KR20150049342A - 가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산 방법 및 고가용성 부하 분산 장치 - Google Patents

가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산 방법 및 고가용성 부하 분산 장치 Download PDF

Info

Publication number
KR20150049342A
KR20150049342A KR1020130129776A KR20130129776A KR20150049342A KR 20150049342 A KR20150049342 A KR 20150049342A KR 1020130129776 A KR1020130129776 A KR 1020130129776A KR 20130129776 A KR20130129776 A KR 20130129776A KR 20150049342 A KR20150049342 A KR 20150049342A
Authority
KR
South Korea
Prior art keywords
virtual machine
load
failure
unit
analysis unit
Prior art date
Application number
KR1020130129776A
Other languages
English (en)
Other versions
KR101569038B1 (ko
Inventor
이창명
권한철
김정대
박현우
하헌진
윤일노
Original Assignee
에스코어 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 에스코어 주식회사 filed Critical 에스코어 주식회사
Priority to KR1020130129776A priority Critical patent/KR101569038B1/ko
Publication of KR20150049342A publication Critical patent/KR20150049342A/ko
Application granted granted Critical
Publication of KR101569038B1 publication Critical patent/KR101569038B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0709—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a distributed system consisting of a plurality of standalone computer nodes, e.g. clusters, client-server systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)
  • Hardware Redundancy (AREA)

Abstract

본 발명은 가상 머신이 자동으로 확장 및 축소되는 클러스터 내의 가상 머신들로부터 수집된 데이터를 기초로 하여 장애 가상 머신을 판별하고 이를 이용한 고가용성 부하 분산 방법에 관한 것으로서, 시스템 관리자가 설정한 장애 정책을 기반하여 장애가 발생한 가상 머신을 판별하여 격리 및 교체하는 방법, 그리고 이 변경된 사항을 부하 분산기에 동적으로 적용하여 가용성이 높게 되도록 하기 위한 부하 분산 방법 및 그 장치에 관한 것이다.

