty Point가 QoS 기반 최적화 대상이 아니면, Wait-Count를 "2" 감소시킨다.
한편, Wait-Count가 "7" 이상이 되면, 관리 서버가 해당 볼륨에 대한 최적화 작업을 요청한다(S160).
반면, Wait-Count가 "0 이하가 되면, 관리 서버는 최적화 대상 큐에서 해당 볼륨을 제거한다(S170).
한편, DirtyPoint가 "10" 이상이면, 관리 서버는 Wait-Count와 상관 없이 해당 볼륨에 대한 최적화 작업을 요청한다(S180). "10"은 전술한 임계 Dirty-Point 보다 훨씬 높은 값으로, 성능 저하가 매우 심각하여 신속한 최적화 작업이 필요한 경우이다.
도 2는 본 발명의 다른 실시예에 따른 볼륨 최적화 방법의 설명에 제공되는 흐름도이다.
도 2에 도시된 바와 같이, 최적화 모듈에 의해 최적화 요청이 있으면(S210), 관리 서버의 최적화 모듈은 최적화 작업을 수행하기 위한 Exception Matrix를 불러 온다(S220). 도 3에는 Exception Matrix를 예시하였다.
요청된 최적화 작업에 적합한 Exception Matrix가 있는 경우(S230-Y), 해당 Exception Matrix에 따라 볼륨의 최적화를 수행한다(S240).
반면, 요청된 최적화 작업에 적합한 Exception Matrix가 없는 경우(S230-N), 정해진 규칙에 따라 볼륨 최적화를 수행한다(S250). 규칙은 다음과 같다.
1) QoS 최적화
QoS가 너무 낮은 경우, Tier 0 자원 추가 및 밸런싱을 수행한다. QoS 기반 Dirty-Point가 높아져 최적화 하는 경우이다.
QoS가 너무 높은 경우, Tier 0 자원의 일부를 제거한다.
2) 볼륨 Tier 용량 최적화
Tier Usage 기반 Dirty-Point가 높아져 최적화 하는 경우이다. 볼륨 내 용량 부족한 Tier에 대해 사용량이 적은 Tier 마이그레이션을 수행한다.
3) 전체 볼륨 용량 부족 최적화
Volume Usage 기반 Drity-Point가 높아져 최적화 하는 경우이다. 정책에 의해 볼륨 용량을 추가한다.
4) 볼륨 중첩에 의한 최적화 요청
Volume 중첩 Dirty-Point가 높아져 최적화 하는 경우이다. 다른 자원을 사용하도록 볼륨을 업데이트한다.
도 4는 본 발명이 적용 가능한 데이터 센터의 블럭도이다. 도시된 바와 같이, 본 발명이 적용 가능한 데이터 센터는, 다수의 스토리지 서버들(400-1, 400-1, ... , 400-n)과 관리 서버(300)를 포함한다.
스토리지 서버들(400-1, 400-1, ... , 400-n)은 볼륨이 생성되는 스토리지를 구비하고 있는 서버들이다.
관리 서버(300)는, 도 1에 제시된 방법에 따라 최적화 대상 볼륨을 선정하고, 도 2에 제시된 방법에 따라 볼륨 최적화 작업을 수행한다.
지금까지, 최적화 대상 볼륨을 선정 방법 및 볼륨 최적화 방법에 대해 바람직한 실시예들을 들어 상세히 설명하였다.
본 발명의 실시예에 의해, 스토리지 운영 정책 기반을 기반으로 할당된 자원의 지속적 최적화 수행이 가능하고, 요구사항 대비 성능 저하 발생요인을 최소화하기 위한 학습형 최적화 대상을 선정할 수 있다.
또한, 생성된 스토리지 자원의 성능/용량/활용도 등을 나타내는 지표에 변화가 발생된 경우 안정화를 위한 최적의 대상 선정 및 학습 수행할 수 있고, 학습에 따른 최적화 수행 맵 구성할 수 있으며, 스토리지 자원의 균형적 사용을 위한 학습형 최적화 맵 기반 자동화된 확장/이동/복제 등의 스토리지 관리 수행이 가능하다.
한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해 되어져서는 안될 것이다.
300 : 관리 서버
400-1, 400-1, ... , 400-n : 스토리지 서버 랙

Claims (8)

