KR102427477B1 - 마이크로 데이터센터내 워크로드 분석을 위한 다중요소 적용 방법 - Google Patents
마이크로 데이터센터내 워크로드 분석을 위한 다중요소 적용 방법 Download PDFInfo
- Publication number
- KR102427477B1 KR102427477B1 KR1020200126544A KR20200126544A KR102427477B1 KR 102427477 B1 KR102427477 B1 KR 102427477B1 KR 1020200126544 A KR1020200126544 A KR 1020200126544A KR 20200126544 A KR20200126544 A KR 20200126544A KR 102427477 B1 KR102427477 B1 KR 102427477B1
- Authority
- KR
- South Korea
- Prior art keywords
- workload
- node
- usage
- workload analysis
- analysis
- 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
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- 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
- G06F11/3062—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 where the monitored property is the power consumption
-
- 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
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- 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
마이크로 데이터센터 환경에서 서버 시스템 워크로드 분석 모델 적용을 위해 다중 요소 검증 기법을 적용하고 처리하는 워크로드 분석 방법 및 장치가 제공된다. 본 발명의 실시예에 따른 워크로드 분석 방법은 워크로드 분석 장치가, 노드 과부하 상태 감지를 위한 다중 요소를 조사하는 단계; 및 워크로드 분석 장치가, 조사 결과를 기반으로, 워크로드 분석을 수행하는 단계;를 포함한다. 이에 의해, 마이크로 데이터센터와 같이 H/W 사양이 결정된 환경에서 워크로드 분석을 통해 가용 자원을 효율적으로 운용할 수 있으며, 분석된 워크로드를 통해 운영되는 서비스의 응답성을 향상 시킬 수 있다. 또한, 즉시성 도입하기 위한 다중 자원의 지속적 모니터링 구조를 지원할 수 있으며, 나아가 워크로드 분배를 위한 워크로드 분석을 통한 자원 재배치 자동화 구조를 지원할 수 있다.
Description
본 발명은 마이크로 데이터센터내 워크로드 분석 방법 및 장치에 관한 것으로, 더욱 상세하게는 마이크로 데이터센터 환경에서 서버 시스템 워크로드 분석 모델 적용을 위해 다중 요소 검증 기법을 적용하고 처리하는 워크로드 분석 방법 및 장치에 관한 것이다.
마이크로 데이터센터는 엣지 컴퓨팅 환경에서 스토리지, 프로세싱, 네트워킹 등 안전한 컴퓨팅 인프라 환경을 제공하는 통합 랙 솔루션을 말한다.
구체적으로, 마이크로 데이터센터는 데이터센터 인프라에 필수적인 전력, 쿨링, 보안, 원격감시, 인프라 관리 등의 사전 조립 및 테스트가 완료되어, 안전하면서도 소형화된 데이터센터다.
마이크로 데이터센터는 기존의 데이터센터와 비교했을 때 환경에 대한 제약이 적어 효율적인 비용으로 설치가 가능하며, 현장 작업과 시운전의 복잡성을 최소화할 수 있다. 뿐만 아니라 설치 및 이동이 용이해 어느 곳에 설치하더라도 잠재 위험요소 발생 시 빠르게 안전한 곳으로 할 수 있어 데이터의 안전성을 향상시킬 수 있다.
이러한 마이크로 데이터센서는, 소규모(1~10 Racks) 단위인 마이크로데이터 센터 환경에 대해 낮은 가용성과 부족한 리스크 관리 문제점을 내포하고 있다.
또한, 일반적으로 원격지에 위치하고 있는 마이크로데이터 특성 상 문제 발생 시 즉시 대응이 어렵다는 단점이 존재하며, 가상화 환경에서 마이크로 데이터센터의 자원이 관리되고 있어 가상 자원에 대한 지속적 관리가 필요하다는 단점이 존재한다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 마이크로 데이터센터와 같이 H/W 사양이 결정된 환경에서 워크로드 분석을 통해 가용 자원을 효율적으로 운용할 수 있으며, 분석된 워크로드를 통해 운영되는 서비스의 응답성을 향상 시킬 수 있는 워크로드 분석 방법 및 장치를 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 워크로드 분석 방법은 워크로드 분석 장치가, 노드 과부하 상태 감지를 위한 다중 요소를 조사하는 단계; 및 워크로드 분석 장치가, 조사 결과를 기반으로, 워크로드 분석을 수행하는 단계;를 포함한다.
