KR102403632B1 - 핫 스팟을 고려하여 가상 머신의 예측 마이그레이션을 구현한 가상 머신 배치 시스템 및 가상 머신 배치 방법 - Google Patents

핫 스팟을 고려하여 가상 머신의 예측 마이그레이션을 구현한 가상 머신 배치 시스템 및 가상 머신 배치 방법 Download PDF

Info

Publication number
KR102403632B1
KR102403632B1 KR1020210137358A KR20210137358A KR102403632B1 KR 102403632 B1 KR102403632 B1 KR 102403632B1 KR 1020210137358 A KR1020210137358 A KR 1020210137358A KR 20210137358 A KR20210137358 A KR 20210137358A KR 102403632 B1 KR102403632 B1 KR 102403632B1
Authority
KR
South Korea
Prior art keywords
physical server
virtual machine
temperature
schedule
virtual
Prior art date
Application number
KR1020210137358A
Other languages
English (en)
Inventor
윤호영
이유종
이찬재
김영광
김민준
Original Assignee
오케스트로 주식회사
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 오케스트로 주식회사 filed Critical 오케스트로 주식회사
Priority to KR1020210137358A priority Critical patent/KR102403632B1/ko
Priority to US17/560,895 priority patent/US20230118121A1/en
Application granted granted Critical
Publication of KR102403632B1 publication Critical patent/KR102403632B1/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]
    • G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
    • 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
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • 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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G06F9/4893—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues taking into account power or heat criteria
    • 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
    • G06F9/505—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 considering the load
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Debugging And Monitoring (AREA)

Abstract

본 발명의 일 실시예에 따른 가상 머신 배치 시스템은, 가상 머신이 설치되는 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함 - 를 효율적으로 운용하기 위하여, 복수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법을 구현하는 가상 머신 배치 장치에 있어서, 미리 정해진 워크로드 산출 방법을 이용하여 상기 가상 머신이 구현되는 것에 의해 상기 물리 서버에 부과되는 부하인 가상 머신 워크로드를 산출하는 저장하는 워크로드 산출 모듈; 상기 가상 머신 워크로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 상기 물리 서버에 부과될 것으로 예측되는 부하인 최초 예측 가상 로드를 산출하는 예측 모듈; 상기 최초 예측 가상 로드를 기초로 미리 정해진 제1 기간 동안 상기 물리 서버의 온도를 예측하는 온도 예측 모듈; 미리 정해진 배치 일정 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신이 배치되는 일정인 배치 일정을 산출하는 스케줄 모듈; 및 상기 배치 일정에 따라 상기 제1 물리 서버와 상기 제2 물리 서버 상에 상기 가상 머신이 배치되도록, 상기 가상 머신을 이동시키는 마이그레이션 모듈;을 포함하고, 상기 스케줄 모듈은, 예측되는 상기 물리 서버의 온도를 고려하여 상기 배치 일정을 산출할 수 있다.

Description

핫 스팟을 고려하여 가상 머신의 예측 마이그레이션을 구현한 가상 머신 배치 시스템 및 가상 머신 배치 방법 {A VIRTUAL MACHINE PLACEMENT SYSTEM IMPLEMENTING PREDICTIVE MIGRATION OF VIRTUAL MACHINES CONSIDERING HOT SPOTS AND A METHOD OF VIRTUAL MACHINE PLACEMENT}
본 발명은 물리 머신에서 발생되는 핫 스팟을 고려하여 가상 머신의 위치를 재 배치하는 가상 머신 배치 시스템 및 가상 머신 배치 방법에 대한 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 최대 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 서버로 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 방법들은 물리 서버의 온도를 고려하지 않기 때문에, 물리 서버 온도에 의해 가상 머신의 성능이 저하되는 문제를 가지고 있다.
본 발명은 상술한 문제점을 해결하기 위한 것으로, 물리 머신의 핫 스팟을 고려하여, 최대한 핫 스팟을 피할 수 있는 가상 머신 배치를 제공하는 가상 머신 배치 시스템 및 가상 머신 배치 방법을 제공하고 하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
본 발명의 일 실시예에 따른 가상 머신 배치 시스템은, 가상 머신이 설치되는 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함 - 를 효율적으로 운용하기 위하여, 복수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법을 구현하는 가상 머신 배치 장치에 있어서, 미리 정해진 워크로드 산출 방법을 이용하여 상기 가상 머신이 구현되는 것에 의해 상기 물리 서버에 부과되는 부하인 가상 머신 워크로드를 산출하는 저장하는 워크로드 산출 모듈; 상기 가상 머신 워크로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 상기 물리 서버에 부과될 것으로 예측되는 부하인 최초 예측 가상 로드를 산출하는 예측 모듈; 상기 최초 예측 가상 로드를 기초로 미리 정해진 제1 기간 동안 상기 물리 서버의 온도를 예측하는 온도 예측 모듈; 미리 정해진 배치 일정 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신이 배치되는 일정인 배치 일정을 산출하는 스케줄 모듈; 및 상기 배치 일정에 따라 상기 제1 물리 서버와 상기 제2 물리 서버 상에 상기 가상 머신이 배치되도록, 상기 가상 머신을 이동시키는 마이그레이션 모듈;을 포함하고, 상기 스케줄 모듈은, 예측되는 상기 물리 서버의 온도를 고려하여 상기 배치 일정을 산출할 수 있다.
또한, 상기 미리 정해진 배치 일정 산출 방법은, 상기 최초 예측 가상 로드를 기초로 목적 함수 값이 최소화될 때 상기 배치 일정을 산출하는 방법이고, 상기 목적 함수는, 상기 물리 서버의 온도를 고려한 함수인 제1 목적 함수를 구비할 수 있다.
또한, 상기 제1 목적함수는, 상기 미리 정해진 제1 기간 동안 상기 물리 서버 상에서 제1 기준 이상의 온도를 가진 지점의 개수를 고려한 함수일 수 있다.
또한, 상기 목적 함수는, 상기 제1 목적 함수 이외의 다른 목적 함수를 더 구비하고, 상기 스케줄 모듈은, 각 목적 함수들 간의 가중치를 설정하여 상기 배치 일정을 산출하고, 상기 물리 서버 상에서 제1 기준 이상의 온도를 가진 지점의 개수 혹은 상기 물리 서버의 평균 온도가 증가함에 따라, 상기 제1 목적 함수의 가중치를 높여서 상기 배치 일정을 산출할 수 있다.
또한, 상기 목적 함수는, 상기 미리 정해진 제1 기간 동안 상기 물리 서버의 가동 시간과 관련된 함수인 제2 목적 함수, 상기 미리 정해진 제1 기간 동안 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 부하의 변화량과 관련된 함수인 제3 목적 함수 및 상기 미리 정해진 제1 기간 동안 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 부하들 간의 차이와 관련된 함수인 제4 목적 함수 중 적어도 하나를 더 구비할 수 있다.
또한, 상기 스케줄 모듈은, 제약 조건을 고려하여 상기 미리 정해진 배치 일정 산출 방법으로 상기 배치 일정을 산출하고, 상기 제약 조건은, 상기 물리 서버 상에서 제2 기준 이상의 온도를 가진 지점에는 가상 머신의 배치를 제외하는 조건인 제1 조건을 구비할 수 있다.
또한, 상기 물리 서버의 온도를 측정하는 온도 센싱 모듈; 및 상기 온도 센싱 모듈에 의해 측정되는 상기 물리 서버의 온도인 측정 온도와 상기 온도 예측 모듈에 의해 예측된 상기 물리 서버의 온도인 예측 온도를 기초로 이상 징후를 판단하는 모니터링 모듈;을 더 포함하고, 상기 모니터링 모듈은, 제1 감시 조건이 만족되는 경우, 상기 온도 센싱 모듈이 고장 났다고 판단하고, 상기 제1 감시 조건은, 상기 측정 온도와 상기 예측 온도가 소정 온도 이상 차이나는 조건일 수 있다.
또한, 상기 모니터링 모듈은, 상기 제1 감시 조건이 만족되더라도 제2 감시 조건이 만족되는 경우, 상기 온도 센싱 모듈이 고장 났다고 판단하지 않고, 상기 물리 서버가 비 정상적으로 작동된다고 판단할 수 있다.
또한, 상기 온도 센싱 모듈은, 상기 물리 서버에 배치되는 온도 센서 및 상기 온도 센서로부터 제공되는 정보를 기초로 온도를 산출하는 온도 산출부를 구비하고, 상기 제2 감시 조건은, 하나의 물리 서버에 배치된 온도 센서 중에서 고장 났다고 판단되는 온도 센서의 비율이 소정 기준 이상일 조건일 수 있다.
또한, 상기 마이그레이션 모듈은, 상기 모니터링 모듈이 상기 물리 서버가 비 정상적으로 작동된다고 판단하는 경우, 해당 상기 물리 서버 내에 배치된 상기 가상 머신을 다른 상기 물리 서버로 마이그레이션 할 수 있다.
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 - 을 효율적으로 운용하기 위하여, 가상 머신 배치 시스템에 의해, 복수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법을 구현하는 가상 머신 배치 방법에 있어서, 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크로드 산출 방법에 의해 상기 가상 머신이 구현되는 것에 의해 상기 물리 서버에 부과되는 부하인 가상 머신 워크로드가 산출되는 단계; 상기 가상 머신 워크로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 상기 물리 서버에 부과될 것으로 예측되는 부하인 최초 예측 가상 로드가 산출되는 단계; 상기 최초 예측 가상 로드를 기초로 미리 정해진 제1 기간 동안 상기 물리 서버의 온도가 예측되는 단계; 미리 정해진 배치 일전 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신이 배치되는 일정인 배치 일정이 산출되는 단계; 및 상기 배치 일정에 따라 상기 제1 물리 서버와 상기 제2 물리 서버 상에 상기 가상 머신이 배치되도록, 상기 가상 머신이 이동되는 단계;를 포함하고, 상기 배치 일정은, 예측되는 상기 물리 서버의 온도가 고려되어 일정이 산출될 수 있다.
또한, 상기 미리 정해진 배치 일정 산출 방법은, 상기 최초 예측 가상 로드를 기초로 목적 함수 값이 최소화될 때 상기 배치 일정을 산출하는 방법이고, 상기 목적 함수는, 상기 물리 서버의 온도를 고려한 함수인 제1 목적 함수를 구비할 수 있다.
또한, 상기 제1 목적함수는, 상기 미리 정해진 제1 기간 동안 상기 물리 서버 상에서 제1 기준 이상의 온도를 가진 지점의 개수를 고려한 함수일 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, 복수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법을 구현하는 가상 머신 배치 장치에 있어서, 미리 정해진 워크로드 산출 방법을 이용하여 상기 가상 머신이 구현되는 것에 의해 상기 물리 서버에 부과되는 부하인 가상 머신 워크로드를 산출하는 저장하는 워크로드 산출 모듈; 상기 가상 머신 워크로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 상기 물리 서버에 부과될 것으로 예측되는 부하인 최초 예측 가상 로드를 산출하는 예측 모듈; 상기 물리 서버의 성능인 성능 지수를 산출하는 성능 지수 산출 모듈; 미리 정해진 배치 일정 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신이 배치되는 일정인 배치 일정을 산출하는 스케줄 모듈; 및 상기 배치 일정에 따라 상기 제1 물리 서버와 상기 제2 물리 서버 상에 상기 가상 머신이 배치되도록, 상기 가상 머신을 이동시키는 마이그레이션 모듈;을 포함하고, 상기 스케줄 모듈은, 상기 최초 예측 가상 로드를 기초로 목적 함수 값이 최소화될 때 상기 배치 일정을 산출하는 방법인 상기 미리 정해진 배치 일정 산출 방법으로 제약 조건이 만족되는 되는 상기 배치 일정을 산출하고, 상기 제약 조건은, 상기 물리 서버의 성능을 고려한 조건인 성능 조건을 구비할 수 있다.
또한, 상기 성능 조건은, 미리 정해진 성능 지수 이하의 성능 지수를 갖는 상기 물리 서버에는 상기 가상 머신의 배치를 제외하는 조건일 수 있다.
또한, 상기 성능 지수 산출 모듈은, 가동 시간에 따른 상기 물리 서버의 성능 저하와 관련된 제1 성능 저하값을 고려하여 상기 물리 서버의 성능 지수를 산출할 수 있다.
또한, 상기 성능 지수 산출 모듈은, 상기 물리 서버의 켜짐과 꺼짐에 따른 상기 물리 서버의 성능 저하와 관련된 제2 성능 저하값을 고려하여 상기 물리 서버의 성능 지수를 산출할 수 있다.
또한, 상기 물리 서버의 온도에 따른 상기 물리 서버의 성능 저하와 관련된 제3 성능 저하값 중 적어도 하나를 고려하여, 상기 물리 서버의 성능 지수를 산출할 수 있다.
또한, 상기 목적 함수는, 마이그레이션 코스트를 고려한 함수인 코스트 목적 함수를 구비할 수 있다.
또한, 상기 마이그레이션 코스트는, 상기 가상 머신의 메모리 크기와 관련된 제1 코스트, 상기 가상 머신의 메모리의 더티 페이지 비율(Dirty Page Ratio)과 관련된 제2 코스트 및 상기 가상 머신의 응용프로그램 민감도(Application Sensitivity)와 관련된 제3 코스트 중 적어도 하나의 변인을 고려하여 산출되는 값일 수 있다.
또한, 상기 목적 함수는, 상기 미리 정해진 제1 기간 동안 상기 물리 서버의 가동 시간과 관련된 함수인 제2 목적 함수, 상기 미리 정해진 제1 기간 동안 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 부하의 변화량과 관련된 함수인 제3 목적 함수 및 상기 미리 정해진 제1 기간 동안 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 부하들 간의 차이와 관련된 함수인 제4 목적 함수 중 적어도 하나를 더 구비할 수 있다.
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 - 을 효율적으로 운용하기 위하여, 가상 머신 배치 시스템에 의해, 복수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법을 구현하는 가상 머신 배치 방법에 있어서, 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크로드 산출 방법에 의해 상기 가상 머신이 구현되는 것에 의해 상기 물리 서버에 부과되는 부하인 가상 머신 워크로드가 산출되는 단계; 상기 가상 머신 워크로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 상기 물리 서버에 부과될 것으로 예측되는 부하인 최초 예측 가상 로드가 산출되는 단계; 상기 물리 서버의 성능인 성능 지수가 산출되는 단계; 미리 정해진 배치 일전 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신이 배치되는 일정인 배치 일정이 산출되는 단계; 및 상기 배치 일정에 따라 상기 제1 물리 서버와 상기 제2 물리 서버 상에 상기 가상 머신이 배치되도록, 상기 가상 머신이 이동되는 단계;를 포함하고, 상기 배치 일정은, 상기 최초 예측 가상 로드를 기초로 목적 함수 값이 최소화될 때 상기 배치 일정을 산출하는 방법인 상기 미리 정해진 배치 일정 산출 방법으로 제약 조건이 만족되는 되는 상기 배치 일정을 산출하고, 상기 제약 조건은, 상기 물리 서버의 성능을 고려한 조건인 성능 조건을 구비할 수 있다.
또한, 상기 성능 조건은, 미리 정해진 성능 지수 이하의 성능 지수를 갖는 상기 물리 서버에는 상기 가상 머신의 배치를 제외하는 조건일 수 있다.
또한, 상기 성능 지수는, 가동 시간에 따른 상기 물리 서버의 성능 저하와 관련된 제1 성능 저하값, 상기 물리 서버의 켜짐과 꺼짐에 따른 상기 물리 서버의 성능 저하와 관련된 제2 성능 저하값 및 상기 물리 서버의 온도에 따른 상기 물리 서버의 성능 저하와 관련된 제3 성능 저하값 모두가 고려되어 산출될 수 있다.
또한, 상기 목적 함수는, 마이그레이션 코스트를 고려한 함수인 코스트 목적 함수를 구비할 수 있다.
본 발명에 따른 핫 스팟을 고려한 가상 머신의 예측 마이그레이션을 구현하는 가상 머신 배치 시스템 및 가상 머신 배치 방법은 데이터 손실을 최소화할 수 있다.
또한, 리소스의 소요를 최소화할 수 있다.
또한, 데이터센터를 안정적으로 관리할 수 있다.
또한, 전력 소비량을 효과적으로 절감시킬 수 있다.
또한, 서버의 수명을 획기적으로 증대시킬 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 시스템의 구성도
도 2는 본 발명의 일 실시예에 따른 가상 머신 배치 시스템에 의해 구현되는 가상 머신 배치 방법의 순서도
도 3은 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제1 목적 함수를 설명하기 위한 도면
도 4는 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제3 목적 함수를 설명하기 위한 도면
도 5는 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제4 목적 함수를 설명하기 위한 도면
도 6은 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 배치 일정 산출 단계를 설명하기 위한 도면
도 7는 본 발명의 일 실시예에 따른 가상 머신 배치 방법에서 온도 모니터링 단계를 추가한 순서도
도 8은 본 발명의 일 실시예에 따른 가상 머신 배치 방법에서 온도 모니터링 단계를 설명하기 위한 도면
도 9는 본 발명의 일 실시예에 따른 가상 머신 배치 방법에서 성능 조건을 설명하기 위한 표
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.
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.
도 1은 본 발명의 일 실시예에 따른 가상 머신 배치 시스템의 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 가상 머신 배치 시스템은 가상 머신을 배치하고 정렬하는데 필요한 정보(일례로, 데이터)를 처리하는 처리부(11), 가상 머신을 배치하고 정렬하는데 필요한 정보를 저장하는 저장부(12), 가상 머신을 배치하고 정렬하는데 필요한 정보를 수신하는 수신부(13) 및 가상 머신을 배치하고 정렬하는데 필요한 정보를 송신하는 송신부(14)를 포함할 수 있다.
또한, 상기 가상 머신 배치 시스템은 외부로부터 입력되는 것들에 의해 발생되는 정보를 상기 수신부(13)로 전달하는 입력부(15) 및 후술하는 배치 일정을 표시하여 상기 배치 일정을 사용자에게 전달하는 매개체는 표시부(16)를 더 포함할 수 있다.
가상 머신 배치 시스템은 일종의 컴퓨팅 장치로서 정보 처리 연산을 처리할 수 있는 장치를 의미할 수 있다.
일례로, 컴퓨팅 장치는 데스크탑 컴퓨터, 노트북, 스마트폰, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 휴대용 단말기 등이 포함되는 이동 단말기 및/또는 스마트 TV 등이 포함될 수 있다.
다만, 이이 한정하지 않고 상기 가상 머신 배치 시스템의 종류는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
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, 저장부(12)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있다.
일례로, 내장 메모리는 휘발성 메모리(예: DRAM, SRAM, 또는 SDRAM 등), 비휘발성 메모리(예: OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, 플래시 메모리, 하드 드라이브, 또는 솔리드 스테이트 드라이브 (SSD) 중 적어도 하나를 포함할 수 있다
외장 메모리는 플래시 드라이브(flash drive), 예를 들면, CF(compact flash), SD(secure digital), Micro-SD, Mini-SD, xD(extreme digital), MMC(multi-media card) 또는 메모리 스틱 등을 포함할 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.
수신부(13)는 물리 서버로부터 전달되는 정보를 수신할 수 있다.
상기 수신부(13)는 상기 물리 서버의 작동과 관련된 정보를 대응되는 물리 서버로부터 전달받을 수 있다.
상기 송신부(14)는 상기 물리 서버로 정보를 전달할 수 있다.
상기 송신부(14)는 상기 처리부(11)가 산출한 제어 신호를 상기 물리 서버로 전달할 수 있다.
상기 가상 머신 배치 시스템은 하나의 물리 서버에 상에서 구동되는 가상 머신을 다른 물리 서버로 마이그레이션되도록, 각 각의 물리서버에 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 시스템 내의 구성은 서로 유선 및/또는 무선으로 연결될 수 있다.
상기 가상 머신 배치 시스템은 각각의 상기 물리 서버와 유선 및/또는 무선으로 연결될 수 있다.
처리부(11)는 상기 저장부(12)에 저장되어 있는 정보를 기초로 상기 가상 머신 배치 방법이 구현되는데 필요한 모든 정보 처리와 같은 연산을 수행할 수 있다.
일례로, 상기 처리부(11)는 중앙처리장치(CPU)를 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.
처리부(11)는 워크로드 산출 모듈(11a), 예측 모듈(11b), 온도 예측 모듈(11c), 모니터링 모듈(11d), 스케줄 모듈(11e), 마이그레이션 모듈(11f) 및 온도 센싱 모듈(11g)을 포함할 수 있다.
물리 서버는 가상 머신이 실행될 수 있는 하드웨어 플랫폼을 의미할 수 있다.
본 발명에서 언급하는 서버는 서버의 서버 환경을 수행하기 위한 다른 구성들이 포함될 수도 있다.
서버는 임의의 형태의 장치는 모두 포함할 수 있다.
일례로, 서버는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다.
일례로, 서버는 웹 서버일 수 있다. 다만, 이에 한정하지 않고, 서버의 종류는 통상의 기술자에게 자명한 수준에서 다양하게 변경 가능하다.
다만, 이에 한정하지 않고 상기 물리 서버는 가상 머신이 실행될 수 있는 모든 수단을 포함하는 개념일 수 있다.
발명의 일 실시예에 따른 가상 머신 배치 시스템은 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 시스템이 관리 및 통제하는 물리 서버의 개수는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
일례로, 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 시스템을 이용하여 구현되는 가상 머신 배치 방법에 대해서 자세하게 서술하도록 한다.
도 2는 본 발명의 일 실시예에 따른 가상 머신 배치 시스템에 의해 구현되는 가상 머신 배치 방법의 순서도이고, 도 3은 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제1 목적 함수를 설명하기 위한 도면이고, 도 4는 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제3 목적 함수를 설명하기 위한 도면이며, 도 5는 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 제4 목적 함수를 설명하기 위한 도면이다.
도 2 내지 도 5를 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 - 을 효율적으로 운용하기 위하여, 가상 머신 배치 시스템에 의해, 복수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법을 구현하는 가상 머신 배치 장치에 있어서, 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크로드 산출 방법에 의해 상기 가상 머신이 구현되는 것에 의해 상기 물리 서버에 부과되는 부하인 가상 머신 워크로드가 산출되는 단계, 상기 가상 머신 워크로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 상기 물리 서버에 부과될 것으로 예측되는 부하인 최초 예측 가상 로드가 산출되는 단계, 상기 최초 예측 가상 로드를 기초로 미리 정해진 제1 기간 동안 상기 물리 서버의 온도가 예측되는 단계, 미리 정해진 배치 일전 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신이 배치되는 일정인 배치 일정이 산출되는 단계 및 상기 배치 일정에 따라 상기 제1 물리 서버와 상기 제2 물리 서버 상에 상기 가상 머신이 배치되도록, 상기 가상 머신이 이동되는 단계를 포함할 수 있다.
또한, 상기 온도 센싱 모듈에 의해 측정되는 상기 물리 서버의 온도인 측정 온도와 상기 온도 예측 모듈에 의해 예측된 상기 물리 서버의 온도인 예측 온도를 기초로 이상 징후를 판단하는 단계를 더 포함할 수 있다.
또한, 상기 가상 머신 배치 방법은 상기 미리 정해진 배치 일정 산출 방법에 의해 산출된 복수의 배치 일정이 상기 표시부에 의해 표시되는 단계(S40)를 더 포함할 수 있다.
또한, 상기 가상 머신 배치 방법은 선택된 배치 일정인 선택 배치 일정이 상기 처리부로 전달되는 단계(S50)를 더 포함할 수 있다.
만일, 산출된 배치 일정이 복수 일 경우, 하나의 배치 일정이 선택될 수 있고, 산출된 배치 일정이 하나일 경우, 산출된 배치 일정이 선택 배치 일정일 수 있다.
또한, 상기 가상 머신 배치 방법은 선택 배치 일정에 따라 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버에 배치되는 경우, 예측되는 물리 서버의 부하인 선택 예측 가상 로드와 가상 머신이 물리 서버에 동작되면서 발생되는 실제 부하인 실제 가상 워크로드를 미리 정해진 점검 방법에 따라 비교하여 상기 선택 예측 가상 로드가 정상적으로 산출되는지를 판단하는 단계(S70)을 더 포함할 수 있다.
상기 저장부에는 상기 제1 물리 서버의 작동 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.
워크로드 산출 모듈은 미리 정해진 워크로드 산출 방법을 이용하여 상기 가상 머신이 구현되는 것에 의해 상기 물리 서버에 부과되는 부하인 가상 머신 워크로드를 산출(S10)할 수 있다.
가상 머신 워크로드는 가상 머신이 물리 서버 상에서 구동되는 경우, 해당 물리 서버의 리소스의 부하를 의미할 수 있다.
상기 가상 머신 워크로드는 상기 가상 머신이 상기 물리 서버 상에서 구동되는 경우 상기 물리 서버에 인가되는 부하를 의미할 수 있다.
일례로, 상기 가상 머신 워크 로드는 상기 가상 머신이 상기 물리 서버에서 동작되는 것에 의해 상기 물리 서버의 중앙처리장치(CPU)에 부과되는 부하로서 산출될 수 있다.
따라서, 상기 미리 정해진 워크 로드 산출 방법은 물리 서버의 중앙처리장치에 부과되는 부하로서 상기 가상 머신 워크로드를 산출하는 방법을 포함할 수 있다.
다시 말해서, 상기 미리 정해진 워크 로드 산출 방법은 CPU의 가동 정도만을 기초로 상기 가상 머신 워크 로드 정보가 산출될 수 있다.
상기 미리 정해진 워크 로드 산출 방법 상에서는 하나의 가상 머신은 하나의 물리 서버 상에서만 실행될 수 있다고 가정할 수 있다.
일례로, 이는 하나의 가상 머신은 두 개의 물리 서버 상에서 구현될 수 없다는 것을 의미할 수 있다.
하나의 물리 서버에 인가되는 부하는 하나의 물리 서버에 배치되는 가상 머신들에 의해 발생되는 가상 머신 워크로드들의 합일 수 있다.
이는, 후술하는 예측하는데 필요한 기초 데이터를 단순화 함으로써, 후술하는 단계에서 예측의 정확도를 더욱 상승시킬 수 있다.
예측 모듈은 상기 가상 머신 워크로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 상기 물리 서버에 부과될 것으로 예측되는 부하인 최초 예측 가상 로드를 산출(S20)할 수 있다.
일례로, 기준 시점은 가상 머신 워크로드가 산출되는 시점일 수 있다.
다만, 이에 한정하지 않고 상기 기준 시점은 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
상기 최초 예측 가상 로드가 산출되기 위해서, 상기 미리 정해진 제1 기간 동안에 각각의 상기 가상 머신들의 워크 로드인 가상 머신 워크로드가 예측될 수 있다.
미리 정해진 제1 기간 동안의 가상 머신의 워크로드를 예측하여, 이를 기준으로 가상 머신들을 재 배치 하는 이유는, 특정 시점의 과부화를 기초로 마이그레이션을 할 경우, 마이그레이션의 횟수 증가 및 전반적인 물리 서버의 안정화를 구현할 수 없기 때문이다.
따라서, 미래의 특정 시점이 아닌 특정 기간을 기초로 가상 머신을 물리 서버 상에 배치하여, 상술한 문제점을 효과적으로 해결할 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 예측 모듈은 상기 저장부에 저장된 상기 가상 머신 워크로드를 기초로 다중회귀모형, ARIMA 분석 또는 Deep Learning과 같은 알고리즘을 활용하여 상기 미리 정해진 제1 기간 동안의 가상 머신 워크 로드 정보를 산출할 수 있다.
이를 위해, 예측 모듈에는 최초 예측 가상 로드를 산출할 수 있는 예측 모델이 저장되어 있을 수 있으며, 예측 모델은 물리 서버에 배치되는 가상 머신의 배치 일정과 이에 대응되는 과거의 가상 머신 워크로드들을 기반으로 기계학습 혹은 딥러닝을 통해 산출될 수 있다.
예측 모듈은 산출된 상기 미리 정해진 제1 기간 동안의 가상 머신 워크로드를 기초로 상기 미리 정해진 제1 기간 동안의 물리 서버의 부하를 예측할 수 있다.
이는, 통상의 기술자에게 자명한 기술로서 이에 대한 자세한 설명은 생략될 수 있다.
일례로, 최초 예측 가상 로드란 상기 가상 머신 워크로드 산출 시점에서부터 미리 정해진 제1 기간 동안 또는 임의의 시점에서부터 미리 정해진 제1 기간 동안 예측되는 가상 머신의 워크로드를 의미할 수 있다.
온도 예측 모듈은 상기 최초 예측 가상 로드를 기초로 미리 정해진 제1 기간 동안 상기 물리 서버의 온도를 예측할 수 있다.
구체적으로 설명하자면, 온도 센싱 모듈은 상기 물리 서버의 온도를 측정하는 모듈로서, 상기 물리 서버에 배치되는 온도 센서 및 상기 온도 센서로부터 제공되는 정보를 기초로 온도를 산출하는 온도 산출부를 구비할 수 있다.
온도 센서는 물리 서버 내부에 존재할 수 있고 또는 물리 서버 외면에 부착되어 물리서버에 발생되는 온도 측정할 수 있다.
각각의 물리서버에 복수개의 온도 센서들이 배치될 수 있으며, 하나의 물리서버에도 복수개의 온도 센서들이 배치될 수 있다.
상기 온도 산출부는 상기 온도 센서로부터 제공되는 측정 정보를 기초로 물리 서버의 온도를 산출할 수 있다. (도 3 참조)
상기 온도 예측 모듈은 가상 머신에 의해 발생되는 물리 서버의 부하와 동일한 시점에 물리 서버의 온도 값들을 기초로 기계 학습 혹은 딥러닝하여 물리 서버의 온도를 예측하는 온도 예측 모델을 산출할 수 있다.
상기 온도 예측 모델에 상기 최초 예측 가상 로드를 입력하는 경우, 미리 정해진 제1 기간 동안 상기 물리 서버의 온도를 예측할 수 있다.
상기 스케줄 모듈은 예측되는 상기 물리 서버의 온도를 고려하여 상기 배치 일정을 산출할 수 있다.
스케줄 모듈은 미리 정해진 배치 일정 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신이 배치되는 일정인 배치 일정을 산출할 수 있다.
상기 스케줄 모듈은 상기 최초 예측 가상 로드와 예측된 물리 서버 온도를 활용하여 상기 배치 일정을 산출할 수 있으며, 상기 예측 모듈과 상기 온도 예측 모듈은 필요에 따라 상기 스케줄 모듈과 함께 다시 예측 산출을 할 수 있다.
여기서, 상기 미리 정해진 배치 일정 산출 방법은 상기 최초 예측 가상 로드를 기초로 목적 함수 값이 최소화될 때 상기 배치 일정을 산출하는 방법일 수 있다.
목적함수는 "제1 가중치 * 제1 목적 함수 + 제2 가중치*제2 목적 함수 + 제3 가중치*제3 목적 함수 + 제4 가중치+제4 목적 함수"로 이루어질 수 있다.
상기 스케줄 모듈은 제약 조건을 고려하여 상기 미리 정해진 배치 일정 산출 방법으로 상기 배치 일정을 산출할 수 있다.
상기 제약 조건은 상기 물리 서버 상에서 제2 기준 이상의 온도를 가진 지점에는 가상 머신의 배치를 제외하는 조건인 제1 조건을 구비할 수 있다.
일례로, 제2 기준은 40도일 수 있다.
다만, 이에 한정하지 않고 상기 제2 기준은 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
본 발명에서 말하는 하나의 물리 서버는 복수개의 개별 서버들이 배치된 서버랙 단위를 말하는 것으로서, 지점은 하나의 개별 서버를 말하는 것일 수 있다.
상기 온도 센서는 하나의 개별 서버마다 배치될 수 있다.
제1 조건은 소정 온도 이상의 서버에는 가상 머신을 배치하지 않기 위함일 수 있다.
상기 제약 조건은 임의의 물리 서버에 대해서 상기 물리 서버의 부하가 미리 정해진 범위 내에서만 부과되도록 상기 가상 머신의 배치 일정이 산출되도록 하는 조건인 제2 조건을 더 구비할 수 있다.
일례로, 상기 미리 정해진 범위는 물리 서버의 가동률(부하가 부과되는 정도)이 10% ~ 80%일 수 있다.
다만, 이에 한정하지 않고 상기 미리 정해진 범위는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
상기 제약 조건은 가동되지 않는 상기 물리 서버가 가상 머신의 이동으로 인해 가동되고 있는 경우, 일정 시간 동안 상기 물리 서버가 다시 가동되지 않도록 하는 조건인 제3 조건을 더 구비할 수 있다.
상기 제약 조건은 상기 미리 정해진 제1 기간 동안에 가상 머신의 마이그레이션이 허용되는 조건인 제4 조건을 더 구비할 수 있다.
상기 제약 조건은 상기 미리 정해진 제1 기간 동안에 하나의 가상 머신에 대해서 마이그레이션 허용되는 횟수가 소정 기준 이하일 조건인 제5 조건을 더 구비할 수 있다.
상기 제약 조건은 물리 서버의 사양이 동일(homogenous 조건)하다고 가정하는 조건인 제6 조건을 더 구비할 수 있다.
가상 머신이 배치되지 않은 물리 서버는 동작이 꺼질 수 있다.
서버의 전력량은 CPU 사용량과 비례하며, 서버가 꺼져있다면, 전력량은 0일 수 있다.
상기 미리 정해진 배치 산출 방법은 상기 임의의 물리 서버에 대해서 상기 물리 서버의 부하가 미리 정해진 범위 내에서만 부과될 수 있도록, 상기 의의 물리 서버의 부하가 제1 기준(X10, 도 3 및 도 4 참조) 이상 될 것으로 예측될 경우에는, 상기 임의의 물리 서버에 배치된 상기 가상 머신들 중 적어도 하나의 상기 가상 머신을 다른 물리 서버로 이동시키는 방법을 포함할 수 있다. (제2-1조건)
일례로, 상기 제1 기준(X10, 도 4및 도 5 참조)은 상기 물리 서버의 가동률(부하가 부과되는 정도)이 80 %인 것을 의미할 수 있다.
상기 스케줄 모듈은, 상기 물리 서버의 부하가 제1 기준이 넘지 않도록 하는 해결 방법으로, 대상 물리 서버의 워크 로드가 제1 기준이 넘을 것으로 예측되는 시점을 기준으로, 상기 대상 물리 서버에 배치되는 적어도 하나의 가상 머신을 다른 물리 서버로 이전 하는 방법을 이용하여 상기 배치 일정을 산출할 수 있다.
이로 인해, 상기 물리 서버의 워크 로드(가동률)가 제1 기준을 넘어 과잉 부하가 인가되는 것을 효과적으로 예방할 수 있다.
다만, 이에 한정하지 않고 상기 제1 기준은 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
또한, 상기 미리 정해진 배치 산출 방법은 상기 임의의 물리 서버에대해서 상기 물리 서버의 부하가 미리 정해진 범위 내에서만 부과될 수 있도록, 상기 임의의 물리 서버의 부하가 제2 기준(X20, 도 4 및 도 5 참조) 이하 될 것으로 예측될 경우에는, 상기 임의의 물리 서버에 배치된 상기 가상 머신들 모두를 다른 물리 서버로 이동시키는 방법을 포함할 수 있다. (제2-2 조건)
일례로, 상기 제2 기준(X20, 도 3 및 도 4 참조)은 상기 물리 서버의 가동률(부하가 부과되는 정도)이 10 %인 것을 의미할 수 있다.
상기 스케줄 모듈은 상기 물리 서버 부하가 제2 기준 이하로 되지 않도록 하는 해결 방법으로, 대상 물리 서버의 워크 로드가 제2 기준 이하로 떨어질 것으로 예측되는 시점을 기준으로, 상기 대상 물리 서버에 배치되는 모든 가상 머신들을 다른 물리 서버로 이전하는 방법을 이용하여 상기 배치 일정을 산출할 수 있다.
이는, 물리 서버가 가동되지 않는 조건의 개시 조건을 의미할 수 있다.
다시 말하면, 상기 처리부는 상기 물리 서버 부하가 제2 기준 이하로 되지 않도록 하는 해결 방법으로, 대상 물리 서버에 배치된 가상 머신을 다른 물리 서버로 배치하여, 대상 물리 서버의 동작을 정지시킬 수 있다.
상기 미리 정해진 배치 산출 방법은 가동되지 않는 상기 물리 서버가 가동되도록 하는 상기 가상 머신의 이동으로 인해 가동 중인 상기 물리 서버가 가동되지 않는 상태로 변화되지 않도록, 상기 배치 일정 정보가 산출되는 방법을 포함할 수 있다. (제3 조건)
하나의 물리 서버를 중단 시키는 것과 동시에 다른 물리 서버의 동작을 개시하게 되면, 물리 서버를 중단 시키는 것에 대한 이익이 없으며, 서버를 가동하는데 발생되는 전력 및 시간이 더 소요되기 문제가 발생된다.
따라서, 제3 조건을 통해, 이와 같은 문제를 해결하고자 하는 것일 수 있다.
이에 대한 자세한 설명은 후술한다.
또한, 상기 미리 정해진 배치 산출 방법으로 배치 일정을 산출하는 경우, 상기 미리 정해진 제1 기간 동안에 물리 서버들 간의 가상 머신의 이동이 허용되도록 배치 일정이 산출될 수 있다. (제4 조건)
다만, 가상 머신의 이동이 잦을 경우 데이터 손실이 유발될 수 있기 때문에, 상기 미리 정해진 제1 기간 동안의 하나의 가상 머신의 이동을 소정 횟수로 제한할 수 있다. (제5 조건)
일례로, 소정 횟수는 2회일 수 있다.
다만, 이에 한정하지 않고 상기 소정 횟수는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
또한, 상기 미리 정해진 배치 산출 방법으로 배치 일정을 산출하는 경우, 각 각의 물리 서버의 사양이 동일(homogenous 조건)하다고 가정하여 배치 일정을 산출할 수 있다. (제6 조건)
상기 목적 함수는 제1 목적 함수, 제2 목적 함수, 제 3 목적 함수 및 제4 목적 함수를 구비할 수 있다.
상기 스케줄 모듈은 목적 함수 값이 최소 값을 같은 배치 일정을 1개 내지 4개 산출할 수 있다.
이하, 상기 미리 정해진 배치 일정 산출 방법에 대해서 자세하게 서술하도록 한다.
상기 목적 함수는 상기 물리 서버의 온도를 고려한 함수인 제1 목적 함수를 구비할 수 있다.
상기 제1 목적함수는 상기 미리 정해진 제1 기간 동안 상기 물리 서버 상에서 제1 기준 이상의 온도를 가진 지점의 개수를 고려한 함수일 수 있다.
제1 기준은 40도일 수 있다.
다만, 이에 한정하지 않고 상기 제2 기준은 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
또한, 상기 제1 목적 함수는 상기 제1 미리 정해진 제1 기간 동안 상기 물리 서버의 온도가 소정 범위에 인접되도록 하는 것을 고려한 함수일 수 있다.
일례로, 소정 범위는 18도 내지 25도 일 수 있다.
다만, 이에 한정하지 않고 상기 소정 범위는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
상기 목적 함수는 상기 미리 정해진 제1 기간 동안 상기 물리 서버의 가동 시간과 관련된 함수인 제2 목적 함수를 더 구비할 수 있다.
즉, 상기 제2 목적 함수는 상기 미리 정해진 제1 기간 동안, 상기 제1 물리 서버의 가동 여부 및 상기 제2 물리 서버의 가동 여부와 관련된 함수일 수 있다.
제2 목적 함수가 작을수록 가동되지 않는 물리 서버의 개수 및 물리 서버의 가동되지 않는 시간이 최대로 될 수 있다.
상기 제2 목적 함수가 최소일 경우, 모든 물리 서버에 대해서 물리 서버 한대 당 가동되지 않는 시간들의 총합이 최대로 될 수 있다.
제2 목적 함수의 의미는 서버 가동 시간을 최소화 하여 물리 서버 가동에 따란 전력 손실을 최소화 하는데 의미가 있을 수 있다.
상기 목적 함수는 상기 미리 정해진 제1 기간 동안 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 부하의 변화량과 관련된 함수인 제3 목적 함수를 더 구비할 수 있다.
도 4를 참조하면, 상기 목적 함수는 상기 미리 정해진 제1 기간 동안, 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 부하(워크 로드)의 변화량과 관련된 함수인 제3 목적 함수를 구비할 수 있다.
일례로, 도 4(a)는 제1 일정에 따라 가상 머신들이 제1 물리 서버 내지 제3 물리 서버에 배치되는 경우, 상기 제1 물리 서버 내지 제3 물리 서버의 워크 로드를 도시한 그래프이다.
또한, 도 4(b)는 제2 일정에 따라 가상 머신들이 제1 물리 서버 내지 제3 물리 서버에 배치되는 경우, 상기 제1 물리 서버 내지 제3 물리 서버의 워크 로드를 도시한 그래프이다.
각각의 물리 서버의 워크 로드는 각 물리 서버에 설치된 가상 머신 워크 로드들의 합으로 산출될 수 있음을 상술된 내용에서 확인할 수 있다.
도 4(a)를 참조하면, 가상 머신들이 제1 일정에 따라 물리 서버 상에 배치되는 경우, 모든 물리 서버의 워크 로드가 제1 기준 미만(X10) 및 제2 기준 초과(X20)가 될 수 있다.
또한, 도 4(b)를 참조하면, 가상 머신들이 제2 일정에 따라 물리 서버 상에 배치되는 경우, 모든 물리 서버의 워크 로드가 제1 기준 미만(X10) 및 제2 기준 초과(X20)가 될 수 있다.
다만, 제2 일정을 기초로 하여 가상 머신들이 물리 서버에 배치되는 경우, 제1 일정을 기초로 가상 머신들이 물리 서버에 배치되는 경우보다, 각각의 물리 서버의 워크 로드의 변화량(기울기)가 더 작을 수 있다.
이는, 물리 서버 상의 가상 머신의 배치 일정으로서 제1 일정보다 제2 일정이 더 바람직한 일정일 수 있다.
또한, 상기 제2 일정이 도출되도록 하는 제1 목적 함수의 값이 상기 제1 일정이 도출되도록 하는 제1 목적 함수의 값 보다 더 작을 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.
제3 목적 함수는 이를 예방하기 위한 함수일 수 있다.
상기 목적 함수는 상기 미리 정해진 제1 기간 동안 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 부하들 간의 차이와 관련된 함수인 제4 목적 함수를 더 구비할 수 있다.
일례로, 도 5(a)는 제3 일정에 따라 가상 머신들이 제1 물리 서버 내지 제3 물리 서버에 배치되는 경우, 상기 제1 물리 서버 내지 제3 물리 서버의 워크 로드를 도시한 그래프이다.
또한, 도 5(b)는 제4 일정에 따라 가상 머신들이 제1 물리 서버 내지 제3 물리 서버에 배치되는 경우, 상기 제1 물리 서버 내지 제3 물리 서버의 워크 로드를 도시한 그래프이다.
각각의 물리 서버의 워크 로드는 각 물리 서버에 설치된 가상 머신 워크 로드들의 합으로 산출될 수 있음을 상술된 내용에서 확인할 수 있다.
도 5(a)를 참조하면, 가상 머신들이 제3 일정에 따라 물리 서버 상에 배치되는 경우, 모든 물리 서버의 워크 로드가 제1 기준(X10) 미만 및 제2 기준(X20) 초과가 될 수 있다.
또한, 도 5(b)를 참조하면, 가상 머신들이 제4 일정에 따라 물리 서버 상에 배치되는 경우, 모든 물리 서버의 워크 로드가 제1 기준(X10) 미만 및 제2 기준(X20) 초과가 될 수 있다.
다만, 제4 일정을 기초로 하여 가상 머신들이 물리 서버에 배치되는 경우, 제3 일정을 기초로 가상 머신들이 물리 서버에 배치되는 경우보다, 각각의 물리 서버의 워크 로드들 간의 차이가 더 작을 수 있다.
이는, 물리 서버 상의 가상 머신의 배치 일정으로서 제3 일정보다 제4 일정이 더 바람직한 일정일 수 있다.
또한, 상기 제4 일정이 도출되도록 하는 제4 목적 함수의 값이 상기 제3 일정이 도출되도록 하는 제4 목적 함수의 값 보다 더 작을 수 있다.
여기서, 물리 서버들 간의 워크 로드를 비교하기 위해서, 상기 미리 정해진 제1 기간 동안의 물리 서버의 워크 로드의 평균 값을 활용하여 물리 서버들이 서로 비교될 수 있다.
제4 목적 함수의 의미는 물리 서버를 고르게 활용하고자 함일 수 있다.
제1 가중치 내지 제4 가중치는 가상 머신 배치 시스템의 설치자가 미리 설정하여 상기 저장부에 저장할 수 있다.
상기 스케줄 모듈은 각 목적 함수들 간의 가중치를 설정하여 상기 배치 일정을 산출하고, 상기 물리 서버 상에서 제1 기준 이상의 온도를 가진 지점의 개수 혹은 상기 물리 서버들의 평균 온도가 증가함에 따라, 상기 제1 목적 함수의 가중치를 높여서 상기 배치 일정을 산출할 수 있다.
일례로, 물리 서버에 핫 스팟의 개수가 증가되거나 물리 서버들의 평균 온도가 올라갈 경우, 통상적인 가상 머신 마이그레이션으로 물리 서버의 온도 증가 문제를 해결하지 못하는 것일 수 있다. 이로 인해, 제1 가중치를 더 높일 경우, 배치 일정 산출 시에 온도에 대한 요소가 더 많이 고려되어, 물리 서버의 온도 조절에 더욱 중점을 둔 배치 일정이 산출될 수 있다.
배치 일정은 제1 조건 내지 제6 조건이 만족되는 상태에서 각각의 목적 함수가 최소화될 수 있도록, 물리 서버들 상에서 가상 머신들이 어떻게 배치되는지에 대한 일정을 의미할 수 있다.
상기 표시부는 상기 처리부에서 전달되는 배치 일정들을 표시(S40)할 수 있다.
상기 처리부는 제1 배치 일정과 관련된 정보인 제1 배치 일정 정보, 상기 제2 배치 일정과 관련된 정보인 제2 배치 일정 정보, 제3 배치 일정과 관련된 정보인 제3 배치 일정 정보 및 제4 배치 일정과 관련된 정보인 제4 배치 일정 정보를 산출한 뒤에 상기 표시부에 전달할 수 있다.
상기 배치 일정은 상기 제1 목적 함수의 값이 최소인 상태를 기준으로, 상기 제2 목적 함수의 값, 상기 제3 목적 함수 및 제4 목적 함수의 값이 최소화되는 물리 서버들(일례로, 제1 물리 서버와 상기 제2 물리 서버) 상의 상기 가상 머신의 배치인 제1 배치 일정, 상기 제2 목적 함수의 값이 최소인 상태를 기준으로, 상기 제1 목적 함수의 값, 상기 제3 목적 함수 및 제4 목적 함수의 값이 최소화되는 물리 서버들(일례로, 제1 물리 서버와 제2 물리 서버) 상의 상기 가상 머신의 배치인 제2 배치 일정, 상기 제3 목적 함수의 값이 최소인 상태를 기준으로, 상기 제1 목적 함수의 값, 상기 제2 목적 함수 및 제4 목적 함수의 값이 최소화되는 물리 서버들(일례로, 제1 물리 서버와 제2 물리 서버) 상의 상기 가상 머신의 배치인 제3 배치 일정 및 상기 제4 목적 함수의 값이 최소인 상태를 기준으로, 상기 제1 목적 함수의 값, 상기 제2 목적 함수 및 제3 목적 함수의 값이 최소화되는 물리 서버들(일례로, 제1 물리 서버와 제2 물리 서버) 상의 상기 가상 머신의 배치인 제4 배치 일정을 구비할 수 있다.
이하, 하나의 배치 일정을 예시로서 미리 정해진 배치 일정 산출 방법을 설명하도록 한다.
도 6은 본 발명의 일 실시예에 따른 가상 머신 배치 방법 중에서 배치 일정 산출 단계를 설명하기 위한 도면이다.
도 6을 참조하면, 미리 정해진 제1 기간 중에서 일정 기간에 대해서 물리 서버 들에 배치되는 가상 머신들의 일정을 도식화한 도면이다.
일례로, 도 5에 도시된 예시는 제1 목적 함수가 최소화되는 것을 기준으로 하는 제1 배치 일정에 관한 것일 수 있으며, 이하, 이를 기준으로 서술하도록 한다.
다만, 이는 하나의 예시적인 것으로서 이에 본 발명이 한정되지 않는 것은 자명하다.
일례로, 물리 서버는 제1 물리 서버(20), 제2 물리 서버(30) 및 제3 물리 서버(40)로 이루어질 수 있으며, 가상 머신은 제1 가상 머신(91), 제2 가상 머신(92), 제3 가상 머신(93), 제4 가상 머신(94), 제5 가상 머신(95), 제6 가상 머신(96) 및 제7 가상 머신(97)을 구비할 수 있다.
일례로, 상기 스케줄 모듈은 제1 목적 함수가 최소화되는 상태에서 다른 목적 함수가 최소화될 수 있도록 제1 시간 이전 시간인 제0 시간에는 제1 물리 서버(20)에는 제1 가상 머신(91)과 제2 가상 머신(92)이 배치되도록 하고, 제2 물리 서버(30)에는 제3 가상 머신(93), 제4 가상 머신(94) 및 제5 가상 머신(95)이 배치되도록 하고, 제3 물리 서버(40)에는 제6 가상 머신(96) 및 제7 가상 머신(97)이 배치되도록 배치 일정을 산출할 수 있다.
만일, 상기 제0 시간 대의 가상 머신들에 배치를 따를 경우, 제1 시간에는 제1 물리 서버의 워크 로드가 제2 기준 이하라고 예측될 수 있다.
이와 같을 경우, 제2-2 조건이 만족되는 경우로서, 제1 물리 서버(20)에 배치되어 있는 가상 머신들인 제1 가상 머신(91)과 제2 가상 머신(92)이 다른 물리 서버로 이동되도록 배치 일정이 산출될 수 있다.
여기서, 제2-2 조건 하에 가상 머신이 이전되는 경우, 목적 함수가 최소화 되는 것을 기준으로 어느 물리 서버로 이전되는지가 결정될 수 있다.
이를 기초로 제1 가상 머신(91)은 제2 물리 서버(30)로 이동되고, 제2 가상 머신(92)은 제3 물리 서버(40)로 이동되도록 배치 일정이 산출될 수 있다.
제1 시간에서의 마이그레이션에 의해 제2 시간에는 제1 물리 서버(20)는 가동되지 않도록 배치 일정이 산출될 수 있다.
일례로, 제2 물리 서버(30)에 제3 가상 서버(30), 제4 가상 서버(40), 제5 가상 서버(50) 및 제1 가상 서버(10)가 배치되고, 제3 물리 서버(40)에 제2 가상 서버(92), 제6 가상 서버(96) 및 제7 가상 서버(97)가 배치되었을 때, 제1 목적 함수가 최소인 상태에서 다른 목적 함수도 최소라고 가정할 경우, 제2 시간에서는 마이그레이션이 발생되지 않을 수 있다.
이와 다르게, 제1 목적 함수가 최소인 상태에서 다른 목적 함수도 최소로 하기 위해, 제3 시간에서 제2 물리 서버(30)에 배치되어 있는 제1 가상 서버(91)가 제3 물리 서버(40)로 마이그레이션 되도록 배치 일정이 산출될 수 있다.
또한, 제1 목적 함수가 최소인 상태에서 다른 목적 함수도 최소로 하기 위해, 제4 시간에서 제2 물리 서버(30)에 배치되어 있는 제5 가상 서버(95)가 제3 물리 서버(40)로 마이그레이션 되도록 배치 일정이 산출될 수 있다.
제2 시간 내지 제4 시간 동안 제1 물리 서버(20)는 가동되지 않을 수 있다.
이는 제2 목적 함수에 의한 영향으로 인해, 제2 시간 내지 제4 시간 동안 제1 물리 서버(20)가 가동되지 않도록 배치 일정이 산출되는 것일 수도 있다.
만일, 제4 시간 때의 가상 머신의 배치를 따를 경우 제5 시간 때에는 제3 물리 서버(40)의 워크 로드가 제1 기준이 이상이 된다고 예측될 수 있다.
이와 같은 경우, 상기 제5 시간 때 제3 물리 서버(40)에 배치되는 가상 머신 중에서 적어도 하나가 다른 물리 서버로 이동되도록 배치 일정이 산출될 수 있다. (제2-1 조건)
또한, 만일, 제4 시간 때의 가상 머신의 배치를 따를 경우 제5 시간일 때에는 제2 물리 서버(30)의 워크 로드가 제1 기준이 이상이 된다고 예측될 수 있다. (제2-1 조건)
이와 같을 경우, 상기 제5 시간 때 제2 물리 서버(30)에 배치되는 가상 머신 중 적어도 하나가 다른 물리 서버로 이동되도록 배치 일정이 산출될 수 있다. (제2-1 조건)
다만, 제3 물리 서버(40)에 배치된 제1 가상 머신(91)은 제1 시간 및 제3 시간 때에 마이드레이션이 실시되었기 때문에, 제5 시간 때에는 마이그레이션 대상에서 제외될 수 있다. (제5 조건)
또한, 상기 제2 물리 서버(30)에 배치된 제3 가상 머신(93)과 제4가상 머신(94) 모두가 제1 물리 서버(20)에 이동되는 경우, 제2 물리 서버(30) 가동은 중단되고 제1 물리 서버(20)의 가동은 개시될 수 있다.
이는 제3 조건이 만족되지 않기 때문에, 제2 물리 서버(30)에서는 제3 가상 머신(93)과 제4 가상 머신(94) 중 하나의 가상 머신 만이 제1 물리 서버(20)로 이동될 수 있다.
일례로, 제1 목적 함수가 최소화되는 상태에서 모든 목적 함수가 최소화되도록, 제1 조건 내지 제4 조건(구체적으로 제2-2 조건과 제3 조건)이 만족되도록, 제2 물리 서버(30)에서는 제3 가상 머신(93)이 제1 물리 서버(20)로 이동될 수 있고, 제3 물리 서버(40)에서는 제6 가상 머신(96)과 제7 가상 머신(97)이 제1 물리 서버(20)로 이동될 수 있다.
제5 시간에서의 마이그레이션에 의해 목적 함수의 최소 값이 만족되어 제6 시간에는 마이그레이션이 발생되지 않도록 배치 일정이 산출될 수 있다.
여태까지, 제1 배치 일정을 기초로 기술을 하였지만, 이는 하나의 예시에 불과하고, 제2 배치 일정, 제3 배치 일정 및 제4 배치 일정을 기초로 일정이 산출되는 방식에 대한 자세한 설명은 상술한 내용과 중복되는 한도에서 생략될 수 있다.
상기 표시부는 상기 제1 배치 일정, 상기 제2 배치 일정, 상기 제3 배치 일정 및 제4 배치 일정을 표시할 수 있다.
4 개의 목적 함수들은 각각 독립적인 함수로서 4 개의 비 지배해를 가질 수 있기 때문에, 상기 제1 배치 일정, 상기 제2 배치 일정, 상기 제3 배치 일정 및 제4 배치 일정은 서로 독립적인 해결 방법을 의미할 수 있다.
작업자는 입력부를 통해 상기 제1 배치 일정, 제2 배치 일정, 제3 배치 일정 및 제4 배치 일정 중 하나의 배치 일정을 결정하여, 결정한 배치 일정을 선택 입력할 수 있다.
상기 입력부는 선택된 배치 일정과 관련된 정보를 산출하여 해당 정보를 상기 처리부로 전달할 수 있다.
마이그레이션 모듈은 선택된 배치 일정을 기초로 가상 머신들을 물리 서버들 상에서 이동 시키면서 배치(S60)할 수 있다.
이러한 방법을 통해 상기 물리 서버의 자원이 일 물리 서버로 치우치지 않고 고르게 활용될 수 있다.
또한, 본 발명의 일 실시예에 따른 가상 머신 배치 방법은 상기 배치 일정에 따라 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버에 배치되는 경우, 상기 가상 머신 배치 방법은 선택 배치 일정에 따라 상기 가상 머신이 상기 제1 물리 서버와 상기 제2 물리 서버에 배치되는 경우, 예측되는 물리 서버의 부하인 선택 예측 가상 로드와 가상 머신이 물리 서버에 동작되면서 발생되는 실제 부하인 실제 가상 워크로드를 미리 정해진 점검 방법에 따라 비교하여 상기 선택 예측 가상 로드가 정상적으로 산출되는지를 판단하는 단계(S70)을 더 포함할 수 있다.
여기서, 선택 예측 가상 로드는 상술한 최초 예측 가상 로드와 동일할 수 있다.
다만, 이에 한정하지 않고 상기 선택 예측 가상 로드는 최초 예측 가상 로드 정보와 일치되지 않을 수 있다.
이와 같을 경우, 상기 예측 모듈은 선택된 상기 배치 일정에 따라 상기 가상 머신들을 배치한 후, 소정 기간 동안의 상기 가상 머신들의 워크 로드를 예측 하여 상기 선택 예측 가상 로드를 산출할 수 있다.
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.
상기 모니터링 모듈은 상기 미리 정해진 점검 방법을 수행할 수 있다.
상기 모니터링 모듈이 상기 선택 예측 가상 로드가 잘못 산출되었다고 판단하는 경우, 상기 스케줄링 모듈은 상기 선택 예측 가상 로드가 잘못 산출되었다고 판단하는 시점인 재 판단 시점부터 미리 정해진 제2 기간 동안, 예측되는 상기 가상 머신에 의해 발생되는 물리 서버의 부하와 연관된 재 예측 가상 로드를 산출(S80)할 수 있다.
상기 스케줄 모듈은 상기 재 예측 가상 로드 정보를 기초로 상술한 미리 정해진 배치 일정 산출 방법에 의해 배치 일정을 재 산출할 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 복수의 배치 일정들 중에 하나의 배치 일정을 선택할 수 있으며, 상기 마이그레이션 모듈은 선택된 배치 일정을 기초로 상기 가상 머신들을 재 배치 할 수 있다.
이에 대한 자세한 설명은 상술한 내용과 중복되는 한도에서 생략될 수 있다.
온도 센싱 모듈은 물리 서버에서 발생되는 열을 감지하여 물리 서버의 이상 징후를 상시적으로 모니터링할 수 있다.
온도 센싱 모듈은 상기 물리 서버의 온도를 측정할 수 있다.
모니터링 모듈은 상기 온도 센싱 모듈에 의해 측정되는 상기 물리 서버의 온도인 측정 온도와 상기 온도 예측 모듈에 의해 예측된 상기 물리 서버의 온도인 예측 온도를 기초로 이상 징후를 판단할 수 있다.
상기 모니터링 모듈은 제1 감시 조건이 만족되는 경우, 상기 온도 센싱 모듈이 고장 났다고 판단할 수 있다.
다만, 상기 모니터링 모듈은 상기 제1 감시 조건이 만족되는 경우, 상기 온도 센싱 모듈, 구체적으로 온도 센서가 고장 났다고 판단하지 않고, 상기 물리 서버가 비 정상적으로 작동된다고 판단할 수 있다.
상기 제1 감시 조건은 상기 측정 온도와 상기 예측 온도가 소정 온도 이상 차이나는 조건일 수 있다.
여기서, 예를 들면 소정 온도는 4도일 수 있다.
다만, 이에 한정하지 않고, 소정 온도는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
상기 제2 감시 조건은 하나의 물리 서버에 배치된 온도 센서 중에서 고장 났다고 판단되는 온도 센서의 비율이 소정 기준 이상일 조건일 수 있다.
여기서, 예를 들면 소정 기준은 80%일 수 있다.
다만, 이에 한정하지 않고, 소정 온도는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
도 7(a)를 참조하면, 일례로, 하나의 물리 서버의 개벌 서버가 5개가 배치될 수 있으며, 각각의 개별 서버에 온도 센서가 배치될 수 있다. 각각의 개별 서버를 제1 개별 서버(101), 제2 개별 서버(102), 제3 개별 서버(103), 제4 개별 서버(104) 및 제5 개별 서버(105)라고 명명할 수 있으며, 각각의 개별 서버에 배치된 온도 센서를 제1 온도 센서(101a), 제2 온도 센서(102a), 제3 온도 센서(103a), 제4 온도 센서(104a) 및 제5 온도 센서(105a)라고 명명할 수 있다.
만일, 상기 온도 예측 모듈에서 예측한 각각의 개별 서버의 온도와 실제로 각각의 온도센서에서 센싱한 온도가 도 7(b)와 같다고 가정할 수 있다.
이와 같을 경우, 제1 감시 조건이 만족되지만 제2 감시 조건이 만족되지 않아 모니터링 모듈은 제3 온도 센서가 고장났다고 판단할 수 있다.
상기 모니터링 모듈이 온도 센서가 고장났다고 판단하는 경우, 상기 모니터링 모듈은 고장난 온도 센서에서 센싱되는 온도 값은 이웃되는 다른 정상 온도 센서에서 센싱되는 온도 값의 평균으로 대체할 수 있다.
도 7(b)의 경우, 상기 모니터링 모듈이 상기 제3 온도 센서가 고장 났다고 판단하는 경우, 상기 온도 예측 모듈은 이용되는 제3 온도 센서의 온도 값을 제2 온도 센서와 제4 온도 센서에서 센싱되는 온도 값의 평균으로 대체하여 활용할 수 있다.
이와 다르게, 도 7(c)의 경우, 제1 감시 조건과 제2 감시 조건이 모두 만족되는 경우, 상기 모니터링 모듈은 온도 센서가 고장났다고 판단하지 않고, 하나의 물리 서버가 비 정상적으로 작동된다고 판단할 수 있다.
상기 마이그레이션 모듈은 상기 모니터링 모듈이 상기 물리 서버가 비 정상적으로 작동된다고 판단하는 경우, 해당 상기 물리 서버 내에 배치된 상기 가상 머신을 다른 상기 물리 서버로 마이그레이션 할 수 있다.
여기서, 다른 상기 물리 서버는 상기 모니터링 모듈이 비 정상적으로 작동된다고 판단하지 않은 물리 서버를 의미할 수 있다.
여기서, 마이그레이션은 가상 머신의 상태에 따라 구별되게 진행될 수 있다.
구체적인 일례로서, 미리 정해진 제1 기간 동안 마이그레이션된 횟수가 일정 기준 이상인 가상 머신일 경우, 마이그레이션 시키지 않고 동일한 가상 머신을 정상동작되는 물리 서버로 백업할 수 있다.
이는, 마이그레이션이 빈번하게 될 경우, 데이터 손실 우려가 존재하기 때문이다.
이와 다르게, 미리 정해진 제1 기간 동안 마이그레이션된 횟수가 일정 기준 미만일 가상 머신일 경우, 머신을 정상동작되는 물리 서버로 마이그레이션 할 수 있다.
여기서, 마이그레이션의 대상인 물리 서버는 현재 가동되고 있는 물리 서버 중에서 인가되는 부하가 가장 적은 물리 서버일 수 있다.
이는, 긴급적으로 수행되는 가상 머신 이전 및 백업이므로, 우선적으로 여유가 있는 물리 서버로 가상 머신을 마이그레이션 할 수 있다.
긴급적인 가상 머신 마이그레이션이 진행된 이후에, 가상 머신 배치 시스템은 배치 일정을 재 산출하기 위해서 상술한 과정을 다시 시작할 수 있으며, 이에 대한 자세한 설명은 상술한 내용과 중복되는 한도에서 생략될 수 있다.
가상 머신 배치 장치는 제1 감시 조건 또는 제2 감시 조건이 만족될 경우, 각각의 상황들을 상기 표시부에 표시하거나 송신부를 통해 관리자의 단말기로 알릴 수 있다.
상기 처리부는 상기 물리 서버의 성능인 성능 지수를 산출하는 성능 지수 산출 모듈(11g)을 더 구비할 수 있다.
상기 성능 지수 산출 모듈(11g)은 물리 서버의 성능을 산출하여, 가상 머신의 배치 일정에 물리 서버의 성능이 고려될 수 있다.
도 9는 본 발명의 일 실시예에 따른 가상 머신 배치 방법에서 성능 조건을 설명하기 위한 표이다.
도 9를 참조하면, 상기 성능 지수 산출 모듈은, 가동 시간에 따른 상기 물리 서버의 성능 저하와 관련된 제1 성능 저하값, 상기 물리 서버의 켜짐과 꺼짐에 따른 상기 물리 서버의 성능 저하와 관련된 제2 성능 저하값 및 상기 물리 서버의 온도에 따른 상기 물리 서버의 성능 저하와 관련된 제3 성능 저하값 중 적어도 하나를 고려하여 성능 지수를 산출할 수 있다.
상기 물리 서버가 설치된 이후로 가동된 시간이 상기 저장부에 저장될 수 있다.
물리 서버가 가동될수록 물리 서버의 성능이 저하될 수 있다.
일례로, 서버의 성능은 연 평균 14%씩 저하될 수 있다.
일례로, 물리 서버의 가동 시간에 선형적으로 물리 서버의 성능이 저하될 수 있다.
다만, 이에 한정하지 않고, 물리 서버의 가동 시간과 물리 서버의 성능 저하 간의 관계는 통상의 기술자에게 자명한 수준에서 다양하게 변형 될 수 있다.
제1 성능 저하값은 상기 물리 서버의 총 가동 시간을 기반으로 물리 서버의 성능 저하를 제시하는 값 또는 변수일 수 있다.
물리 서버가 켜지거나 꺼질 때 물리 서버의 디스크가 마모될 수 있다.
즉, 잦은 서버의 On/Off는 디스크 마모에 영향을 미쳐 물리 서버의 성능을 저하시킬 수 있다.
제2 성능 저하값은 꺼진 상태의 물리 서버가 켜지거나, 켜진 상태의 물리 서버가 꺼진 횟수를 기반으로 물리 서버의 성능 저하를 제시하는 값 또는 변수일 수 있다.
구체적인 식은 도 9를 참조할 수 있다.
물리 서버의 성능 저하 정도는 물리 서버의 온도가 높을수록 클 수 있다.
일례로, 서버의 온도는 CPU 사용율과 선형 관계를 보이기에, CPU 사용률을 통해 물리 서버의 성능 저하 정도가 산출될 수 있다.
제3 성능 저하값은 물리 서버가 가동되는 동안 물리 서버의 온도들을 기반으로 물리 서버의 성능 저하를 제시하는 값 또는 변수일 수 있다.
구체적으로, 처음 사용될 때의 물리 서버가 0이라고 가정할 경우, 성능 지수는 0 ~ 1 사이의 값으로 산출될 수 있다. 성능 지수는 '1'을 기준으로 제1 성능 저하값의 변화값, 제2 성능 저하값의 변화값 및 제3 성능 저하값의 변화값의 합으로써, 얼마만큼의 물리 서버의 성능이 저하되었는지 산출하여 최종적인 물리 서버의 성능 지수를 산출할 수 있다.
다만, 이에 한정하지 않고, 성능 지수를 구하는 구체적인 방법은 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
상기 스케줄 모듈은 상기 최초 예측 가상 로드를 기초로 목적 함수 값이 최소화될 때 상기 배치 일정을 산출하는 방법인 상기 미리 정해진 배치 일정 산출 방법으로 제약 조건이 만족되는 되는 상기 배치 일정을 산출할 수 있다.
상기 제약 조건은 상기 물리 서버의 성능을 고려한 조건인 성능 조건을 더 구비할 수 있다.
상기 성능 조건은 미리 정해진 성능 지수 이하의 성능 지수를 갖는 상기 물리 서버에는 상기 가상 머신의 배치를 제외하는 조건일 수 있다.
일례로, 미리 정해진 성능 지수는 0.2일 수 있다.
다만, 이에 한정하지 않고, 상기 미리 정해진 성능 지수 값은 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
물리 서버의 성능이 너무 저하되었을 경우, 가상 머신의 동작에도 영향을 미칠 수 있다. 따라서, 성능이 너무 떨어진 물리 서버에는 가상 머신을 배치하지 않는 것이 바람직할 수 있다.
가상 머신 배치 장치의 스케줄 모듈은 상술한 목적 함수 이외의 다른 목적 함수를 추가하거나 상술한 목적 함수를 제외하여, 최종적으로 다른 목적 함수 조합으로 배치 일정을 산출할 수 있다.
구체적인 일례로서, 목적 함수는 마이그레이션 코스트를 고려한 함수인 코스트 목적 함수를 더 구비할 수 있다.
마이그레이션 코스트는 가상 머신이 마이그레이션 됨에 따라 발생되는 공학적인 비용을 고려한 값으로서, 단순히 마이그레이션 횟수만을 한정하는 것보다 더욱 정확한 VM Consolidation 모형 구현이 가능할 수 있다.
상기 마이그레이션 코스트는 상기 가상 머신의 메모리 크기와 관련된 제1 코스트, 상기 가상 머신의 메모리의 더티 페이지 비율(Dirty Page Ratio)과 관련된 제2 코스트 및 상기 가상 머신의 응용프로그램 민감도(Application Sensitivity)와 관련된 제3 코스트 중 적어도 하나의 코스트를 고려하여 산출되는 값일 수 있다.
가상 머신 마이그레이션은 부하(리소스)를 많이 차지하고, 실행 과정에서 다운타임(downtime)이 발생하는 단점이 존재하기 때문에 마이그레이션을 최소화하는 것이 반드시 고려되어야 한다.
상기 코스트 목적 함수는 이를 위한 목적 함수일 수 있다.
가상 머신 마이그레이션은 가상 머신의 메모리(물리 머신에 의해 할당된 메모리)를 네트워크를 통해 전송하는 작업일 수 있다.
따라서, 가상 머신 마이그레이션은 가상 머신의 메모리 크기와 가상 머신의 메모리의 더티 페이지 비율(Dirty Page Ratio)과 상관 관계를 보이고 있다.
또한, 가상 머신 마이그레이션은 네트워크를 통해 데이터 전송이 이루어지기 때문에 응용프로그램의 네트워크 민감도(Application Sensitivity)에 영향을 끼치고 있다.
일례로, 데이터베이스를 포함하는 가상 머신, 혹은 스트리밍 서비스를 수행하는 가상 머신은 마이그레이션이 오래걸릴 수 있다.
일례로, 상기 마이그레이션 코스트는 제1 코스트*제2 코스트*제3 코스트의 합으로 산출될 수 있다.
다만, 이에 한정하지 않고, 상기 마이그레이션 코스트의 산출 방식은 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
일례로, 목적 함수는 "코스트 가중치 * 코스트 목적 함수 + 제2 가중치*제2 목적 함수 + 제3 가중치*제3 목적 함수 + 제4 가중치+제4 목적 함수"로 이루어질 수 있다.
일례로, 코스트 함수는 가장 큰 코스트 값을 가질 때를 기준으로 물리 서버에 가상 머신이 배치됨에 따라 변경되는 코스트 값으로 정의될 수 있다.
일례로, 제2 목적 함수는 물리 서버의 가동 시간과 관련된 함수로서 구체적으로, 최소로 물리 서버가 가동되어 발생되는 전력량에 대해서 임의로 가상 머신이 물리 서버에 배치됨에 따라 발생되는 전력량으로 정의될 수 있다.
일례로, 제3 목적 함수와 제4 목적함수는 워크로드 안정성(Workload Stability)에 대한 함수로서 하나의 함수로 표현될 수 있고, 현재 물리 서버의 안정성을 기준으로 가상 머신이 물리 서버에 배치됨에 따라 변경되는 안정성으로 정의될 수 있다.
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 - 을 효율적으로 운용하기 위하여, 가상 머신 배치 시스템에 의해, 복수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법을 구현하는 가상 머신 배치 방법에 있어서, 상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크로드 산출 방법에 의해 상기 가상 머신이 구현되는 것에 의해 상기 물리 서버에 부과되는 부하인 가상 머신 워크로드가 산출되는 단계; 상기 가상 머신 워크로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 상기 물리 서버에 부과될 것으로 예측되는 부하인 최초 예측 가상 로드가 산출되는 단계; 상기 물리 서버의 성능인 성능 지수가 산출되는 단계; 미리 정해진 배치 일전 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신이 배치되는 일정인 배치 일정이 산출되는 단계; 및 상기 배치 일정에 따라 상기 제1 물리 서버와 상기 제2 물리 서버 상에 상기 가상 머신이 배치되도록, 상기 가상 머신이 이동되는 단계;를 포함할 수 있다.
이와 같이 코스트 함수를 고려함으로써, 많은 마이그레이션이 수행됨으로써 발생되는 부작용을 방지하고, 성능 지수를 고려한 배치 일정으로 인해 가상 서버의 원활한 동작을 보장할 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.
11 : 처리부 12 : 저장부
13 : 수신부 14 : 송신부

Claims (13)

  1. 가상 머신이 설치되는 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함 - 를 효율적으로 운용하기 위하여, 복수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법을 구현하는 가상 머신 배치 장치에 있어서,
    미리 정해진 워크로드 산출 방법을 이용하여 상기 가상 머신이 구현되는 것에 의해 상기 물리 서버에 부과되는 부하인 가상 머신 워크로드를 산출하고 저장하는 워크로드 산출 모듈;
    상기 가상 머신 워크로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 상기 물리 서버에 부과될 것으로 예측되는 부하인 최초 예측 가상 로드를 산출하는 예측 모듈;
    상기 최초 예측 가상 로드를 기초로 미리 정해진 제1 기간 동안 상기 물리 서버의 온도를 예측하는 온도 예측 모듈;
    미리 정해진 배치 일정 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신이 배치되는 일정인 배치 일정을 산출하는 스케줄 모듈; 및
    상기 배치 일정에 따라 상기 제1 물리 서버와 상기 제2 물리 서버 상에 상기 가상 머신이 배치되도록, 상기 가상 머신을 이동시키는 마이그레이션 모듈;을 포함하고,
    상기 온도 예측 모듈은,
    가상 머신에 의해 발생되는 물리 서버의 부하와, 동일한 시점에 물리 서버의 온도 값들을 기초로 기계 학습 또는 딥러닝하여 산출되며, 물리 서버의 온도를 예측하는 온도 예측 모델에 상기 최초 예측 가상 로드를 입력하여 상기 물리 서버의 온도를 예측하고,
    상기 미리 정해진 배치 일정 산출 방법은,
    상기 최초 예측 가상 로드를 기초로 목적 함수 값이 최소화될 때 상기 배치 일정을 산출하는 방법이고,
    상기 목적 함수는,
    상기 미리 정해진 제1 기간 동안 상기 물리 서버의 온도를 고려한 함수인 제1 목적 함수 및 상기 제1 목적 함수 이외의 다른 목적 함수를 구비하고,
    상기 스케줄 모듈은,
    예측되는 상기 물리 서버의 온도를 고려하고, 각 목적 함수들 간의 가중치를 설정하여 상기 배치 일정을 산출하고,
    상기 배치 일정 산출 시에 온도에 대한 요소가 더 많이 고려되기 위하여, 상기 물리 서버 상에서 제1 기준 이상의 온도를 가진 지점의 개수 혹은 상기 물리 서버의 평균 온도가 증가함에 따라, 상기 제1 목적 함수의 가중치를 높여서 상기 배치 일정을 산출하는,
    가상 머신 배치 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 제1 목적함수는,
    상기 미리 정해진 제1 기간 동안 상기 물리 서버 상에서 제1 기준 이상의 온도를 가진 지점의 개수를 고려한 함수인,
    가상 머신 배치 시스템.
  4. 가상 머신이 설치되는 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함 - 를 효율적으로 운용하기 위하여, 복수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법을 구현하는 가상 머신 배치 장치에 있어서,
    미리 정해진 워크로드 산출 방법을 이용하여 상기 가상 머신이 구현되는 것에 의해 상기 물리 서버에 부과되는 부하인 가상 머신 워크로드를 산출하고 저장하는 워크로드 산출 모듈;
    상기 가상 머신 워크로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 상기 물리 서버에 부과될 것으로 예측되는 부하인 최초 예측 가상 로드를 산출하는 예측 모듈;
    상기 최초 예측 가상 로드를 기초로 미리 정해진 제1 기간 동안 상기 물리 서버의 온도를 예측하는 온도 예측 모듈;
    미리 정해진 배치 일정 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신이 배치되는 일정인 배치 일정을 산출하는 스케줄 모듈; 및
    상기 배치 일정에 따라 상기 제1 물리 서버와 상기 제2 물리 서버 상에 상기 가상 머신이 배치되도록, 상기 가상 머신을 이동시키는 마이그레이션 모듈;을 포함하고,
    상기 미리 정해진 배치 일정 산출 방법은,
    상기 최초 예측 가상 로드를 기초로 목적 함수 값이 최소화될 때 상기 배치 일정을 산출하는 방법이고,
    상기 목적 함수는,
    상기 미리 정해진 제1 기간 동안 상기 물리 서버의 온도를 고려한 함수인 제1 목적 함수 및 상기 제1 목적 함수 이외의 다른 목적 함수를 구비하고,
    상기 스케줄 모듈은,
    예측되는 상기 물리 서버의 온도를 고려하고, 각 목적 함수들 간의 가중치를 설정하여 상기 배치 일정을 산출하고,
    상기 배치 일정 산출 시에 온도에 대한 요소가 더 많이 고려되기 위하여, 상기 물리 서버 상에서 제1 기준 이상의 온도를 가진 지점의 개수 혹은 상기 물리 서버의 평균 온도가 증가함에 따라, 상기 제1 목적 함수의 가중치를 높여서 상기 배치 일정을 산출하는,
    가상 머신 배치 시스템.
  5. 제4항에 있어서,
    상기 목적 함수는,
    상기 미리 정해진 제1 기간 동안 상기 물리 서버의 가동 시간과 관련된 함수인 제2 목적 함수, 상기 미리 정해진 제1 기간 동안 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 부하의 변화량과 관련된 함수인 제3 목적 함수 및 상기 미리 정해진 제1 기간 동안 상기 최초 예측 가상 로드에 의해 산출되는 물리 서버의 부하들 간의 차이와 관련된 함수인 제4 목적 함수 중 적어도 하나를 더 구비하는,
    가상 머신 배치 시스템.
  6. 제1항에 있어서,
    상기 스케줄 모듈은,
    제약 조건을 고려하여 상기 미리 정해진 배치 일정 산출 방법으로 상기 배치 일정을 산출하고,
    상기 제약 조건은,
    상기 물리 서버 상에서 제2 기준 이상의 온도를 가진 지점에는 가상 머신의 배치를 제외하는 조건인 제1 조건을 구비하는,
    가상 머신 배치 시스템.
  7. 제1항에 있어서,
    상기 물리 서버의 온도를 측정하는 온도 센싱 모듈; 및
    상기 온도 센싱 모듈에 의해 측정되는 상기 물리 서버의 온도인 측정 온도와 상기 온도 예측 모듈에 의해 예측된 상기 물리 서버의 온도인 예측 온도를 기초로 이상 징후를 판단하는 모니터링 모듈;을 더 포함하고,
    상기 모니터링 모듈은,
    제1 감시 조건이 만족되는 경우, 상기 온도 센싱 모듈이 고장 났다고 판단하고,
    상기 제1 감시 조건은,
    상기 측정 온도와 상기 예측 온도가 소정 온도 이상 차이나는 조건인,
    가상 머신 배치 시스템.
  8. 제7항에 있어서,
    상기 모니터링 모듈은,
    상기 제1 감시 조건이 만족되더라도 제2 감시 조건이 만족되는 경우, 상기 온도 센싱 모듈이 고장 났다고 판단하지 않고, 상기 물리 서버가 비 정상적으로 작동된다고 판단하는,
    가상 머신 배치 시스템.
  9. 제8항에 있어서,
    상기 온도 센싱 모듈은,
    상기 물리 서버에 배치되는 온도 센서 및 상기 온도 센서로부터 제공되는 정보를 기초로 온도를 산출하는 온도 산출부를 구비하고,
    상기 제2 감시 조건은,
    하나의 물리 서버에 배치된 온도 센서 중에서 고장 났다고 판단되는 온도 센서의 비율이 소정 기준 이상일 조건인,
    가상 머신 배치 시스템.
  10. 제9항에 있어서,
    상기 마이그레이션 모듈은,
    상기 모니터링 모듈이 상기 물리 서버가 비 정상적으로 작동된다고 판단하는 경우, 해당 상기 물리 서버 내에 배치된 상기 가상 머신을 다른 상기 물리 서버로 마이그레이션 하는,
    가상 머신 배치 시스템.
  11. 가상 머신이 설치된 물리 서버 - 상기 물리 서버는 제1 물리 서버 및 제2 물리 서버를 구비함 - 를 효율적으로 운용하기 위하여, 가상 머신 배치 시스템에 의해, 복수의 상기 가상 머신을 상기 제1 물리 서버와 상기 제2 물리 서버 상에 배치하는 방법을 구현하는 가상 머신 배치 방법에 있어서,
    상기 제1 물리 서버와 상기 제2 물리 서버의 작동과 관련된 정보를 기초로 미리 정해진 워크로드 산출 방법에 의해 상기 가상 머신이 구현되는 것에 의해 상기 물리 서버에 부과되는 부하인 가상 머신 워크로드가 산출되는 단계;
    상기 가상 머신 워크로드를 기초로 미리 정해진 제1 기간 동안 상기 가상 머신에 의해 상기 물리 서버에 부과될 것으로 예측되는 부하인 최초 예측 가상 로드가 산출되는 단계;
    상기 최초 예측 가상 로드가 온도 예측 모델에 입력되어, 미리 정해진 제1 기간 동안 상기 물리 서버의 온도가 예측되는 단계;
    미리 정해진 배치 일정 산출 방법에 의해 상기 제1 물리 서버와 상기 제2 물리 서버 상의 상기 가상 머신이 배치되는 일정인 배치 일정이 산출되는 단계; 및
    상기 배치 일정에 따라 상기 제1 물리 서버와 상기 제2 물리 서버 상에 상기 가상 머신이 배치되도록, 상기 가상 머신이 이동되는 단계;를 포함하고,
    상기 온도 예측 모델은,
    물리 서버의 온도를 예측하는 모델로서, 가상 머신에 의해 발생되는 물리 서버의 부하와, 동일한 시점에 물리 서버의 온도 값들을 기초로 기계 학습 또는 딥러닝하여 산출되며,
    상기 미리 정해진 배치 일정 산출 방법은,
    상기 최초 예측 가상 로드를 기초로 목적 함수 값이 최소화될 때 상기 배치 일정을 산출하는 방법이고,
    상기 목적 함수는,
    상기 미리 정해진 제1 기간 동안 상기 물리 서버의 온도를 고려한 함수인 제1 목적 함수 및 상기 제1 목적 함수 이외의 다른 목적 함수를 구비하고,
    상기 배치 일정은,
    예측되는 상기 물리 서버의 온도가 고려되고, 각 목적 함수들 간에 가중치가 설정되어 일정이 산출되고,
    상기 배치 일정 산출 시에 온도에 대한 요소가 더 많이 고려되기 위하여, 상기 물리 서버 상에서 제1 기준 이상의 온도를 가진 지점의 개수 혹은 상기 물리 서버의 평균 온도가 증가함에 따라, 상기 제1 목적 함수의 가중치가 높여져서 산출되는,
    가상 머신 배치 방법.
  12. 삭제
  13. 제11항에 있어서,
    상기 제1 목적함수는,
    상기 미리 정해진 제1 기간 동안 상기 물리 서버 상에서 제1 기준 이상의 온도를 가진 지점의 개수를 고려한 함수인,
    가상 머신 배치 방법.

KR1020210137358A 2021-10-15 2021-10-15 핫 스팟을 고려하여 가상 머신의 예측 마이그레이션을 구현한 가상 머신 배치 시스템 및 가상 머신 배치 방법 KR102403632B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210137358A KR102403632B1 (ko) 2021-10-15 2021-10-15 핫 스팟을 고려하여 가상 머신의 예측 마이그레이션을 구현한 가상 머신 배치 시스템 및 가상 머신 배치 방법
US17/560,895 US20230118121A1 (en) 2021-10-15 2021-12-23 Virtual machine placement system and virtual machine placement method for implementing predictive migration of virtual machines considering hot spots

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210137358A KR102403632B1 (ko) 2021-10-15 2021-10-15 핫 스팟을 고려하여 가상 머신의 예측 마이그레이션을 구현한 가상 머신 배치 시스템 및 가상 머신 배치 방법

Publications (1)

Publication Number Publication Date
KR102403632B1 true KR102403632B1 (ko) 2022-05-30

Family

ID=81800086

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210137358A KR102403632B1 (ko) 2021-10-15 2021-10-15 핫 스팟을 고려하여 가상 머신의 예측 마이그레이션을 구현한 가상 머신 배치 시스템 및 가상 머신 배치 방법

Country Status (2)

Country Link
US (1) US20230118121A1 (ko)
KR (1) KR102403632B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070039035A (ko) * 2004-07-16 2007-04-11 인터내셔널 비지네스 머신즈 코포레이션 마이크로프로세서 유닛의 열 상태의 실시간 추정 및 예측을위한 방법 및 시스템
JP2009076062A (ja) * 2007-09-18 2009-04-09 Hitachi Ltd 情報システムにおける熱管理のための方法および装置
JP2010072733A (ja) * 2008-09-16 2010-04-02 Nec Corp サーバ管理装置，サーバ管理方法及びプログラム
KR102062157B1 (ko) * 2019-04-29 2020-01-03 오케스트로 주식회사 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치
KR102135208B1 (ko) * 2019-07-31 2020-07-17 오케스트로 주식회사 스케줄링을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치
KR20210047617A (ko) * 2019-10-22 2021-04-30 주식회사 엘지화학 배터리 관리 장치, 배터리 관리 방법 및 전기 차량

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070039035A (ko) * 2004-07-16 2007-04-11 인터내셔널 비지네스 머신즈 코포레이션 마이크로프로세서 유닛의 열 상태의 실시간 추정 및 예측을위한 방법 및 시스템
JP2009076062A (ja) * 2007-09-18 2009-04-09 Hitachi Ltd 情報システムにおける熱管理のための方法および装置
JP2010072733A (ja) * 2008-09-16 2010-04-02 Nec Corp サーバ管理装置，サーバ管理方法及びプログラム
KR102062157B1 (ko) * 2019-04-29 2020-01-03 오케스트로 주식회사 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치
KR102135208B1 (ko) * 2019-07-31 2020-07-17 오케스트로 주식회사 스케줄링을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치
KR20210047617A (ko) * 2019-10-22 2021-04-30 주식회사 엘지화학 배터리 관리 장치, 배터리 관리 방법 및 전기 차량

Also Published As

Publication number Publication date
US20230118121A1 (en) 2023-04-20

Similar Documents

Publication Publication Date Title
US10521244B2 (en) Information handling system configuration parameter history management
US9424092B2 (en) Heterogeneous thread scheduling
US8799895B2 (en) Virtualization-based resource management apparatus and method and computing system for virtualization-based resource management
US8245060B2 (en) Memory object relocation for power savings
US8589932B2 (en) Data processing workload control
JP5363646B2 (ja) 最適化仮想マシンマイグレーション機構
EP2758852B1 (en) System and method for managing thermal energy generation in a heterogeneous multi-core processor
KR102135208B1 (ko) 스케줄링을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치
JP6075226B2 (ja) プログラム、仮想マシン管理方法および情報処理装置
US20110022870A1 (en) Component power monitoring and workload optimization
US20040128663A1 (en) Method and apparatus for thermally managed resource allocation
JP5589218B2 (ja) 計算機システム及び管理計算機
KR20140089838A (ko) 복수의 이종 코어들을 포함하는 시스템 온 칩 및 그 동작 방법
US9122528B2 (en) Energy conservation and hardware usage management for data centers
WO2013077972A1 (en) Thermally driven workload scheduling in a heterogeneous multi - processor system on a chip
KR102470086B1 (ko) Sla 위반을 예방한 가상 머신 배치 시스템 및 가상 머신 배치 방법
JP2011186701A (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
KR102062157B1 (ko) 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치
KR102469718B1 (ko) 이상 징후 모니터링 기능이 탑재된 가상 머신 배치 시스템 및 가상 머신 배치 방법
KR102403632B1 (ko) 핫 스팟을 고려하여 가상 머신의 예측 마이그레이션을 구현한 가상 머신 배치 시스템 및 가상 머신 배치 방법
KR102403625B1 (ko) 물리 서버 성능 저하를 고려하여 가상 머신 예측 관리를 구현한 가상 머신 배치 시스템 및 가상 머신 배치 방법
KR102316749B1 (ko) 가상 머신 워크로드 예측 방법, 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치
KR102135209B1 (ko) 가상 머신 배치 모의 실험 방법 및 이를 구현하는 가상 머신 배치 모의 실험 장치
KR102381570B1 (ko) 예측 불확실성이 반영된 배치 스케줄을 제공하는 가상 머신 배치 시스템 및 가상 머신 배치 방법
KR102126434B1 (ko) 딥 러닝을 활용한 워크 로드 예측을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant