KR20130090628A - 모바일 클라우드를 위한 온톨로지 기반의 가상 머신 할당 장치 및 그 방법 - Google Patents

모바일 클라우드를 위한 온톨로지 기반의 가상 머신 할당 장치 및 그 방법 Download PDF

Info

Publication number
KR20130090628A
KR20130090628A KR1020120011901A KR20120011901A KR20130090628A KR 20130090628 A KR20130090628 A KR 20130090628A KR 1020120011901 A KR1020120011901 A KR 1020120011901A KR 20120011901 A KR20120011901 A KR 20120011901A KR 20130090628 A KR20130090628 A KR 20130090628A
Authority
KR
South Korea
Prior art keywords
resource
ontology
service
virtual
module
Prior art date
Application number
KR1020120011901A
Other languages
English (en)
Other versions
KR101324850B1 (ko
Inventor
마용범
이종식
Original Assignee
인하대학교 산학협력단
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 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020120011901A priority Critical patent/KR101324850B1/ko
Publication of KR20130090628A publication Critical patent/KR20130090628A/ko
Application granted granted Critical
Publication of KR101324850B1 publication Critical patent/KR101324850B1/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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • G06F15/161—Computing infrastructure, e.g. computer clusters, blade chassis or hardware partitioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • G06F15/163—Interprocessor communication
    • G06F15/167—Interprocessor communication using a common memory, e.g. mailbox
    • 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
    • G06F9/45504—Abstract machines for programme code execution, e.g. Java virtual machine [JVM], interpreters, emulators
    • 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
    • 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

Landscapes

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

Abstract

모바일 클라우드를 위한 온톨로지 기반의 가상 머신 할당 장치 및 그 방법이 개시된다. 온톨로지 기반의 가상 머신 할당 장치는 모바일 클라우드 컴퓨팅 환경에서 사용자로부터 클라우드 서비스 실행을 위한 작업이 요청되면 클라우드 서비스와 관련된 서비스 수준 협상(Service Level Agreement) 정보를 제공하는 작업 관리부; 및 서비스 수준 협상 정보 및 클라우드 서비스와 관련된 가상 자원 정보에 따라 모바일 클라우드 온톨로지를 생성한 후, 모바일 클라우드 온톨로지에 의한 규칙 기반의 추론을 통해 서비스 수준 협상 정보에 대응되는 가상 자원을 작업에 할당하는 가상 자원 할당부를 포함할 수 있다.

Description

모바일 클라우드를 위한 온톨로지 기반의 가상 머신 할당 장치 및 그 방법{ONTOLOGY-BASED VIRTUAL MACHINE ALLOCATION DEVICE FOR MOBILE CLOUD AND METHOD THEREOF}
본 발명의 실시예들은 모바일 클라우드 컴퓨팅 환경에서 사용자로부터 요청된 작업을 수행하기 위해 가상 머신으로부터 자원을 할당 받는 온톨로지 기반의 가상 머신 할당 장치 및 방법에 관한 것이다.
모바일 클라우드 컴퓨팅 환경에서 사용자는 클라우드 서비스를 이용하기 위해 요구 사항을 기반으로 작업을 요청하고 공급자는 클라우드 서비스 제공을 위해 사용자와 협상한 서비스 수준을 바탕으로 가상 머신으로부터 해당 작업에 맞는 자원을 할당하는 작업이 필요하다. 이러한 작업은 클라우드 컴퓨팅 환경에서 서비스 제공을 위한 자원 분배 시스템에 의해 처리된다.
한국공개특허 제10-2010-0092850호 "클라우드 컴퓨팅 환경에서의 리소스 분배 장치 및 그 방법"에는 클라우드 컴퓨팅 환경에서의 자원 분배를 소프트웨어와 하드웨어로 구분하고 메타 데이터를 저장하며 자원 분배 요청에 따라 가상편성을 생성하는 기술이 개시되어 있다. 또한, 한국공개특허 제10-2010-0138689호 "클라우드 컴퓨팅 서비스를 제공하는 관리 서버 및 방법"에는 클라우드 컴퓨팅 서비스 요청에 따라 가상 머신 및 가상 디바이스를 관리하기 위해 상태 정보, 성능 정보, 접속자 정보, 컴퓨팅 서비스 정보 중 적어도 하나를 포함하여 요구되는 가상 머신의 예측된 개수에 따라 신속한 서비스가 제공되도록 하는 기술이 개시되어 있다.
종래의 클라우드 컴퓨팅 환경에서의 자원 분배 기술은 클라우드 컴퓨팅 서비스 요청이나 서비스 실행을 위한 자원 분배 요청에 따라 가상 머신의 상태나 성능 정보 등을 저장하고 이를 기반으로 가상 머신을 생성 혹은 예측을 하여 클라우드 컴퓨팅 서비스를 실행한다. 그러나, 이러한 기술들은 리소스의 성능 정보를 고려하여 자원을 분배하지만 성능 정보를 등급 별로 나누거나 단지 몇몇 정보만을 기반으로 자원의 수를 예측하여 사용한다는 단점을 지닌다.
따라서, 모바일 클라우드 컴퓨팅 환경에서 서비스 수준 협상에 맞는 자원을 할당하여 높은 질의 서비스를 제공할 수 있는 기술이 요구되고 있다.
모바일 클라우드 컴퓨팅 환경에서 사용자로부터 요청된 작업을 수행하기 위해 가상 머신으로부터 자원을 할당 받는 온톨로지 기반의 가상 머신 할당 장치 및 방법을 제공한다.
모바일 클라우드 환경에서 사용되는 가상 자원과 모바일 클라우드 서비스, 서비스 수준 협상 내역과 같은 가상 머신 할당 시 연관되는 관계나 각각의 속성들의 표현을 표준화할 수 있는 모바일 클라우드 컴퓨팅 환경 온톨로지를 생성하고 미리 정의된 몇 가지 규칙을 통해 요청된 작업에 따른 최적의 가상 머신을 할당하고 높은 질의 서비스를 제공하도록 하는 가상 머신 할당 장치 및 방법을 제공한다.
온톨로지와 규칙 기반의 추론을 실시하여 얻어진 선택자원 후보군들을 다양한 평가 항목을 통해 분석하여 최적의 가상 머신을 탐색하고 할당하는 가상 머신 할당 장치 및 방법을 제공한다.
모바일 클라우드 컴퓨팅 환경에서 사용자로부터 클라우드 서비스 실행을 위한 작업이 요청되면 클라우드 서비스와 관련된 서비스 수준 협상(Service Level Agreement) 정보를 제공하는 작업 관리부; 및 서비스 수준 협상 정보 및 클라우드 서비스와 관련된 가상 자원 정보에 따라 모바일 클라우드 온톨로지를 생성한 후, 모바일 클라우드 온톨로지에 의한 규칙 기반의 추론을 통해 서비스 수준 협상 정보에 대응되는 가상 자원을 작업에 할당하는 가상 자원 할당부를 포함하는 온톨로지 기반의 가상 머신 할당 장치가 제공된다.
일 측면에 따르면, 작업 관리부는 자원 할당을 필요로 하는 작업을 요청 받는 작업큐모듈; 및 작업을 위한 가용성, 연산 속도, 네트워크 대역폭, 저장 크기 중 적어도 하나를 포함하는 서비스 수준 협상 정보를 제공하는 SLA확인모듈을 포함할 수 있다.
다른 측면에 따르면, 온톨로지 기반의 가상 머신 할당 장치는 가상 머신과의 연결 실패로 인한 서비스 중단, 데이터 로딩 오류 및 데이터 손실 중 적어도 하나의 오류 발생 시 고장 방지(fault tolerance) 능력 또는 데이터 복구 기법을 통해 클라우드 서비스를 복구하는 오류 관리부를 더 포함할 수 있다.
또 다른 측면에 따르면, 가상 자원 할당부는 가상 머신을 포함한 가상 자원의 상태 정보를 모니터링 하는 가상자원모니터링모듈을 포함할 수 있다.
또 다른 측면에 따르면, 가상 자원 할당부는 가상 자원 정보를 이용하여 클라우드 서비스와 가상 자원 간의 관계 또는 속성이 정의된 모바일 클라우드 온톨로지를 생성하는 온톨로지생성모듈; 모바일 클라우드 온톨로지를 통해 정의된 규칙을 기반으로 추론을 수행하는 규칙기반추론모듈; 가상자원관리장치에서의 추론 결과를 통해 자원 할당을 위한 선택 자원 후보군을 추출하는 선택자원후보생성모듈; 서비스 수준 협상 정보에 따라 선택 자원 후보군에 대한 서비스 만족율(QR)을 계산한 후 서비스 만족율에 따라 선택 자원 후보군에서 최종 자원을 선택하는 최적자원분석모듈; 및 최종 자원을 제공하는 가상 머신을 선택하는 가상자원할당모듈을 포함할 수 있다.
또 다른 측면에 따르면, 최적자원분석모듈은 선택 자원 후보군의 서비스 질(QoS)과 관련된 항목을 이용하여 서비스 만족율을 계산할 수 있다.
또 다른 측면에 따르면, 온톨로지 기반의 가상 머신 할당 장치는 가용성, 연산 속도, 네트워크 대역폭, 저장 크기 중 적어도 하나를 포함하는 서비스 수준 협상 정보를 이용하여 작업에 대한 서비스 비용을 산정하는 비용 산정부를 더 포함할 수 있다. 이때, 최적자원분석모듈은 선택 자원 후보군의 서비스 비용을 이용하여 서비스 만족율을 계산할 수 있다.
모바일 클라우드 컴퓨팅 환경에서 사용자로부터 클라우드 서비스 실행을 위한 작업이 요청되면 클라우드 서비스와 관련된 서비스 수준 협상(Service Level Agreement) 정보를 제공하는 단계; 및 서비스 수준 협상 정보 및 클라우드 서비스와 관련된 가상 자원 정보에 따라 모바일 클라우드 온톨로지를 생성한 후, 모바일 클라우드 온톨로지에 의한 규칙 기반의 추론을 통해 서비스 수준 협상 정보에 대응되는 가상 자원을 작업에 할당하는 단계를 포함하는 온톨로지 기반의 가상 머신 할당 방법이 제공된다.
본 발명의 실시예에 따르면, 모바일 클라우드 컴퓨팅 환경에서 사용자와 공급자에 의해 협상된 서비스 수준 협상을 반영하고 가상 머신의 상태를 고려하기 위해 가상 머신으로부터 자원 할당에 있어서 온톨로지 기반의 추론과 추론된 결과의 분석을 통한 최적 자원 할당으로 인하여 서비스 질의 평가를 통해 선택된 가상 자원 후보군을 분석함으로써 최적의 가상 자원을 할당하게 하며 자원 효율을 높이고 서비스 질을 높이도록 하는 효과가 있다.
본 발명의 실시예에 따르면, 모바일 클라우드 컴퓨팅 환경에서 사용자와 공급자에 의해 협상된 서비스 수준 협상을 반영하고 가상 머신의 상태를 고려하기 위해 가상 자원 할당에 있어서 온톨로지를 생성하고 규칙 기반의 추론을 실시함으로써 요청된 작업이 서비스 수준 협상을 반영하기 위한 최적의 자원을 할당하여 가상 자원의 상태를 고려할 뿐만 아니라 자원 활용율을 높이는 효과가 있다.
본 발명의 실시예에 따르면, 온톨로지의 확장성과 재사용성을 바탕으로 모바일 클라우드 환경을 보다 자세하게 정의 및 표현할 수 있고, 정의된 개념들을 통해 다양한 정보의 확장이 가능하므로 모바일 클라우드 환경에서 가상 자원의 할당을 위한 편리한 분석 환경을 제공할 수 있다.
본 발명의 실시예에 따르면, 최적자원분석모듈을 통해 가상 자원 할당을 위해 추론된 결과에 대해 서비스 질과 관련된 다양한 평가 항목들을 기반으로 가상 자원을 분석하므로 최적의 자원을 할당하여 해당 작업이 서비스를 실행할 수 있도록 하고, 더 많은 작업이 처리될 수 있도록 할 뿐만 아니라 요청된 작업의 처리효율을 높이는 효과가 있다.
도 1은 본 발명의 일실시예에 있어서, 모바일 클라우드를 위한 온톨로지 기반의 가상 머신 할당 장치의 전체 구성도를 도시한 블록도이다.
도 2는 본 발명의 일실시예에 있어서, 온톨로지 기반으로 가상 머신을 할당하는 과정을 설명하기 위한 흐름도이다.
도 3은 본 발명의 일실시예에 있어서, 온톨로지 기반의 가상 머신 할당을 위한 자원 추론 과정을 설명하기 위한 순서도이다.
도 4는 본 발명의 일실시예에 있어서, 온톨로지 기반의 가상 머신 할당을 위한 모바일 클라우드 온톨로지를 설명하기 위한 순서도이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 발명의 실시예들은 모바일 클라우드 컴퓨팅 환경에서 사용자로부터 요청된 작업을 수행하기 위해 가상 머신으로부터 자원을 할당 받는 온톨로지 기반의 가상 머신 할당 장치 및 방법에 관한 것이다.
일실시예에 따른 온톨로지 기반의 가상 머신 할당 장치 및 방법은 모바일 클라우드 컴퓨팅 환경에서 사용자와 공급자에 의해 협상된 서비스 수준 협상을 반영하고 가상 머신으로부터 최적의 자원을 할당 받기 위해 모바일 클라우드 온톨로지를 구축하고 구축된 온톨로지를 기반으로 규칙 기반의 추론을 실시하며 이를 통해 서비스 수준 협상에 맞는 가상 자원을 할당 받을 수 있도록 가상 자원들을 분석하고 서비스 질을 평가할 수 있다. 따라서, 최적의 자원을 할당하고 이를 통해 사용자로부터 요청된 작업들을 보다 많이 처리하고 서비스를 제공하는 시간을 늘이며 그에 따라 발생할 수 있는 자원 효율을 높임으로써 모바일 클라우드 컴퓨팅 환경에서 서비스 수준 협상에 맞는 자원을 할당하고 높은 질의 서비스를 제공할 수 있다.
도 1은 본 발명의 일실시예에 있어서, 모바일 클라우드를 위한 온톨로지 기반의 가상 머신 할당 장치의 전체 구성도를 도시한 블록도이다.
도 1에 도시한 바와 같이, 일실시예에 따른 온톨로지 기반의 가상 머신 할당 장치는, 모바일 클라우드 환경에서 사용자로부터 서비스 실행을 위한 작업을 요청 받고 해당 작업 정보를 가상 자원 관리부(500)와 비용 산정부(200)에 전달하는 작업 관리부(100); 작업 관리부(100)로부터 작업 할당을 위해 가상 자원을 모니터링 하고 온톨로지 기반의 추론과 다양한 평가 항목에 따른 선택자원 후보군 분석을 통해 최적의 가상 머신 장치를 할당할 수 있도록 가상 자원을 할당하는 가상 자원 할당부(400); 작업 관리부(100)로부터 작업을 전달 받고 전달된 작업에 따른 비용을 책정하는 비용 산정부(200); 가상 자원 할당부(400)로부터 가상 자원에 접근이 거부되거나 자원의 사용이 불가한 경우와 같은 오류를 처리하는 오류 관리부(300); 가상 자원 할당부(400)로부터 가상 머신이 소유한 자원에 대한 정보 갱신을 요청 받고 가상 머신의 자원 정보를 데이터베이스 형태로 보관하며 자원 할당과 같은 가상 머신의 자원 상태 변화에 따라 정보를 갱신하는 가상 자원 관리부(500)로 이루어진다.
이하, 온톨로지 기반의 가상 머신 할당 장치를 구성하고 있는 각 구성요소를 상세하게 설명하면 다음과 같다.
작업 관리부(100)
작업 관리부(100)는 모바일 클라우드 환경에서 사용자로부터 서비스 실행을 위한 작업을 요청 받고 작업 정보를 확인하여 가상 자원 관리부(500)와 비용 산정부(200)에 전달하는 기능을 수행하며, 상술한 기능을 수행하기 위한 내부 구성으로 작업큐모듈(110)과, SLA확인모듈(120)을 포함한다.
작업큐모듈(110)은 모바일 클라우드 환경에서 사용자가 클라우드 서비스를 이용하기 위해 자원 할당을 필요로 하는 작업을 요청 받고 SLA확인모듈(120)에게 클라우드 사용자와 제공자 사이에서 협상된 SLA(Service Level Agreement)에 대한 확인을 요청하며 가상 자원 할당부(400)에 SLA를 포함한 요청된 가상 자원 할당 작업의 정보를 전달하는 기능을 수행한다.
SLA확인모듈(120)은 작업큐모듈(110)로부터 요청된 가상 자원 할당 작업을 위해 가용성, 연산 속도, 네트워크 대역폭, 저장 크기 등과 같은 SLA를 확인하고 비용 산정을 위해 해당 작업의 SLA를 저장 및 관리하는 기능을 수행한다.
비용 산정부 (200)
비용 산정부(200)는 작업 관리부(100)로부터 완료된 가상 자원 할당 작업을 전달 받고 사용한 내역을 기반으로 비용을 산정하고 청구하는 기능을 수행하며, 상술한 기능을 수행하기 위한 내부 구성으로 비용확인모듈(210)과, 비용과금모듈(220)을 포함한다.
비용확인모듈(210)은 작업 관리부(100)로부터 가상 자원 할당 작업을 요청 받고 가용성, 연산량, 네트워크 대역폭, 저장 크기 등과 같은 클라우드 서비스 사용에 관련된 내역을 확인하고 확인된 내역을 비용과금모듈(220)에게 전달하는 기능을 수행한다.
비용과금모듈(220)은 비용확인모듈(210)로부터 확인된 가상 자원 사용 내역을 기반으로 청구 비용을 계산하는 기능을 수행한다.
오류 관리부(300)
오류 관리부(300)는 오류복구모듈(310)로 구성될 수 있다. 이때, 오류복구모듈(310)은 가상 자원 할당부(400)의 가상자원모니터링모듈(410)로부터 가상 머신과의 연결 실패로 인한 서비스 중단이나 데이터를 잘못 읽어 들이는 오류 및 데이터 손실 등과 같은 오류 발생 시 서비스를 지속시킬 수 있도록 고장 방지(fault tolerance) 능력이나 데이터 복구 기법을 통해 즉시 복구하는 기능을 수행한다.
가상 자원 할당부 (400)
가상 자원 할당부(400)는 가상 자원 할당 작업을 요청 받고 요청 받은 작업에서 클라우드 서비스 형태와 가상 머신의 상태에 따른 최적의 가상 자원 할당을 위해 온톨로지를 생성하고 규칙 기반의 추론을 하며 서비스 사용 기간, 가용성, 응답속도, 처리율 등의 평가 항목에 기반하여 최적의 가상 자원을 분석하고 분석된 결과에 따라 요청된 작업에 자원을 할당하는 기능을 수행하며, 상술한 기능을 수행하기 위한 내부 구성으로 가상자원모니터링모듈(410)과, 가상자원관리장치(420)를 포함한다. 가상자원관리장치(420)는 도 1에 도시한 바와 같이 온톨로지생성모듈(431) 및 규칙기반추론모듈(432)을 포함한 가상자원추론장치(430), 선택자원후보생성모듈(421), 최적자원분석모듈(422), 가상자원할당모듈(423)로 구성된다.
상술한 바와 같은 구성으로 이루어지는 본 발명에 따른 온톨로지 기반의 가상 자원 할당 방법은, 도 2에 도시한 바와 같이 정보송수신과정(S21)과, 선택자원후보생성과정(S22), 그리고 최적자원분석과정(S23)으로 크게 구분되며, 각 과정을 설명하면 다음과 같다.
모바일 클라우드 컴퓨팅 환경에서 사용자로부터 클라우드 서비스 실행을 위한 작업이 요청되면, 작업 관리부(100)가 작업큐모듈(110)을 통해 SLA확인모듈(120)로부터 가용성, 연산 속도, 네트워크 대역폭, 저장 크기 등과 같은 SLA를 확인하고 가상 자원 할당부(400)의 가상자원모니터링모듈(410)에게 가상 자원 할당 작업을 전달하고 가상 자원 관리부(500)의 가상자원정보송수신모듈(510)을 통해 자원 사용이 완료될 때까지 주기적으로 가상 자원 정보를 전달 및 갱신한다(정보송수신과정)(S21).
상술한 정보송수신과정(S21)에 의해 전달된 정보들은 가상 자원 할당부(400)가 가상자원모니터링모듈(410)을 통해 수신하고 가상자원관리장치(420) 내 가상자원추론장치(430)의 온톨로지생성모듈(431)에게 전달하여 모바일 클라우드 온톨로지를 생성하고, 이에 가상자원추론장치(430)의 규칙기반추론모듈(432)에서 규칙 기반의 추론을 하며 추론된 결과를 선택자원후보생성모듈(421)에 전달한다(선택자원후보생성과정)(S22).
상기 선택자원후보생성과정(S22)을 도 3을 참조하여 상세하게 설명하면 다음과 같다.
작업 관리부(100)의 SLA확인모듈(120)에서 클라우드 서비스 형태, 가용성, 연산 속도, 네트워크 대역폭, 저장 크기 등과 같은 SLA에 포함된 정보를 획득하고(S31) 가상 자원 할당부(400)의 가상자원모니터링모듈(410)에서 가상 머신들의 자원 상태 정보를 획득한다(S32).
가상자원관리장치(420)의 온톨로지생성모듈(431)에서 SLA확인모듈(120)과 가상자원모니터링모듈(410)로부터 받은 정보들을 기반으로 모바일 클라우드 온톨로지를 생성하기 위해 모바일 클라우드 서비스 및 가상 자원들을 표현하고 사용자의 요구와 SLA에 기반한 가상 머신을 할당할 수 있도록 표 1과 같이 클래스를 정의한다(S33).
표 1에 의해 정의된 클래스를 사용하여 구성된 모바일 클라우드 온톨로지의 클래스 및 클래스 사이의 연관 구조는 도 4와 같다.
Figure pat00001
모바일 클라우드 온톨로지를 도 4를 참조하여 상세하게 설명하면 다음과 같다.
온톨로지를 구성하는 클래스는 OWL(Ontology Web Language)에서 정의되어 각각의 노드로 표현된다. 각 클래스는 해당 클래스에 포함된 개체들의 속성이 모두 동일한 개체들의 집합이고, 속성은 클래스 내 개체들 사이에서 정의되는 성질을 나타낸다. 예를 들어 도 4의 "VirtualizedResource" 클래스는 "ServerVirtualization", "StorageVitualization", "NetworkVirtualization" 클래스를 하위 클래스로 가지며 "ID", "Availability", "Usage" 등과 같은 속성들이 정의될 수 있고 이 속성들은 하위 클래스들에 상속되어 공통적으로 사용될 수 있는 속성이다. 각각의 클래스는 서로 연관될 수 있는데 이러한 관계는 표 2와 같이 표현된다. "subClassOf" 관계는 한 클래스가 다른 클래스의 하위 클래스인 경우 선언될 수 있으며 하위 클래스는 상위 클래스의 정보를 상속받아 계층적 구조를 이룬다. 표 2에서 제약 조건들은 서로 다른 클래스 간의 관계를 정의하기 위해 선언된다. 예를 들어, "VirtualizedResource" 클래스의 경우, "registeredToVMM" 라는 제약 조건을 가질 수 있도록 정의되고 이 속성에 의해 "VirtualMachineManager" 클래스와 관계를 가질 수 있고 이 관계는 "VirtualizedResource는 VirtualMachineManager에 등록된다(registeredToVMM)"라고 표현될 수 있다.
Figure pat00002
다시 도 3에서, 규칙기반추론모듈(432)은 온톨로지생성모듈(431)에서 생성된 모바일 클라우드 온톨로지를 기반으로 클래스 간의 관계를 통해 의미를 부여하기 위해 Semantic Web Rule Language(SWRL)을 이용하여 표 3과 같이 몇 가지 규칙을 정의하고 정의된 규칙을 기반으로 추론을 실시한다(S34).
표 3에서 정의된 규칙을 자세하게 설명하면 다음과 같다.
VirtualizedResource 클래스에 속한 임의의 개체가 registeredToVMM 속성을 가지며 예상되는 사용 종료 기한(expectTime)이 요청되는 사용 기한(qDeadline) 이하(<=)이고 예상되는 비용(expectCost)이 요청되는 예산(qBudget)보다 적다면 해당 VirtualizedResource는 가용 자원(AvailableResource)이라고 정의한다. VirtualizedResource 클래스와 VirtualMachineManager 클래스는 registerdToVMM 속성을 통해 관계를 가지게 되며 규칙 1과 2를 통해 임의의 VirtualizedResource 는 임의의 VirtualMachineManager 클래스와 registerdToVMM 관계를 갖고 가용 자원임을 판단한다고 정의될 수 있다.
Figure pat00003
규칙 3을 통해 임의의 가용 자원(AvailableResource)이 요청하는 서비스 형태(qServiceType)와 hasServiceType 속성을 통해 동일한 서비스 형태를 갖고 있다는 관계를 가지며 해당 AvailableResource 는 후보군 자원(CandidateResource)이라고 정의한다.
규칙 4를 통해 임의의 가상 자원(VirtualizedResource)이 winXP나 winNT와 같은 osType 속성을 가지고 연산 속도(cpuSpeed)가 1.80 이상이며 메모리 크기(ramSize)가 1024보다 크고 네트워크 대역폭(bandwidth)이 100 이상이면 ComputeService 와 hasServiceType 관계를 갖는다고 정의될 수 있다.
규칙 5를 통해 임의의 가상 자원(VirtualizedResource)이 win200Server나 win2003Server와 같은 osType 속성을 가지고 응답 속도(responseTime)가 3.0 이상이며 비용(cost)이 200 이상이며 저장 크기(storageSize)가 100 이상이면 WebApplication 서비스와 hasServiceType 관계를 갖는다고 정의될 수 있다.
상기 규칙들은 도 4에 도시된 클래스와 표 2에 나타낸 클래스 내 속성들을 이용하여 새롭게 정의된 개체들의 집합을 구성하고, SWRL의 규칙에 따라 처리된다.
다시 도 3에서, 규칙기반추론모듈(432)은 추론된 선택자원 탐색 결과를 기반으로 자원을 할당하기 위해 추론 결과를 선택자원후보생성모듈(421)에 전달한다(S35).
선택자원후보생성모듈(421)은 전송받은 추론 결과를 통해 자원 할당을 위한 선택자원 후보군을 생성한다(S36).
상술한 선택자원후보생성과정(S22)에 의해 전달된 정보들은 가상 자원 할당부(400)가 최적자원분석모듈(422)을 통해 서비스 만족율(QR)을 계산하고 분석하여 최적의 후보 자원을 선택한다(최적자원분석과정)(S23).
상기 최적자원분석과정(S23)을 상세하게 설명하면 다음과 같다.
선택자원후보생성모듈(421)은 선택자원후보생성과정(S22)에서 생성된 선택자원들을 바탕으로 최적자원분석모듈(422)이, 서비스 만족율(QR)을 계산하기 위해 후보군 자원들의 서비스 질(QoS)과 관련된 서비스 비용, 응답 시간, 신뢰성, 가용성 등을 측정하고 측정된 결과를 최적자원분석모듈(422)에게 전송한다.
최적자원분석모듈(422)이 해당 작업의 모든 SLA에 대한 서비스 질(QoS) 항목을 평가할 때까지 서비스 질(QoS) 관련 항목에 대한 측정을 반복한 후 모든 QoS 항목의 측정된 결과를 저장하고 아래의 수학식 1에 따라 서비스 만족율(QR)을 분석한 후 최적의 후보 자원을 선택한다.
Figure pat00004
여기서, Qp는 클라우드 제공자의 능력에 따라 제공된 QoS값을 의미하고 Qu는 클라우드 사용자로부터 요청된 QoS 값을 의미한다. n은 QoS를 평가하기 위한 응답 시간, 신뢰성, 가용성 등과 같은 QoS 항목들을 나타낸다.
최적의 후보 자원 선택 단계까지 완료된 후, 가상자원할당모듈(423)이 최적자원분석모듈(422)에서 선택된 결과를 바탕으로 가상 자원의 상태와 SLA를 충분히 반영한 자원을 할당하고 해당 가상 머신의 정보를 갱신할 수 있도록 가상 자원 관리부(500)의 가상자원정보송수신모듈(510)에게 전송하고 다음 작업을 수행하기 위해 작업 관리부(100)의 작업큐모듈(110)에게 다음 작업을 요청한다.
가상 자원 관리부(500)
다시 도 1을 참조하면, 가상 자원 관리부(500)는 가상자원정보송수신모듈(510)과 가상자원상태DB(520)로 구성되며, 가상 자원을 제공하는 가상 머신의 정보를 관리하고 가상자원정보송수신모듈(510)을 통해 가상 자원 할당부(400)와 통신하여 가상 자원 할당에 따른 가상 머신의 상태 정보 변화에 따라 가상자원상태DB(520)를 갱신시키는 기능을 수행한다.
이와 같이, 본 실시예에 따르면, 모바일 클라우드 컴퓨팅 환경에서 사용자와 공급자에 의해 협상된 서비스 수준 협상을 반영하고 가상 머신의 상태를 고려하기 위해 가상 머신으로부터 자원 할당에 있어서 온톨로지 기반의 추론과 추론된 결과의 분석을 통한 최적 자원 할당으로 인하여 서비스 질의 평가를 통해 선택된 가상 자원 후보군을 분석함으로써 최적의 가상 자원을 할당하게 하며 자원 효율을 높이고 서비스 질을 높일 수 있다.
본 발명의 실시예에 따른 방법들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 또한, 상술한 파일 시스템은 컴퓨터 판독이 가능한 기록 매체에 기록될 수 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 작업 관리부 110: 작업큐모듈
120: SLA확인모듈 200: 비용 산정부
210: 비용확인모듈 220: 비용과금모듈
300: 오류 관리부 310: 오류복구모듈
400: 가상 자원 할당부 410: 가상자원모니터링모듈
420: 가상자원관리장치 421: 선택자원후보생성모듈
422: 최적자원분석모듈 423: 가상자원할당모듈
430: 가상자원추론장치 431: 온톨로지생성모듈
432: 규칙기반추론모듈 500: 가상 자원 관리부
510: 가상자원정보송수신모듈 520: 가상자원상태DB

Claims (9)

  1. 모바일 클라우드 컴퓨팅 환경에서 사용자로부터 클라우드 서비스 실행을 위한 작업이 요청되면 상기 클라우드 서비스와 관련된 서비스 수준 협상(Service Level Agreement) 정보를 제공하는 작업 관리부; 및
    상기 서비스 수준 협상 정보 및 상기 클라우드 서비스와 관련된 가상 자원 정보에 따라 모바일 클라우드 온톨로지를 생성한 후, 상기 모바일 클라우드 온톨로지에 의한 규칙 기반의 추론을 통해 상기 서비스 수준 협상 정보에 대응되는 가상 자원을 상기 작업에 할당하는 가상 자원 할당부
    를 포함하는 온톨로지 기반의 가상 머신 할당 장치.
  2. 제1항에 있어서,
    상기 작업 관리부는,
    자원 할당을 필요로 하는 상기 작업을 요청 받는 작업큐모듈; 및
    상기 작업을 위한 가용성, 연산 속도, 네트워크 대역폭, 저장 크기 중 적어도 하나를 포함하는 상기 서비스 수준 협상 정보를 제공하는 SLA확인모듈
    을 포함하는 온톨로지 기반의 가상 머신 할당 장치.
  3. 제1항에 있어서,
    상기 온톨로지 기반의 가상 머신 할당 장치는,
    가상 머신과의 연결 실패로 인한 서비스 중단, 데이터 로딩 오류 및 데이터 손실 중 적어도 하나의 오류 발생 시 고장 방지(fault tolerance) 능력 또는 데이터 복구 기법을 통해 상기 클라우드 서비스를 복구하는 오류 관리부
    를 더 포함하는 온톨로지 기반의 가상 머신 할당 장치.
  4. 제1항에 있어서,
    상기 가상 자원 할당부는,
    가상 머신을 포함한 가상 자원의 상태 정보를 모니터링 하는 가상자원모니터링모듈
    을 포함하는 온톨로지 기반의 가상 머신 할당 장치.
  5. 제1항에 있어서,
    상기 가상 자원 할당부는,
    상기 가상 자원 정보를 이용하여 상기 클라우드 서비스와 가상 자원 간의 관계 또는 속성이 정의된 상기 모바일 클라우드 온톨로지를 생성하는 온톨로지생성모듈;
    상기 모바일 클라우드 온톨로지를 통해 정의된 규칙을 기반으로 추론을 수행하는 규칙기반추론모듈;
    상기 가상자원관리장치에서의 추론 결과를 통해 자원 할당을 위한 선택 자원 후보군을 추출하는 선택자원후보생성모듈;
    상기 서비스 수준 협상 정보에 따라 상기 선택 자원 후보군에 대한 서비스 만족율(QR)을 계산한 후 상기 서비스 만족율에 따라 상기 선택 자원 후보군에서 최종 자원을 선택하는 최적자원분석모듈; 및
    상기 최종 자원을 제공하는 가상 머신을 선택하는 가상자원할당모듈
    을 포함하는 온톨로지 기반의 가상 머신 할당 장치.
  6. 제5항에 있어서,
    상기 최적자원분석모듈은,
    상기 선택 자원 후보군의 서비스 질(QoS)과 관련된 항목을 이용하여 상기 서비스 만족율을 계산하는 것
    을 특징으로 하는 온톨로지 기반의 가상 머신 할당 장치.
  7. 제5항에 있어서,
    상기 온톨로지 기반의 가상 머신 할당 장치는,
    가용성, 연산 속도, 네트워크 대역폭, 저장 크기 중 적어도 하나를 포함하는 상기 서비스 수준 협상 정보를 이용하여 상기 작업에 대한 서비스 비용을 산정하는 비용 산정부
    를 더 포함하고,
    상기 최적자원분석모듈은,
    상기 선택 자원 후보군의 상기 서비스 비용을 이용하여 상기 서비스 만족율을 계산하는 것
    을 특징으로 하는 온톨로지 기반의 가상 머신 할당 장치.
  8. 가상 머신 할당 장치에서의 가상 머신을 할당하는 방법에 있어서,
    모바일 클라우드 컴퓨팅 환경에서 사용자로부터 클라우드 서비스 실행을 위한 작업이 요청되면 상기 클라우드 서비스와 관련된 서비스 수준 협상(Service Level Agreement) 정보를 제공하는 단계; 및
    상기 서비스 수준 협상 정보 및 상기 클라우드 서비스와 관련된 가상 자원 정보에 따라 모바일 클라우드 온톨로지를 생성한 후, 상기 모바일 클라우드 온톨로지에 의한 규칙 기반의 추론을 통해 상기 서비스 수준 협상 정보에 대응되는 가상 자원을 상기 작업에 할당하는 단계
    를 포함하는 온톨로지 기반의 가상 머신 할당 방법.
  9. 제8항에 있어서,
    상기 서비스 수준 협상 정보에 따른 가상 자원을 상기 작업에 할당하는 단계는,
    상기 가상 자원 정보를 이용하여 상기 클라우드 서비스와 가상 자원 간의 관계 또는 속성이 정의된 상기 모바일 클라우드 온톨로지를 생성하는 단계;
    상기 모바일 클라우드 온톨로지를 통해 정의된 규칙을 기반으로 상기 가상 자원에 대한 추론을 수행하는 단계;
    상기 추론을 통해 자원 할당을 위한 선택 자원 후보군을 추출하는 단계;
    상기 서비스 수준 협상 정보에 따라 상기 선택 자원 후보군에 대한 서비스 만족율(QR)을 계산하는 단계; 및
    상기 서비스 만족율에 따라 상기 선택 자원 후보군에서 최종 자원을 선택하여 상기 최종 자원을 제공하는 가상 머신을 선택하는 단계
    를 포함하는 온톨로지 기반의 가상 머신 할당 방법.
KR1020120011901A 2012-02-06 2012-02-06 모바일 클라우드를 위한 온톨로지 기반의 가상 머신 할당 장치 및 그 방법 KR101324850B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120011901A KR101324850B1 (ko) 2012-02-06 2012-02-06 모바일 클라우드를 위한 온톨로지 기반의 가상 머신 할당 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120011901A KR101324850B1 (ko) 2012-02-06 2012-02-06 모바일 클라우드를 위한 온톨로지 기반의 가상 머신 할당 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20130090628A true KR20130090628A (ko) 2013-08-14
KR101324850B1 KR101324850B1 (ko) 2013-11-01

Family

ID=49216176

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120011901A KR101324850B1 (ko) 2012-02-06 2012-02-06 모바일 클라우드를 위한 온톨로지 기반의 가상 머신 할당 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR101324850B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105100184A (zh) * 2014-05-19 2015-11-25 英特尔公司 虚拟机的可靠且确定的实时迁移
KR101703933B1 (ko) * 2015-09-04 2017-02-08 주식회사 바다정보시스템 개인용 클라우드 서비스 제공 방법
CN108712480A (zh) * 2018-05-02 2018-10-26 上海交通大学 数据中心中的非it资源分配方法和系统
CN112184469A (zh) * 2020-10-23 2021-01-05 腾讯科技（深圳）有限公司 群组互动方法、装置、设备以及存储介质
KR102233705B1 (ko) * 2020-09-10 2021-03-30 (유)아홉 모바일 가상화 방법 및 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100967120B1 (ko) * 2008-10-14 2010-07-05 인하대학교 산학협력단 온톨로지 추론을 이용한 그리드 자원 관리장치
US8676848B2 (en) 2010-06-09 2014-03-18 International Business Machines Corporation Configuring cloud resources

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105100184A (zh) * 2014-05-19 2015-11-25 英特尔公司 虚拟机的可靠且确定的实时迁移
CN105100184B (zh) * 2014-05-19 2020-07-10 英特尔公司 虚拟机的可靠且确定的实时迁移
KR101703933B1 (ko) * 2015-09-04 2017-02-08 주식회사 바다정보시스템 개인용 클라우드 서비스 제공 방법
CN108712480A (zh) * 2018-05-02 2018-10-26 上海交通大学 数据中心中的非it资源分配方法和系统
CN108712480B (zh) * 2018-05-02 2021-03-16 上海交通大学 数据中心中的非it资源分配系统
KR102233705B1 (ko) * 2020-09-10 2021-03-30 (유)아홉 모바일 가상화 방법 및 장치
CN112184469A (zh) * 2020-10-23 2021-01-05 腾讯科技（深圳）有限公司 群组互动方法、装置、设备以及存储介质
CN112184469B (zh) * 2020-10-23 2023-07-11 腾讯科技（深圳）有限公司 群组互动方法、装置、设备以及存储介质

Also Published As

Publication number Publication date
KR101324850B1 (ko) 2013-11-01

Similar Documents

Publication Publication Date Title
US10691647B2 (en) Distributed file system metering and hardware resource usage
US9531604B2 (en) Prediction-based provisioning planning for cloud environments
US9336059B2 (en) Forecasting capacity available for processing workloads in a networked computing environment
US20170046191A1 (en) Capacity risk management for virtual machines
KR101324850B1 (ko) 모바일 클라우드를 위한 온톨로지 기반의 가상 머신 할당 장치 및 그 방법
US8806483B2 (en) Determining starting values for virtual machine attributes in a networked computing environment
US20210216346A1 (en) Hypervisor and container placement and cost optimization utilizing machine learning
Angela Jennifa Sujana et al. Trust model based scheduling of stochastic workflows in cloud and fog computing
Anastasi et al. Smart cloud federation simulations with cloudsim
CN111722933B (zh) 分布式进程之间的死锁解决
Mostafavi et al. A stochastic approximation approach for foresighted task scheduling in cloud computing
Nasim et al. Robust optimization for energy-efficient virtual machine consolidation in modern datacenters
Wang et al. Research on virtual machine consolidation strategy based on combined prediction and energy-aware in cloud computing platform
Bharathan et al. Penalty based mathematical models for web service composition in a geo-distributed cloud environment
US8819239B2 (en) Distributed resource management systems and methods for resource management thereof
Tsagkaropoulos et al. Severity: a QoS-aware approach to cloud application elasticity
Hsu et al. A proactive, cost-aware, optimized data replication strategy in geo-distributed cloud datastores
Bose et al. A framework for heterogeneous resource allocation in sensor-cloud environment
El Kassabi et al. A multi-dimensional trust model for processing big data over competing clouds
Shyam et al. Modelling resource virtualisation concept in cloud computing environment using finite state machines
Moldovan et al. MELA: elasticity analytics for cloud services
Antonescu et al. Improving management of distributed services using correlations and predictions in SLA-driven cloud computing systems
Shameem et al. An effective resource management in cloud computing
Giachino et al. Statically and dynamically verifiable SLA metrics
US20210397717A1 (en) Software information analysis

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170829

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20180823

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190819

Year of fee payment: 7