그리고 다중 요소를 조사하는 단계는, 서비스별 CPU 사용률을 계산하고, 대기 프로세서의 존재 여부를 판단할 수 있다.
또한, 다중 요소를 조사하는 단계는, 2개 이상의 서비스에서 CPU Usage가 상승과 하강을 동시에 보일 경우 자원이 효율적으로 사용되지 못하는 상태인 것으로 판단할 수 있다.
그리고 워크로드 분석을 수행하는 단계는, 자원이 효율적으로 사용되지 못하는 것으로 분석되고, 대기 프로세스가 존재하는 경우, 워크로드 상승으로 분석된 결정이 유보되도록 처리할 수 있다.
또한, 워크로드 분석을 수행하는 단계는, 모든 프로세스가 처리 상태이며, 대기 작업이 없는 상태이면, 노드가 갖고 있는 모든 자원이 워크로드에 할당되어, 워크로드들이 효율적으로 동작하는 상태인 것으로 판단할 수 있다.
그리고 워크로드 분석을 수행하는 단계는, 모든 프로세스가 처리 상태이며, 대기 작업이 있는 상태이면, 노드가 갖고 있는 모든 자원이 워크로드에 할당되되, 워크로드들이 모든 작업을 처리하지 못하는 상태인 것으로 판단할 수 있다.
또한, 워크로드 분석을 수행하는 단계는, 워크로드의 전력 사용량을 계산하여, 미래의 단일 시점에서의 워크로드를 예측하고, 예측 결과, 워크로드의 전력 사용량이 증가할 것으로 예측되면, 워크로드와 노드의 상태가 과부하 상태인지 판단할 수 있다.
그리고 본 발명의 일 실시예에 따른, 워크로드 분석 방법은 워크로드 분석 장치가, 워크로드 분석 결과에 따라 워크로드 재배치를 결정하는 단계;를 더 포함할 수 있다.
또한, 워크로드 재배치를 결정하는 단계는, 워크로드 분석 결과에 따라 노드가 지원하는 서비스를 여유 자원이 있는 다른 노드로 이관할 것인지 결정할 수 있다.
한편, 본 발명의 다른 실시예에 따른, 워크로드 분석 방법이 수행되는 컴퓨터 프로그램이 수록된 컴퓨터로 읽을 수 있는 기록매체는, 노드 과부하 상태 감지를 위한 다중 요소를 조사하는 단계; 및 조사 결과를 기반으로, 워크로드 분석을 수행하는 단계;를 포함하는 워크로드 분석 방법이 수행되는 컴퓨터 프로그램이 수록된다.
그리고 본 발명의 다른 실시예에 따른, 워크로드 분석 장치는, 서비스별 CPU 사용률에 대한 정보를 수집하는 수집부; 및 수집된 정보를 기반으로, 노드 과부하 상태 감지를 위한 다중 요소를 조사하고, 조사 결과를 기반으로, 워크로드 분석을 수행하는 프로세서;를 포함한다.
또한, 본 발명의 다른 실시예에 따른, 워크로드 분석 방법은, 워크로드 분석 장치가, 서비스별 CPU 사용률을 계산하는 단계; 워크로드 분석 장치가, 계산 결과에 따라 대기 프로세서의 존재 여부를 판단하는 단계; 및 워크로드 분석 장치가, 워크로드 계산 결과 및 존재 여부 판단 결과에 따라 워크로드 분석을 수행하는 단계;를 포함한다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 마이크로 데이터센터와 같이 H/W 사양이 결정된 환경에서 워크로드 분석을 통해 가용 자원을 효율적으로 운용할 수 있으며, 분석된 워크로드를 통해 운영되는 서비스의 응답성을 향상 시킬 수 있다.
또한, 본 발명의 실시예들에 따르면, 즉시성 도입하기 위한 다중 자원의 지속적 모니터링 구조를 지원할 수 있으며, 나아가 워크로드 분배를 위한 워크로드 분석을 통한 자원 재배치 자동화 구조를 지원할 수 있다.
도 1은, 본 발명의 일 실시예에 따른 워크로드 분석 장치의 설명에 제공된 도면,
도 2는, 마이크로 데이터센터의 설명에 제공된 도면,
도 3은 본 발명의 일 실시예에 따른 워크로드 분석 장치의 구성 설명에 제공된 도면,
도 4 내지 도 6은, 본 발명의 일 실시예에 따른 워크로드 분석 장치의 동작 특성 설명에 제공된 도면,
도 7은, 본 발명의 일 실시예에 따른 워크로드 분석 장치를 이용하는 워크로드 분석 방법의 설명에 제공된 흐름도이다.