  1. 사용자에게 할당된 볼륨 정보와 사용자의 요구사항을 수집하는 단계;
    수집된 정보를 기반으로, 볼륨 상태와 사용자의 요구사항과의 격차를 나타내는 Dirty-Point를 계산하는 단계;
    Dirty-Point를 기초로, 최적화 대상 볼륨을 큐에 적재하는 단계;
    큐에 적재된 최적화 대상 볼륨의 Dirty-Point를 재계산하는 단계;
    재계산된 Dirty-Point를 기초로, 최적화 대상 볼륨의의 Wait-Count를 변경시키는 단계;
    Wait-Count가 제1 임계 값을 초과하면, 볼륨 최적화를 수행하는 단계;를 포함하는 것을 특징으로 하는 볼륨 관리 방법.
  2. 청구항 1에 있어서,
    Drity-Point는,
    QoS 기반 Dirty-Point, Tier Usage 기반 Dirty-Point, Volume Usage 기반 Drity-Point 및 Volume 중첩 Dirty-Point 중 적어도 하나를 포함하는 것을 특징으로 하는 볼륨 관리 방법.
  3. 청구항 2에 있어서,
    QoS 기반 Dirty-Point는,
    Bandwidth 및 IOPS를 이용하여, 마할라노비스 거리측정법에 따라 계산하는 것을 특징으로 하는 볼륨 관리 방법.
  4. 청구항 2에 있어서,
    Volume 중첩 Dirty-Point는,
    서로 다른 사용자들에 할당된 볼륨들이 동일 스토리지 영역을 점유하고 있는 경우에 높아지는 것을 특징으로 하는 볼륨 관리 방법.
  5. 삭제
  6. 청구항 1에 있어서,
    Wait-Count가 제2 임계 값 미만이 되면, 큐에서 최적화 대상 볼륨을 제거하는 단계;를 더 포함하는 것을 특징으로 하는 볼륨 관리 방법.
  7. 사용자에게 할당된 볼륨 정보와 사용자의 요구사항을 수집하는 단계;
    수집된 정보를 기반으로, 볼륨 상태와 사용자의 요구사항과의 격차를 나타내는 Dirty-Point를 계산하는 단계;
    Dirty-Point를 기초로, 최적화 대상 볼륨을 큐에 적재하는 단계;
    큐에 적재된 최적화 대상 볼륨의 Dirty-Point를 재계산하는 단계;
    재계산된 Dirty-Point기 정해진 값을 초과하면, Wait-Count와 상관 없이 볼륨 최적화를 수행하는 단계;를 더 포함하는 것을 특징으로 하는 볼륨 관리 방법.
  8. 사용자가 이용하는 볼륨이 할당되는 스토리지 서버들; 및
    사용자에게 할당된 볼륨 정보와 사용자의 요구사항을 수집하고, 수집된 정보를 기반으로 볼륨 상태와 사용자의 요구사항과의 격차를 나타내는 Dirty-Point를 계산하며, Dirty-Point를 기초로 최적화 대상 볼륨을 큐에 적재하는 관리 서버;를 포함하고,
    관리 서버는,
    큐에 적재된 최적화 대상 볼륨의 Dirty-Point를 재계산하고, 재계산된 Dirty-Point를 기초로 최적화 대상 볼륨의의 Wait-Count를 변경시키며, Wait-Count가 제1 임계 값을 초과하면 볼륨 최적화를 수행하는 것을 특징으로 하는 스토리지 서비스 시스템.
KR1020160124975A 2016-09-28 2016-09-28 스토리지 오케스트레이션의 학습형 최적화 대상 볼륨 선정 방법 KR102212108B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160124975A KR102212108B1 (ko) 2016-09-28 2016-09-28 스토리지 오케스트레이션의 학습형 최적화 대상 볼륨 선정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160124975A KR102212108B1 (ko) 2016-09-28 2016-09-28 스토리지 오케스트레이션의 학습형 최적화 대상 볼륨 선정 방법

Publications (2)

Publication Number Publication Date
KR20180035023A KR20180035023A (ko) 2018-04-05
KR102212108B1 true KR102212108B1 (ko) 2021-02-04

Family

ID=61977317

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160124975A KR102212108B1 (ko) 2016-09-28 2016-09-28 스토리지 오케스트레이션의 학습형 최적화 대상 볼륨 선정 방법

Country Status (1)

Country Link
KR (1) KR102212108B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101987668B1 (ko) * 2018-07-19 2019-06-11 나무기술 주식회사 클라우드 플랫폼에서 어플리케이션 컨테이너의 볼륨(스토리지) 프로비저닝 방법
KR102252199B1 (ko) * 2018-12-17 2021-05-14 한국전자통신연구원 토러스 네트워크 기반 분산 파일 시스템 볼륨 성능 최적화 장치 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070041462A (ko) * 2007-02-27 2007-04-18 한국정보통신대학교 산학협력단 유효자원 쿼럼 생성 모듈 기반 그리드 자원 관리 시스템 및그 방법
KR101695013B1 (ko) * 2012-12-14 2017-01-10 한국전자통신연구원 적응형 자원 할당 및 관리 방법

Also Published As

Publication number Publication date
KR20180035023A (ko) 2018-04-05

Similar Documents

Publication Publication Date Title
US11073999B2 (en) Extent migration in multi-tier storage systems
US10620839B2 (en) Storage pool capacity management
CA2942665C (en) Coordinated admission control for network-accessible block storage
US7305536B2 (en) Storage system capable of relocating data
JP6260407B2 (ja) ストレージ管理装置、性能調整方法及び性能調整プログラム
US20160139855A1 (en) Storage apparatus and data management method
US20100125715A1 (en) Storage System and Operation Method Thereof
US20120221730A1 (en) Resource control system and resource control method
US9823875B2 (en) Transparent hybrid data storage
US11003359B2 (en) Method and device for managing disk pool
WO2011059837A1 (en) Allocating storage memory based on future use estimates
US9734048B2 (en) Storage management device, performance adjustment method, and computer-readable recording medium
KR102212108B1 (ko) 스토리지 오케스트레이션의 학습형 최적화 대상 볼륨 선정 방법
CN115834587A (zh) 一种选择目标存储服务器的方法、装置及电子设备
TW202215248A (zh) 操作儲存系統的方法、以及對儲存資源的層級進行分區的方法
CN112748850B (zh) 用于存储管理的方法、设备和计算机程序产品
JP4778538B2 (ja) ストレージデータ管理システム及びストレージデータ管理プログラム
CN115686763A (zh) 用于管理存储系统的方法、设备和计算机程序产品
KR102054068B1 (ko) 그래프 스트림에 대한 실시간 분산 저장을 위한 분할 방법 및 분할 장치
JP5612223B1 (ja) ストレージシステム、ストレージ装置の制御方法及びプログラム
KR102227643B1 (ko) 오케스트레이션 기반 최적 스토리지 할당을 위한 예측형 후보군 선정 방법
KR101584770B1 (ko) 실시간 마이그레이션 자원 할당 시스템 및 할당 방법
CN115118729A (zh) 容器迁移方法、系统和存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right