Description

가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산 방법 및 고가용성 부하 분산 장치{High Availability Load Balancing Method and Apparatus for Cluster Expanding and Reduciing Virtual Machine Automatically}
본 발명은 가상 머신이 자동으로 확장 및 축소되는 클러스터 내의 가상 머신들로부터 수집된 데이터를 기초로 하여 장애 가상 머신을 판별하고 이를 이용한 고가용성 부하 분산 방법에 관한 것으로서, 시스템 관리자가 설정한 장애 정책을 기반하여 장애가 발생한 가상 머신을 판별하여 격리 및 교체하는 방법, 그리고 이 변경된 사항을 부하 분산기에 동적으로 적용하여 가용성이 높게 되도록 하기 위한 부하 분산 방법 및 그 장치에 관한 것이다.
일반적으로 클라우드 환경에서는 저가의 서버를 이용하여 가상 머신이 자동으로 확장 및 축소되는 클러스터를 구성하고, 부하 분산기를 사용하여 클라이언트의 요청을 클러스터 내에 속하는 여러 대의 가상 머신으로 부하를 분산하는 방법이 널리 사용되고 있다.
또, 클러스터 내의 서버의 부하량에 따라 부하를 분산하는 방법으로는 부하량에 따라 서버를 자동으로 확장 및 축소하고 이를 부하 분산기에 등록 및 탈퇴하여 부하를 분산하는 방법과 클러스터 내의 단일 서버별로 부하에 대한 가중치를 두어 서버의 부하량에 따라 가중치를 조정하고 실행시간에 부하 분산기에 동적으로 변경하여 부하를 분산하는 방법도 사용되고 있다.
그런데, 이러한 방법들은 저가의 서버를 이용해서, 가상 머신이 자동으로 확장 및 축소되는 클러스터를 구성한 시스템에서 사용하는 경우, 저가의 서버에 기인하는 장애가 발생하는 빈도가 높기 때문에 시스템 성능이 저하되고, 이로 인하여 비정상적인 부하가 가상 머신의 부하량에 포함되어 불필요한 가상 머신의 생성 및 삭제, 그리고 가중치 조정을 야기시켜서, 운용 비용의 증가와 잠재적인 서비스의 불안 요소를 감지하지 못하는 문제가 있었다.
상기의 문제점을 해결하기 위하여 본 발명은 장애가 발생한 가상 머신을 판별하기 위해 시스템 관리자가 장애 정책을 설정하고, 이를 기반으로 가상 머신으로부터 실시간으로 수집된 데이터를 분석하여 장애가 발생한 가상 머신을 판별하고 가상 머신을 격리 및 교체하고, 이 변경된 사항을 실행 시간에 부하 분산기에 동적으로 적용하여 가용성이 높게 되도록 하기 위해 부하를 분산하는 방법 및 장치를 제공하는데 그 목적이 있다.
상기 과제를 해결하기 위해서, 본 발명은, 다수의 서버로 이루어져 클로스터화된 가상 머신과, 이들 클로스터화된 가상 머신으로부터 데이터를 수집하여 각 가상 머신의 부하 상태를 분석하고 장애 정책에 따라 장애를 분석하며 부하 및 장애에 따라 가상 머신을 관리하는 서버측 가상 머신 제어부와, 부하량에 따라 서버측의 가상 머신을 선택하는 부하 분석기와, 서버측 가상 머신 제어부에 설정된 감시할 데이터에 대하여 가상 머신을 주기적으로 감시하고 실시간으로 그 결과를 가상 머신 제어부로 전송하는 시스템 관리자로 이루어지는 것에 특징이 있다.
아울러, 본 발명은, 서버측에 클러스터를 생성하고 상기 클러스터 내에 생성할 수 있는 가상 머신의 최소와 최대 용량을 설정하고, 부하 분석부에 있어서 다수의 클라이언트로부터 발생되는 트랜잭션의 부하량에 따라 가상 머신의 용량을 조절히기 위한 정책을 설정하고, 이어서 장애 분석부에 있어서 장애 가상 머신을 판별하기 위한 정책을 설정하고, 클러스터에 생성할 가상 머신 최소 용량으로 가상 머신 관리부에서 가상 머신을 생성하며, 생성된 클러스터의 가상 머신을 동적으로 부하 분산기에 등록하는 가상 머신의 생성 및 등록 단계와, 클라이언트 측의 요구에 의해 서버측의 가상 머신이 부하를 처리하는 도중에 클러스터화된 가상 머신 중의 일부에 장애가 발생하면 장애 가상 머신을 제거, 격리하기 위해서, 클러스터에 속한 가상 머신의 데이터를 데이터 수집부를 통해 수집하고, 장애 분석부를 통해 기설정된 장애 정책에 따라 장애 가상 머신을 판별하여 시스템 관리자에게 통보하고 격리 및 교체를 위해 그 결과를 가상 머신 관리부로 전송하며, 아울러 부하 분석부를 통해 부하량을 산출하여 기설정된 정책에 따라 가상 머신 용량을 조절하고 그 결과를 상기 가상 머신 관리부로 전송하고, 이어서 가상 머신 관리부가 장애 분석부와 부하 분석부의 결과를 바탕으로 가상 머신을 제거, 격리하고하며, 동적 구성부를 통해 클러스터 내에 변경된 내용을 부하 분산기에 등록하는 장애 머신을 제거 및 격리하는 단계로 이루어지는 것에 특징이 있다.
본 발명에 의하면 장애가 발생한 가상 머신을 판별하기 위해 시스템 관리자가 장애 정책을 설정하고, 이를 기반으로 가상 머신으로부터 실시간으로 수집된 데이터를 분석하여 장애가 발생한 가상 머신을 판별하고 가상 머신을 격리 및 교체하고, 이 변경된 사항을 실행 시간에 부하 분산기에 동적으로 적용하여 가용성이 높게 될 수 있으므로, 종래 비정상적인 부하가 가상 머신의 부하량에 포함되어 불필요한 가상 머신의 생성 및 삭제 등으로 인한 운용 비용의 증가와 잠재적인 서비스의 불안 요소를 해소할 수 있는 효과가 있다.
도 1은 본 발명에 따른 가상 머신이 자동으로 확장 및 축소되는 클러스터에 대하여 부하를 분산하는 시스템의 전체 구성도.
도 2는 본 발명에 따른 가상 머신을 생성 및 등록하고, 장애를 판별하기 위한 정책을 설정하는 단계를 나타내는 순서도.
도 3은 본 발명에 의한 가상 머신의 장애 정책에 따라 가상 머신을 생성, 제거 및 격리하는 단계를 나타내는 순서도.
먼저, 본 발명의 가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산을 위한 시스템에 대하여 설명한다.
도 1에 도시된 바와 같이, 본 발명의 시스템은, 다수의 서버로 이루어져 클로스터화된 가상 머신(20)과, 이들 클로스터화된 가상 머신으로부터 데이터를 수집하여 각 가상 머신의 부하 상태를 분석하고 장애 정책에 따라 장애를 분석하며 부하 및 장애에 따라 가상 머신을 관리하는 서버측 가상 머신 제어부(30)와, 부하량에 따라 서버측의 가상 머신을 선택하는 부하 분석기(40)와, 서버측 가상 머신 제어부에 설정된 감시할 데이터에 대하여 가상 머신을 주기적으로 감시하고 실시간으로 그 결과를 가상 머신 제어부로 전송하는 시스템 관리자(50)로 구성된다.
상기 가상 머신(20)은 다수의 서버로 이루어지며 다수의 운영체제를 구동하는 하이퍼바이저(hypervisor)의 운영체제로 동작되는 가상의 컴퓨터로 이루어지며, 상기 부하 분석기(40)는 다수의 클라이언트(10)로부터 발생하는 트랜잭션을 분산시키기 위하여 특정한 알고리즘에 의해 부하 상태에 따라서 가상 머신을 선택하게 된다.
상기 서버측 가상 머신 제어부(30)는, 시스템 관리자(50)에 의해 클러서터화된 가상 머신(20)으로부터의 가상 머신의 상태에 관한 데이터를 수집하는 데이터 수집부(31)와, 수집된 데이터를 바탕으로 설정된 장애 정책에 따라 데이터를 분석하여 격리 및 교체할 가상 머신(a)을 판별하기 위해 장애를 분석하는 장애 분석부(32)와, 데이터 수집부(31)에 의해 수집된 데이터를 바탕으로 가상 머신 용량을 조절하는 부하 분석부(33)와, 상기 장애 분석부(32)에서 장애로 판별된 가상 머신(a)을 격리 및 교체하고 부하 분석부(33)의 가상 머신 용량조절의 결과에 따라 가상 머신을 생성 및 제거하는 가상 머신 관리부(34)와, 가상 머신 관리부(34)로부터의 결과를 실행 시간에 동적으로 부하 분산기(40)에 등록 및 제거하기 위한 동적 구성부(35)로 이루어진다.
시스템 관리자(50)에 의해 서버측의 가상 머신 제어부(30)는 데이터 수집부(31)에 설정된 감시할 데이터에 대하여 가상 머신을 주기적으로 감시하고 실시간으로 그 결과를 상기 데이터 수집부(31)로 전송하며, 감시 대상은 로그 정보와 성능 정보를 포함하여 분석 대상이 되는 모든 정보를 포괄한다.
테이터 수집부(31)에서 수집된 데이터를 바탕으로 장애 분석부(32)는 설정된 장애 정책에 따라 데이터를 분석하여 격리 및 교체한 가상 머신을 판별한다. 장애 정책은 시스템 관리자(50)가 로그 정보와 성능 정보를 기반으로 설정하며, 장애 가상 머신(a)에 대한 격리 및 교체에 대한 설정, 장애 분석 통계구간 설정 및 장애 분석 데이터 설정 정보를 포함한다.
장애 분석부(32)에서의 장애 가상 머신(a)의 판별시에는, 시스템 관리자(50)가 미리 설정한 통계구간에서 클러스터 전체 통계와 단일 가상 머신의 통계를 비교 분석하는 방법과, 특정 데이터의 출현 횟수를 통한 판별하는 방법 등으로 장애가 발생한 가상 머신을 판별한다. 장애로 판별되면 모든 결과를 시스템 관리자(50) 및 가상 머신 관리부(34)로 통지한다.
부하 분석부(33)에서는, 용량 조절 정책에 따라 클러스터 내에서 생성할 수 있는 가상 머신의 최소 개소와 최대 개수에 대한 설정 범위 내에서 상기 데이터 수집부(31)에서 수집된 데이터를 바탕으로 가상 머신의 용량을 조절하고, 그 결과를 가상 머신 관리부(34)로 전송한다.
그리고, 가상 머신 관리부(34)는 장애 분석부(32)와 부하 분석부(33)의 결과를 바탕으로 가상 머신을 생성, 제거, 격리 및 교체하고, 이 변경된 사항을 실행 시간에 동적 구성부(35)에 의해 부하 분산기(40)에 동적으로 적용하여 부하를 분산한다.
동적 구성부(35)는 장애가 발생되어 격리된 가상 머신에 더 이상의 부하가 부과되지 않도록 부하 분산기(40)에 통지하고, 부하량에 따라 가상 머신을 새로이 증설하여 생성하거나 또는 삭제하여 그 결과를 부하 분산기(40)에 전송하며, 장애로 판별된 가상 머신(a)은 가상 머신 관리부(34)에 의해 격리되며 그 장애 요인에 대하여 시스템 관리자(50)에 의해 집중적으로 분석된다.
이하, 본 발명에 의한 가상 머신을 생성, 등록하고 장애 가상 머신을 제거, 격리하는 방법에 관하여 설명한다.
도 2 및 도 3을 가상 머신을 생성, 등록하고 장애 머신을 제거, 격리하는 부하 분산 방법에 대한 일실시예의 순서도를 나타낸다.
먼저, 가상 머신을 생성, 등록하는 과정에 대하여 설명한다.
서버측에 클러스터를 생성하고 상기 클러스터 내에 생성할 수 있는 가상 머신의 최소와 최대 용량을 설정하고(S100), 부하 분석부(33)에 있어서 다수의 클라이언트로부터 발생되는 트랜잭션의 부하량에 따라 가상 머신의 용량을 조절히기 위한 정책을 설정한다(S110).
이어서 장애 분석부(32)에 있어서 장애 가상 머신(a)을 판별하기 위한 정책을 설정하고(S120), 클러스터에 생성할 가상 머신 최소 용량으로 가상 머신 관리부(34)에서 가상 머신을 생성하며(S130), 생성된 클러스터의 가상 머신을 동적으로 부하 분산기(40)에 등록한다(S140).
이와 같이 가상 머신이 생성, 등록되어 클라이언트 측의 요구에 의해 서버측의 가상 머신이 부하를 처리하는 도중에 클러스터화된 가상 머신 중의 일부에 장애가 발생하면 장애 가상 머신을 제거, 격리하게 되는데, 먼저 클러스터에 속한 가상 머신의 데이터를 데이터 수집부(31)를 통해 수집하고(S210), 장애 분석부(32)를 통해 기설정된 장애 정책에 따라 장애 가상 머신(a)을 판별하여 시스템 관리자(50)에게 통보하고 격리 및 교체를 위해 그 결과를 가상 머신 관리부(34)로 전송한다(S220).
아울러, 부하 분석부(33)를 통해 부하량을 산출하여 기설정된 정책에 따라 가상 머신 용량을 조절하고 그 결과를 상기 가상 머신 관리부(34)로 전송한다(S230).
이어서,가상 머신 관리부(34)는 장애 분석부(32)와 부하 분석부(33)의 결과를 바탕으로 가상 머신을 제거, 격리하고(S240), 동적 구성부(35)를 통해 클러스터 내에 변경된 내용을 부하 분산기(40)에 등록하여 부하 분산이 가용성이 높게 실행될 수 있도록 한다.
이와 같은 처리에 의해서 클라이언트의 트랜잭션에 따라 클러스터 내의 가상 머신 중에서 장애가 발생한 가상 머신을 실행 시간 내에 판별하여 제거, 격리하는 것이 자유로이 실행되게 된다.
10 : 클라이언트 20 : 서버측의 클러스터화된 가상 머신
30 : 서버측 가상 머신 제어부 31 : 데이터 수집부
32 : 장애 분석부 33 : 부하 분석부
34 : 가상 머신 관리부 35 : 동적 구성부
40 : 부하 분산기 50 : 시스템 관리자

Claims (3)

  1. 다수의 서버로 이루어져 클로스터화된 가상 머신(20)과,
    이들 클로스터화된 가상 머신으로부터 데이터를 수집하여 각 가상 머신의 부하 상태를 분석하고 장애 정책에 따라 장애를 분석하며 부하 및 장애에 따라 가상 머신을 관리하는 서버측 가상 머신 제어부(30)와,
    부하량에 따라 서버측의 가상 머신을 선택하는 부하 분석기(40)와,
    서버측 가상 머신 제어부에 설정된 감시할 데이터에 대하여 가상 머신을 주기적으로 감시하고 실시간으로 그 결과를 가상 머신 제어부로 전송하는 시스템 관리자(50)로 이루어지는 것을 특징으로 하는 가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산 장치.
  2. 제 1 항에 있어서, 상기 서버측 가상 머신 제어부(30)는,
    시스템 관리자(50)에 의해 클러서터화된 가상 머신(20)으로부터의 가상 머신의 상태에 관한 데이터를 수집하는 데이터 수집부(31)와,
    수집된 데이터를 바탕으로 설정된 장애 정책에 따라 데이터를 분석하여 격리 및 교체할 가상 머신(a)을 판별하기 위해 장애를 분석하는 장애 분석부(32)와,
    데이터 수집부(31)에 의해 수집된 데이터를 바탕으로 가상 머신 용량을 조절하는 부하 분석부(33)와,
    상기 장애 분석부(32)에서 장애로 판별된 가상 머신(a)을 격리 및 교체하고 부하 분석부(33)의 가상 머신 용량조절의 결과에 따라 가상 머신을 생성 및 제거하는 가상 머신 관리부(34)와,
    가상 머신 관리부(34)로부터의 결과를 실행 시간에 동적으로 부하 분산기(40)에 등록 및 제거하기 위한 동적 구성부(35)로 이루어지는 것을 특징으로 하는 가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산 장치.
  3. 서버측에 클러스터를 생성하고 상기 클러스터 내에 생성할 수 있는 가상 머신의 최소와 최대 용량을 설정하고, 부하 분석부(33)에 있어서 다수의 클라이언트로부터 발생되는 트랜잭션의 부하량에 따라 가상 머신의 용량을 조절히기 위한 정책을 설정하고, 이어서 장애 분석부(32)에 있어서 장애 가상 머신(a)을 판별하기 위한 정책을 설정하고, 클러스터에 생성할 가상 머신 최소 용량으로 가상 머신 관리부(34)에서 가상 머신을 생성하며, 생성된 클러스터의 가상 머신을 동적으로 부하 분산기(40)에 등록하는 가상 머신의 생성 및 등록 단계와,
    클라이언트 측의 요구에 의해 서버측의 가상 머신이 부하를 처리하는 도중에 클러스터화된 가상 머신 중의 일부에 장애가 발생하면 장애 가상 머신을 제거, 격리하기 위해서, 클러스터에 속한 가상 머신의 데이터를 데이터 수집부(31)를 통해 수집하고, 장애 분석부(32)를 통해 기설정된 장애 정책에 따라 장애 가상 머신(a)을 판별하여 시스템 관리자(50)에게 통보하고 격리 및 교체를 위해 그 결과를 가상 머신 관리부(34)로 전송하며, 아울러 부하 분석부(33)를 통해 부하량을 산출하여 기설정된 정책에 따라 가상 머신 용량을 조절하고 그 결과를 상기 가상 머신 관리부(34)로 전송하고, 이어서 가상 머신 관리부(34)가 장애 분석부(32)와 부하 분석부(33)의 결과를 바탕으로 가상 머신을 제거, 격리하고하며, 동적 구성부(35)를 통해 클러스터 내에 변경된 내용을 부하 분산기(40)에 등록하는 장애 머신을 제거 및 격리하는 단계로 이루어지는 것을 특징으로 하는 가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산 방법.













KR1020130129776A 2013-10-30 2013-10-30 가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산 방법 및 고가용성 부하 분산 장치 KR101569038B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130129776A KR101569038B1 (ko) 2013-10-30 2013-10-30 가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산 방법 및 고가용성 부하 분산 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130129776A KR101569038B1 (ko) 2013-10-30 2013-10-30 가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산 방법 및 고가용성 부하 분산 장치

Publications (2)

Publication Number Publication Date
KR20150049342A true KR20150049342A (ko) 2015-05-08
KR101569038B1 KR101569038B1 (ko) 2015-11-13

Family

ID=53387436

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130129776A KR101569038B1 (ko) 2013-10-30 2013-10-30 가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산 방법 및 고가용성 부하 분산 장치

Country Status (1)

Country Link
KR (1) KR101569038B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105159775A (zh) * 2015-08-05 2015-12-16 浪潮(北京)电子信息产业有限公司 基于负载均衡器的云计算数据中心的管理系统和管理方法
KR20160028247A (ko) * 2014-09-03 2016-03-11 주식회사 케이티 클라우드 서버 관리 방법, 이를 수행하는 클라우드 서버 관리 장치 및 클라우드 서비스 관리 시스템
CN109189329A (zh) * 2018-08-08 2019-01-11 杭州数梦工场科技有限公司 存储节点权重的调整方法和装置
WO2021034114A1 (ko) * 2019-08-21 2021-02-25 주식회사 이노지에스코리아 장애대응 에지서버 그루핑을 이용한 장애유발 클라이언트 검출 방법 및 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102467522B1 (ko) 2022-08-29 2022-11-17 주식회사 시스원 클라우드 인프라 환경에서 전역 가상화 리소스를 공유하는 가용성 시스템

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160028247A (ko) * 2014-09-03 2016-03-11 주식회사 케이티 클라우드 서버 관리 방법, 이를 수행하는 클라우드 서버 관리 장치 및 클라우드 서비스 관리 시스템
CN105159775A (zh) * 2015-08-05 2015-12-16 浪潮(北京)电子信息产业有限公司 基于负载均衡器的云计算数据中心的管理系统和管理方法
CN109189329A (zh) * 2018-08-08 2019-01-11 杭州数梦工场科技有限公司 存储节点权重的调整方法和装置
WO2021034114A1 (ko) * 2019-08-21 2021-02-25 주식회사 이노지에스코리아 장애대응 에지서버 그루핑을 이용한 장애유발 클라이언트 검출 방법 및 시스템
KR20210022931A (ko) * 2019-08-21 2021-03-04 주식회사 이노지에스코리아 장애대응 에지서버 그루핑을 이용한 장애유발 클라이언트 검출 방법 및 시스템
JP2022545268A (ja) * 2019-08-21 2022-10-26 イノジーエス コリア コーポレーション 障害対応エッジサーバグルーピングを利用した障害誘発クライアント検出方法及びシステム
US11909577B2 (en) 2019-08-21 2024-02-20 Innogs Korea Corp. Method and system for detecting failure-causing client with failure handling edge server grouping

Also Published As

Publication number Publication date
KR101569038B1 (ko) 2015-11-13

Similar Documents

Publication Publication Date Title
US11736560B2 (en) Distributed network services
US10895984B2 (en) Fabric attached storage
EP2979183B1 (en) Method and arrangement for fault management in infrastructure as a service clouds
US9985859B2 (en) Method and system for managing servers
US10924398B2 (en) Time-series data monitoring with sharded server
KR101569038B1 (ko) 가상 머신이 자동으로 확장 및 축소되는 클러스터에 대한 고가용성 부하 분산 방법 및 고가용성 부하 분산 장치
US11153163B1 (en) Cloud-controlled configuration of edge processing units
US20160020965A1 (en) Method and apparatus for dynamic monitoring condition control
US9934059B2 (en) Flow migration between virtual network appliances in a cloud computing network
US20150263960A1 (en) Method and apparatus for cloud bursting and cloud balancing of instances across clouds
US9852007B2 (en) System management method, management computer, and non-transitory computer-readable storage medium
KR101211207B1 (ko) 캐시 클라우드 구조를 이용한 캐시 시스템 및 캐싱 서비스 제공 방법
US20150095424A1 (en) Information acquisition method, computer system, and management computer
US10375161B1 (en) Distributed computing task management system and method
CA3068302A1 (en) Streaming server statistics and predictive mitigation
JP7405260B2 (ja) サーバメンテナンス制御装置、システム、制御方法及びプログラム
WO2016088163A1 (ja) 計算機システム及びリソース管理方法
EP4339777A1 (en) Systems and methods for automatically scaling clusters or applications in a cloud environment
US11994965B2 (en) Storage system, failover control method, and recording medium
Kwak et al. Autonomous learning of load and traffic patterns to improve cluster utilization
Zhu et al. ScaleReactor: A graceful performance isolation agent with interference detection and investigation for container‐based scale‐out workloads
CN111147278A (zh) 计算机指令执行方法的装置

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: 20181105

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20191105

Year of fee payment: 5