도 2는, 마이크로 데이터센터의 설명에 제공된 도면,
도 3은 본 발명의 일 실시예에 따른 워크로드 분석 장치의 구성 설명에 제공된 도면,
도 4 내지 도 6은, 본 발명의 일 실시예에 따른 워크로드 분석 장치의 동작 특성 설명에 제공된 도면,
도 7은, 본 발명의 일 실시예에 따른 워크로드 분석 장치를 이용하는 워크로드 분석 방법의 설명에 제공된 흐름도이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 1은, 본 발명의 일 실시예에 따른 워크로드 분석 장치의 설명에 제공된 도면이고, 도 2는, 마이크로 데이터센터의 설명에 제공된 도면이다.
본 실시예에 따른 워크로드 분석 장치(100)는, 마이크로 데이터센터 환경이 갖는 서버 자원을 효율적으로 운용하도록 하고, 분석된 워크로드를 통해 운영되는 서비스의 응답성을 향상 시키기 위해 마련된다.
구체적으로, 워크로드 분석 장치(100)는, 다중 요소(Multi Factor) 검증 기법을 적용하고 처리하여, 마이크로 데이터센터와 같이 H/W 사양이 결정된 환경에서 워크로드 분석을 통해 가용 자원을 효율적으로 운용할 수 있으며, 다중 자원의 지속적 모니터링 구조를 지원하여, 분석된 워크로드를 통해 운영되는 서비스의 응답성을 향상 시킬 수 있다.
이를 위해, 워크로드 분석 장치(100)는, 클러스터를 구성하는 각 노드(Node)에 대한 가용 자원 현황을 다중 요소 검증 기법을 적용하여 모니터링하여, 워크로드 상승 분석으로 나타나는 노드가 지원하는 서비스를 여유 자원이 있는 다른 노드로 이관할 것인지 결정하고, 이관 결정 시, 워크로드를 재배치하는 방식으로 마이크로 데이터센터 환경이 갖는 서버 자원을 효율적으로 운용할 수 있다.
여기서, 실제 서비스(또는 컨테이너)가 실행되는 서버 단위를 나타내며, 서비스를 생성하고 서비스 상태를 관리하는 역할을 수행하게 된다.
그리고 각 노드 내에는 적어도 하나의 포드(Pod)가 포함된다.
포드는 가장 작은 배포단위이며, 실제 컨테이너들이 생성되는 곳이다. 포드는 각각에 라벨을 붙여 사용목적(GPU 특화, SSD 서버 등)을 정의할 수도 있다. 포드는 쿠버네티스에서 배포할 수 있는 가장 작은 단위로 한 개 이상의 컨테이너와 스토리지와 네트워크 속성을 가진다. 포드에 속한 적어도 하나의 컨테이너는 스토리지와 네트워크를 공유하고 서로 로컬 호스트(local host)로 접근할 수 있다.
도 3은 본 발명의 일 실시예에 따른 워크로드 분석 장치의 구성 설명에 제공된 도면이다.
본 워크로드 분석 장치(100)는 마이크로 데이터센터 환경이 갖는 서버 자원을 효율적으로 운용하기 위해, 수집부(110), 프로세서(120) 및 저장부(130)를 포함할 수 있다.
수집부(110)는, 복수의 노드 또는 포드들과 연결되어, 리소스 사용량에 대한 정보를 수집할 수 있다. 여기서, 리소스 사용량은, 각 자원(CPU, Memory, Disk I/O, Network)의 사용량을 의미한다.
저장부(130)는, 프로세서(120)가 동작함에 있어 필요한 프로그램 및 데이터를 저장할 수 있다.
구체적으로 예를 들면, 저장부(130)는, 딥러닝 알고리즘을 기반으로 서비스별 CPU 사용률을 계산하고, 대기 프로세서의 존재 여부를 판단하여 워크로드 분석을 수행할 수 있는 학습 모델이 저장될 수 있다.
프로세서(120)는, 서비스별 CPU 사용률을 계산하고, 대기 프로세서의 존재 여부를 판단하여 워크로드 분석을 수행하고, 분석 결과를 기반으로 워크로드 재배치 여부를 결정할 수 있다.
구체적으로, 프로세서(120)는, 워크로드의 전력 사용량을 계산하여, 미래의 단일 시점에서의 워크로드를 예측하고, 예측 결과, 워크로드의 전력 사용량이 증가할 것으로 예측되면, 워크로드와 노드의 상태가 과부하 상태인지 판단하여, 판단 결과에 따라 노드가 지원하는 서비스를 여유 자원이 있는 다른 노드로 이관할 것인지 결정할 수 있다.
이때, 프로세서(120)는 워크로드 분석을 위한 딥러닝 알고리즘의 자유로운 모델 변경 구조를 지원할 수 있다.
도 4 내지 도 6은, 본 발명의 일 실시예에 따른 워크로드 분석 장치의 동작 특성 설명에 제공된 도면이다.
도 4 내지 도 6을 참조하면, 워크로드 분석 장치(100)는, 다중 요소(서비스별 CPU 사용률 증감률 비교 & 대기 프로세스 존재 여부)를 통해 워크로드 상승 분석을 결정한다.
구체적으로, 워크로드 분석 장치(100)는, 워크로드의 전력 사용량이 증가하는 것으로 분석되면, 워크로드와 노드의 상태가 과부하 상태인지 파악하는 것이 필요하기 때문에, Load Average 데이터를 추출하여 노드의 과부하 상태인지 파악하고, 노드가 과부하 상태일 때, 워크로드와 노드의 리소스 사용량을 분석할 수 있다.
이때, 워크로드 분석 장치(100)는, 노드 과부하 상태 감지를 위한 다중 요소를 조사하는 과정에서 워크로드들의 사용량이 높은 상태는 여러 방향으로 해석이 가능하다.
예를 들면, 워크로드 분석 장치(100)는, 모든 프로세스가 처리 상태이며, 대기 작업이 없는 상태이면, 노드가 갖고 있는 모든 자원이 워크로드에 할당되어, 워크로드들이 효율적으로 동작하는 것으로 판단할 수 있다.
그리고 워크로드 분석 장치(100)는, 모든 프로세스가 처리 상태이며, 대기 작업이 있는 상태이면, 노드가 갖고 있는 모든 자원이 워크로드에 할당되어, 워크로드들이 모든 작업을 처리하지 못하는 상태로 판단할 수 있다.
즉, 2개 이상의 서비스에서 CPU Usage가 상승과 하강을 동시에 보일 경우 자원이 효율적으로 사용되지 못하는 것으로 판단되고, 이때, 대기 프로세스가 존재할 경우 워크로드 상승으로 분석된 결정은 유보되도록 처리되는 것이다.
이때, 워크로드 분석 장치(100)는, 분석 결과에 대한 정확도를 높이고자 해당 워크로드가 속한 서버 자원의 가용 자원 상태에 따라 서로 다른 가중치를 추가 부여할 수 있다.
도 5는, 모든 워크로드가 sysbench 프로그램을 통해 리소스 사용량을 조절하는 경우, 각 워크로드 기준 할당된 CPU Core 수를 기준으로 CPU %값이 표시된 도면이다.
도 5를 참조하면, “워크로드 C” 에 CPU 4 Core를 추가로 사용하도록 조건 발생하면, 초기에 가장 많이 할당 받은 워크로드 A의 CPU 사용률이 떨어지는 것을 확인할 수 있다.
즉, 워크로드 분석 장치(100)는, 노드가 과부하 상태일 때, 워크로드의 리소스를 분석하면, 과부하 상태인 노드의 가용 가능한 자원이 부족하여 다른 워크로드의 CPU 사용률이 떨어지는 것을 확인할 수 있는 것이다.
따라서, 워크로드 분석 장치(100)는, 서비스별 CPU 사용률을 계산하고, 대기 프로세서의 존재 여부를 판단하게 되며, 이때, 2개 이상의 서비스에서 CPU Usage가 상승과 하강을 동시에 보일 경우 자원이 효율적으로 사용되지 못하는 상태인 것으로 판단할 수 있다.
더불어, 워크로드 분석 장치(100)는, 대기 프로세서의 존재 여부 판단 시, Load Average를 이용할 수 있다.
구체적으로, 워크로드 분석 장치(100)는, sysbench 프로그램을 이용하여, 실행 중 혹은 실행 대기중인 프로세스의 수를 나타내는 Load Average를 분석하여, 각 노드의 물리 CPU Core 수를 기준으로 노드의 상태를 해석할 수 있다.
구체적으로 예를 들면, 워크로드 분석 장치(100)는, 워크로드의 총 부하 요청 크기는 12 Core이며, 노드의 CPU Core는 8이며, Load Average값이 4인 경우, 대기중인 프로세스가 4이며, CPU가 모든 프로세스를 처리하고 있는 중이므로, 현재 노드가 CPU 사용률이 최대치가 아니며, 가용 가능 CPU 자원이 있는 것으로 판단할 수 있다.
다른 예를 드면, 워크로드 분석 장치(100)는, 워크로드의 총 부하 요청 크기는 12 Core이며, 노드의 CPU Core는 8이며, Load Average값이 8인 경우, 대기중인 프로세스가 8이며, CPU가 모든 프로세스를 처리 중이므로, 현재 노드는 CPU 사용률이 최대치로 사용되고 있으며, 가용 가능 CPU 자원이 없는 것으로 판단할 수 있다.
또 다른 예를 들면, 워크로드 분석 장치(100)는, 워크로드의 총 부하 요청 크기는 12 Core이며, 노드의 CPU Core는 8이며, Load Average값이 12인 경우, 대기중인 프로세스가 12이며, CPU가 8개의 프로세스를 처리 중이며, 나머지 4개는 대기 상태이기 때문에, 현재 노드는 CPU 사용률이 최대치로 사용되고 있으며, 과부하 상태로 판단할 수 있다.
즉, 워크로드 분석 장치(100)는, 도 6의 그래프에서 한 워크로드의 CPU 사용률이 줄어든다는 점과 Load Average 값이 12로, 대기 중인 프로세스가 존재한다는 점을 고려하여, 노드가 과부하 상태임을 판단할 수 있다.
워크로드 분석 장치(100)는, 서비스별 CPU 사용률을 계산하고, 실행 중 혹은 실행 대기중인 프로세스의 수를 나타내는 Load Average를 분석하여, 각 노드의 물리 CPU Core 수를 기준으로 노드의 상태를 해석함으로써, 노드가 지원하는 서비스를 여유 자원이 있는 다른 노드로 이관할 것인지 결정하여 가용 자원을 효율적으로 운용할 수 있도록, 워크로드 재배치를 결정할 수 있다.
예를 들면, 워크로드 분석 장치(100)는, 모든 프로세스가 처리 상태이며, 대기 작업이 없는 상태이면, 노드가 갖고 있는 모든 자원이 워크로드에 할당되어, 워크로드들이 효율적으로 동작하는 상태인 것으로 판단하고, 반대로 자원이 효율적으로 사용되지 못하는 것으로 분석되고, 대기 프로세스가 존재하는 경우, 워크로드 상승으로 분석된 결정이 유보되도록 처리할 수 있다.
또한, 워크로드 분석 장치(100)는, 모든 프로세스가 처리 상태이며, 대기 작업이 있는 상태이면, 노드가 갖고 있는 모든 자원이 워크로드에 할당되되, 워크로드들이 모든 작업을 처리하지 못하는 상태인 것으로 판단할 수 있다.
한편, 워크로드 분석 장치(100)는, 다중 요소를 조사한 결과에 해당하는 서비스별 CPU 사용률의 계산하는 과정에서, 워크로드의 전력 사용량을 계산하여, 미래의 단일 시점에서의 워크로드를 예측하고, 예측 결과를 반영하여, 워크로드와 노드의 상태가 과부하 상태인지 판단할 수 있다.
구체적으로, 워크로드 분석 장치(100)는, CPU 사용량, Memory 사용량, Network 사용량 및 Disk I/O 사용량을 기반으로, 전력 사용량 계산에 이용되는 리소스별 상수 값을 계산하고, 계산된 리소스별 상수 값을 선형 회귀(linear regression) 기법에 적용하여, 전력 사용량을 계산할 수 있다.
그리고 워크로드 분석 장치(100)는, 예측 결과, 워크로드의 전력 사용량이 증가할 것으로 예측되면, 워크로드와 노드의 상태가 과부하 상태인지 판단할 수 있다.
이를 통해, 일시적 워크로드 하강과 다른 서비스 및 프로세스 대기 상태에 따른 워크로드 하강 곡선에 대한 오차율을 감소시킬 수 있다.
도 7은, 본 발명의 일 실시예에 따른 워크로드 분석 장치를 이용하는 워크로드 분석 방법의 설명에 제공된 흐름도이다.
본 실시예에 따른 워크로드 분석 방법은, 워크로드 분석 장치(100)를 이용하여, 노드 과부하 상태 감지를 위한 다중 요소를 조사하고(S710), 조사 결과를 기반으로 워크로드 분석을 수행하여(S720), 워크로드 분석 결과에 따라 워크로드 재배치를 결정할 수 있다(S730).
즉, 워크로드 분석 방법은, 서비스별 CPU 사용률을 계산하고, 계산 결과에 따라 대기 프로세서의 존재 여부를 판단하여, 워크로드 계산 결과 및 존재 여부 판단 결과에 따라 워크로드 분석을 수행하는 것이다.
이를 통해, 마이크로 데이터센터와 같이 H/W 사양이 결정된 환경에서 워크로드 분석을 통해 가용 자원을 효율적으로 운용할 수 있으며, 분석된 워크로드를 통해 운영되는 서비스의 응답성을 향상시킬 수 있으며, 소규모 단위로 운영되는 마이크로 데이터센터의 지속적 자동화 관리가 가능하도록 할 수 있다.
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 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
10 : 마이크로 데이터센터
100 : 워크로드 예측 장치
110 : 수집부
120 : 프로세서
130 : 저장부
100 : 워크로드 예측 장치
110 : 수집부
120 : 프로세서
130 : 저장부
Claims (12)
- 워크로드 분석 장치가, 노드 과부하 상태 감지를 위한 다중 요소를 조사하는 단계; 및
워크로드 분석 장치가, 조사 결과를 기반으로, 워크로드 분석을 수행하는 단계;를 포함하고,
다중 요소를 조사하는 단계는,
서비스별 CPU 사용률을 계산하고, 대기 프로세서의 존재 여부를 판단하며,
다중 요소를 조사하는 단계는,
2개 이상의 서비스에서 CPU Usage가 상승과 하강을 동시에 보일 경우 자원이 효율적으로 사용되지 못하는 상태인 것으로 판단하고,
워크로드 분석을 수행하는 단계는,
자원이 효율적으로 사용되지 못하는 것으로 분석되고, 대기 프로세스가 존재하는 경우, 워크로드 상승으로 분석된 결정이 유보되도록 처리하고,
워크로드 분석을 수행하는 단계는,
모든 프로세스가 처리 상태이며, 대기 작업이 없는 상태이면, 노드가 갖고 있는 모든 자원이 워크로드에 할당되어, 워크로드들이 효율적으로 동작하는 상태인 것으로 판단하며,
워크로드 분석을 수행하는 단계는,
워크로드의 전력 사용량을 계산하여, 미래의 단일 시점에서의 워크로드를 예측하고,
예측 결과, 워크로드의 전력 사용량이 증가할 것으로 예측되면, 워크로드와 노드의 상태가 과부하 상태인지 판단하고,
워크로드의 전력 사용량 계산하는 경우, CPU 사용량, Memory 사용량, Network 사용량 및 Disk I/O 사용량을 기반으로, 전력 사용량 계산에 이용되는 리소스별 상수 값을 계산하고, 계산된 리소스별 상수 값을 선형 회귀(linear regression) 기법에 적용하고,
워크로드 분석 방법은,
워크로드 분석 장치가, 워크로드 분석 결과에 따라 워크로드 재배치를 결정하는 단계;를 더 포함하고,
워크로드 분석을 수행하는 단계는,
서비스별 CPU 사용률의 계산 결과와, 실행 중 또는 실행 대기중인 프로세스의 수를 나타내는 Load Average를 분석하여, 각 노드의 물리 CPU Core 수를 기준으로 노드의 상태를 판단하고,
워크로드 재배치를 결정하는 단계는,
가용 자원을 효율적으로 운용할 수 있도록, 워크로드 분석 결과에 따라 노드가 지원하는 서비스를 여유 자원이 있는 다른 노드로 이관할 것인지 결정하는 것을 특징으로 하는 워크로드 분석 방법.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 노드 과부하 상태 감지를 위한 다중 요소를 조사하는 단계; 및
조사 결과를 기반으로, 워크로드 분석을 수행하는 단계;를 포함하고,
다중 요소를 조사하는 단계는,
서비스별 CPU 사용률을 계산하고, 대기 프로세서의 존재 여부를 판단하며,
다중 요소를 조사하는 단계는,
2개 이상의 서비스에서 CPU Usage가 상승과 하강을 동시에 보일 경우 자원이 효율적으로 사용되지 못하는 상태인 것으로 판단하고,
워크로드 분석을 수행하는 단계는,
자원이 효율적으로 사용되지 못하는 것으로 분석되고, 대기 프로세스가 존재하는 경우, 워크로드 상승으로 분석된 결정이 유보되도록 처리하고,
워크로드 분석을 수행하는 단계는,
모든 프로세스가 처리 상태이며, 대기 작업이 없는 상태이면, 노드가 갖고 있는 모든 자원이 워크로드에 할당되어, 워크로드들이 효율적으로 동작하는 상태인 것으로 판단하며,
워크로드 분석을 수행하는 단계는,
워크로드의 전력 사용량을 계산하여, 미래의 단일 시점에서의 워크로드를 예측하고,
예측 결과, 워크로드의 전력 사용량이 증가할 것으로 예측되면, 워크로드와 노드의 상태가 과부하 상태인지 판단하고,
워크로드의 전력 사용량 계산하는 경우, CPU 사용량, Memory 사용량, Network 사용량 및 Disk I/O 사용량을 기반으로, 전력 사용량 계산에 이용되는 리소스별 상수 값을 계산하고, 계산된 리소스별 상수 값을 선형 회귀(linear regression) 기법에 적용하고,
워크로드 분석 방법은,
워크로드 분석 장치가, 워크로드 분석 결과에 따라 워크로드 재배치를 결정하는 단계;를 더 포함하고,
워크로드 분석을 수행하는 단계는,
서비스별 CPU 사용률의 계산 결과와, 실행 중 또는 실행 대기중인 프로세스의 수를 나타내는 Load Average를 분석하여, 각 노드의 물리 CPU Core 수를 기준으로 노드의 상태를 판단하고,
워크로드 재배치를 결정하는 단계는,
가용 자원을 효율적으로 운용할 수 있도록, 워크로드 분석 결과에 따라 노드가 지원하는 서비스를 여유 자원이 있는 다른 노드로 이관할 것인지 결정하는 것을 특징으로 하는 워크로드 분석 방법이 수행되는 컴퓨터 프로그램이 수록된 컴퓨터로 읽을 수 있는 기록매체.
- 서비스별 CPU 사용률에 대한 정보를 수집하는 수집부; 및
수집된 정보를 기반으로, 노드 과부하 상태 감지를 위한 다중 요소를 조사하고, 조사 결과를 기반으로, 워크로드 분석을 수행하는 프로세서;를 포함하고,
프로세서는,
서비스별 CPU 사용률을 계산하고, 대기 프로세서의 존재 여부를 판단하며,
프로세서는,
2개 이상의 서비스에서 CPU Usage가 상승과 하강을 동시에 보일 경우 자원이 효율적으로 사용되지 못하는 상태인 것으로 판단하고,
프로세서는,
자원이 효율적으로 사용되지 못하는 것으로 분석되고, 대기 프로세스가 존재하는 경우, 워크로드 상승으로 분석된 결정이 유보되도록 처리하고,
프로세서는,
모든 프로세스가 처리 상태이며, 대기 작업이 없는 상태이면, 노드가 갖고 있는 모든 자원이 워크로드에 할당되어, 워크로드들이 효율적으로 동작하는 상태인 것으로 판단하며,
프로세서는,
워크로드의 전력 사용량을 계산하여, 미래의 단일 시점에서의 워크로드를 예측하고,
예측 결과, 워크로드의 전력 사용량이 증가할 것으로 예측되면, 워크로드와 노드의 상태가 과부하 상태인지 판단하고,
워크로드의 전력 사용량 계산하는 경우, CPU 사용량, Memory 사용량, Network 사용량 및 Disk I/O 사용량을 기반으로, 전력 사용량 계산에 이용되는 리소스별 상수 값을 계산하고, 계산된 리소스별 상수 값을 선형 회귀(linear regression) 기법에 적용하고,
프로세서는,
워크로드 분석 결과에 따라 워크로드 재배치를 결정하며,
프로세서는,
서비스별 CPU 사용률의 계산 결과와, 실행 중 또는 실행 대기중인 프로세스의 수를 나타내는 Load Average를 분석하여, 각 노드의 물리 CPU Core 수를 기준으로 노드의 상태를 판단하고,
프로세서는,
가용 자원을 효율적으로 운용할 수 있도록, 워크로드 분석 결과에 따라 노드가 지원하는 서비스를 여유 자원이 있는 다른 노드로 이관할 것인지 결정하는 것을 특징으로 하는 워크로드 분석 장치. - 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200126544A KR102427477B1 (ko) | 2020-09-29 | 2020-09-29 | 마이크로 데이터센터내 워크로드 분석을 위한 다중요소 적용 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200126544A KR102427477B1 (ko) | 2020-09-29 | 2020-09-29 | 마이크로 데이터센터내 워크로드 분석을 위한 다중요소 적용 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220043304A KR20220043304A (ko) | 2022-04-05 |
| KR102427477B1 true KR102427477B1 (ko) | 2022-08-01 |
Family
ID=81182531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200126544A KR102427477B1 (ko) | 2020-09-29 | 2020-09-29 | 마이크로 데이터센터내 워크로드 분석을 위한 다중요소 적용 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102427477B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120005683A1 (en) * | 2010-07-02 | 2012-01-05 | International Business Machines Corporation | Data Processing Workload Control |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101040117B1 (ko) * | 2007-12-13 | 2011-06-09 | 한국전자통신연구원 | 다중 시스템 워크로드 관리 시스템 및 방법 |
| KR101113943B1 (ko) * | 2008-12-22 | 2012-03-05 | 한국전자통신연구원 | 워크로드 관리 방법과 장치 및 이를 이용한 분산 컴퓨팅 시스템 |
| KR101171657B1 (ko) * | 2010-12-08 | 2012-08-09 | 텔코웨어 주식회사 | 로드 밸런서 및 이를 이용한 부하 분산 관리 방법 |
| KR20140102478A (ko) * | 2013-02-14 | 2014-08-22 | 한국전자통신연구원 | 워크플로우 작업 스케줄링 장치 및 그 방법 |
-
2020
- 2020-09-29 KR KR1020200126544A patent/KR102427477B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120005683A1 (en) * | 2010-07-02 | 2012-01-05 | International Business Machines Corporation | Data Processing Workload Control |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220043304A (ko) | 2022-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10977086B2 (en) | Workload placement and balancing within a containerized infrastructure | |
| Ghosh et al. | Biting off safely more than you can chew: Predictive analytics for resource over-commit in iaas cloud | |
| US9584597B2 (en) | Hardware level generated interrupts indicating load balancing status for a node in a virtualized computing environment | |
| US9571561B2 (en) | System and method for dynamically expanding virtual cluster and recording medium on which program for executing the method is recorded | |
| US9866481B2 (en) | Comprehensive bottleneck detection in a multi-tier enterprise storage system | |
| Andreolini et al. | Dynamic load management of virtual machines in cloud architectures | |
| US8365182B2 (en) | Method and system for provisioning of resources | |
| US8977908B2 (en) | Method and apparatus for detecting a suspect memory leak | |
| US9559925B2 (en) | Network switch load balance optimization | |
| EP2386948B1 (en) | System and method for managing resources in a partitioned computing system based on resource usage volatility | |
| KR102612841B1 (ko) | 마이크로 데이터센터 내 운용 서비스별 작업 부하 예측 모델 적용 방법 | |
| US20180101413A1 (en) | Control device and control method | |
| US9330424B2 (en) | Power management analysis and modeling for distributed computer systems | |
| CN112162891B (zh) | 服务器集群中的性能测试方法及相关设备 | |
| JP2017041191A (ja) | リソース管理装置、リソース管理プログラム、及びリソース管理方法 | |
| Xue et al. | Managing data center tickets: Prediction and active sizing | |
| US10754547B2 (en) | Apparatus for managing disaggregated memory and method thereof | |
| US9686207B2 (en) | Application service level objective aware demand estimation | |
| GB2613125A (en) | Storage level load balancing | |
| KR101608859B1 (ko) | 클라우드 기반의 지능형 전력제어 시스템 | |
| KR102427477B1 (ko) | 마이크로 데이터센터내 워크로드 분석을 위한 다중요소 적용 방법 | |
| US20130179890A1 (en) | Logical device distribution in a storage system | |
| US20170153845A1 (en) | Information processing apparatus and method executed by an information processing apparatus | |
| KR102427473B1 (ko) | 마이크로 데이터센터내 가용 자원상태 기반 워크로드 예측 정확도 증가 방법 | |
| KR101394365B1 (ko) | 가상화 환경에서 프로세서를 할당하는 장치 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |