KR20150062634A - Auto scaling system and method in cloud computing environment - Google Patents
Auto scaling system and method in cloud computing environment Download PDFInfo
- Publication number
- KR20150062634A KR20150062634A KR1020130147490A KR20130147490A KR20150062634A KR 20150062634 A KR20150062634 A KR 20150062634A KR 1020130147490 A KR1020130147490 A KR 1020130147490A KR 20130147490 A KR20130147490 A KR 20130147490A KR 20150062634 A KR20150062634 A KR 20150062634A
- Authority
- KR
- South Korea
- Prior art keywords
- auto
- virtual machine
- service level
- level agreement
- resource
- 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
- G06F9/44—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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
Abstract
Description
본 발명은 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템 및 방법에 관한 것으로, 특히 각각의 사용자별 고유한 요구사항을 반영하고, 평균 응답시간을 고려하여 효율적으로 가상머신의 자원 할당을 수행할 수 있는 클라우드 환경 내 오토 스케일링 시스템 및 방법에 관한 것이다.
The present invention relates to an auto-scaling system and method in a cloud computing environment, and more particularly, to an automatic scaling system and method in a cloud computing environment capable of efficiently allocating resources of a virtual machine, To an autoscaling system and method.
최근 들어, 가상화 기술의 발달과 성능향상 및 대용량의 하드웨어 인프라 구축 기술이 구현됨에 따라, 아마존을 비롯한 대표적인 글로벌 기업에서는 가상화 기반의 클라우드 컴퓨팅 서비스를 상용화하고 있는 추세이다. In recent years, as the development of virtualization technology, the improvement of performance, and the construction of large-capacity hardware infrastructure have been implemented, major global companies such as Amazon are commercializing virtualization-based cloud computing services.
이러한 클라우드 컴퓨팅 서비스란, 구름(cloud)과 같이 무형의 형태로 존재하는 하드웨어 또는 소프트웨어 등의 컴퓨팅 자원을 사용자가 필요한 만큼 빌려 쓰고 이에 따른 사용요금을 지급하는 방식의 컴퓨팅 서비스로서, 서로 다른 물리적인 위치에 존재하는 컴퓨팅 자원을 가상화 기술로 통합하여 제공하는 기술을 말한다. 클라우드로 표현되는 인터넷상의 서버에서 데이터 저장, 처리, 네트워크, 콘텐츠 사용 등 IT 관련 서비스를 한번에 제공하는 혁신적인 컴퓨팅 기술인 클라우드 컴퓨팅은 인터넷을 이용한 IT 자원의 주문형 아웃소싱 서비스라고 정의되기도 한다.Such a cloud computing service is a computing service in which computing resources such as hardware or software existing in an intangible form such as a cloud are borrowed as much as the user needs and a usage fee is paid accordingly, Is a technology that integrates and provides virtualization technology to existing computing resources. Cloud Computing, an innovative computing technology that provides IT-related services such as data storage, processing, networking, and content usage from servers on the Internet in a cloud, is defined as an on-demand outsourcing service for IT resources using the Internet.
이러한 클라우드 컴퓨팅을 도입하면, 기업 또는 개인은 컴퓨터 시스템을 유지, 보수, 관리하기 위해 소요되는 비용과, 서버의 구매 및 설치 비용, 업데이트 비용, 소프트웨어 구매 비용 등의 막대한 비용과 시간 및 인력을 줄일 수 있고, 에너지 절감에도 기여할 수 있다.With cloud computing, businesses or individuals can reduce the cost, time, and manpower required to maintain, maintain, and maintain a computer system, purchase and installation costs for servers, update costs, and software purchasing costs. And can contribute to energy saving.
또한, PC에 자료를 보관할 경우에는 하드디스크 장애 등으로 인하여 자료가 손실될 수도 있지만, 클라우드 컴퓨팅 환경에서는 외부 서버에 자료들이 저장되기 때문에 안전하게 자료를 보관할 수 있고, 저장 공간의 제약도 극복할 수 있으며, 시간과 장소에 구애받지 않고 자신이 작업한 문서 등을 열람 및 수정할 수 있다. In addition, if data is stored on a PC, data may be lost due to a hard disk failure, etc. However, since data is stored in an external server in a cloud computing environment, data can be safely stored and the storage space can be overcome , You can view and modify your own documents, regardless of time and place.
즉, 이러한 클라우드 컴퓨팅 환경에서는 트래픽 사용량이 급격히 변화하는 경우에 컴퓨팅 자원 할당을 신속하게 확장하거나 또는 축소할 수 있다. 이때, 사용되는 것이 오토 스케일링 방법이다. That is, in such a cloud computing environment, the allocation of computing resources can be rapidly expanded or reduced when the traffic usage rapidly changes. At this time, an auto-scaling method is used.
오토 스케일링이란, 트래픽 사용량에 따라 컴퓨팅 자원을 탄력적으로 확장하거나 축소하는데, 서버 설정 임계치에 도달하는 경우에는 가상서버를 자동으로 생성하고, 서버 설정 임계치 보다 하락하는 경우에는 자동으로 삭제한다. 이러한 오토 스케일링은 리소스 와치(Resource Watch) 와 로드 밸런서(Load Balancer) 기능과 연계하여 서비스 수요에 따라 서버를 수 분 이내에 확장(Scale-out) 또는 축소(Scale-in)시킨다. 상기 리소스 와치를 통해 리소스 현황을 실시간 모니터링하여 서버를 자동으로 증감시켜주고, 상기 서버의 증감 내역을 사용자에게 문자와 이메일로 통보한다. 또한 로드 밸런서를 함께 사용하는 경우, 더욱 안정적으로 부하 분산 처리를 할 수 있는 장점을 갖는다. Auto scaling is a method of expanding or reducing computing resources flexibly according to traffic usage. When a server setting threshold is reached, a virtual server is automatically created, and when the server setting threshold is lower than the threshold, the server is automatically deleted. This auto-scaling, in conjunction with the Resource Watch and Load Balancer functions, scales-out or scales the server within minutes, depending on service demand. Monitors the resource status in real time through the resource watch to automatically increase or decrease the server, and notifies the user of the increase / decrease details of the server by text and e-mail. In addition, when a load balancer is used together, the load balancing process can be more stably performed.
하지만, 이러한 오토 스케일링 방법은 각각의 사용자별 고유한 요구사항을 반영하지 않거나, 클라우드 플랫폼에서의 평균 응답시간을 고려하지 않아 효율적인 자원 할당이 이루어지기 어려운 문제점이 발생했다. However, such an auto-scaling method does not reflect the unique requirements of each user, or does not consider the average response time in the cloud platform, thereby causing difficulty in efficient resource allocation.
상술한 바와 같이, 본 발명의 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템 및 방법을 살펴보면 다음과 같다. As described above, the autoscaling system and method in the cloud computing environment of the present invention will be described as follows.
선행기술 1은 한국공개특허공보 제2013-0099424호(2013.09.06)로서, 클라우드 컴퓨팅 자원 관리를 위한 모니터링 메트릭을 활용한 트리거링 방법 및 그 시스템에 관한 것이다. 이러한 선행기술 1은 클라우드 컴퓨팅 자원 관리를 위한 모니터링 메트릭을 활용하는 멀티 트리거링 시스템에 있어서, 클라우드를 이루는 자원에 대한 모니터링을 수행하고, 적어도 2 이상의 메트릭을 생성하는 클라우드 모니터링 모듈; 상기 클라우드 모니터링 모듈이 생성한 메트릭이 기 설정된 트리거링 조건에 해당하는 경우, 적어도 하나 이상의 트리거링 이벤트로 구성되는 트리거링 이벤트군에 포함된 트리거링 이벤트 중 어느 하나 이상을 발생시키는 멀티 트리거링 모듈; 및 상기 멀티 트리거링 모듈의 트리거링 이벤트에 대응하여 제공되는 클라우드 자원의 규모의 동적인 제어를 수행하는 클라우드 스케일링 모듈;을 포함함으로써, 트리거링 시스템을 통해 캐싱 클라우드의 실제 서비스에서의 운영 시 효율을 높이고, 실제 서비스 환경에서 요구되는 스케일링 기준에 부합하는 기능을 수행할 수 있다. 또한 다양한 메트릭이 도입되었고, 메트릭을 활용하는 트리거 패턴이 가능하며, 다중/복합 트리거 조건에 따른 이벤트 관리 기능을 구현할 수 있고, 클라우드 인프라의 자원 활용률을 극대화할 수 있다.Prior Art 1 is Korean Patent Laid-Open Publication No. 2013-0099424 (2013.09.06), which relates to a triggering method and system using a monitoring metric for managing cloud computing resources. The prior art 1 is a multi-triggering system that utilizes a monitoring metric for managing cloud computing resources. The multi-triggering system includes: a cloud monitoring module that monitors a resource constituting a cloud and generates at least two or more metrics; A triggering module for generating at least one of triggering events included in a triggering event group including at least one triggering event when the metric generated by the cloud monitoring module corresponds to a preset triggering condition; And a cloud scaling module for performing dynamic control of the scale of the cloud resource provided in response to the triggering event of the multi-triggering module, thereby increasing operating efficiency in the actual service of the caching cloud through the triggering system, It is possible to perform a function that meets the scaling criteria required in the service environment. In addition, various metrics are introduced, trigger patterns using metrics are available, event management functions based on multiple / complex trigger conditions can be implemented, and resource utilization of the cloud infrastructure can be maximized.
또한, 선행기술 2는 한국공개특허공보 제2013-0022091호(2013.03.06)로서, 클라우드 컴퓨팅 서버 시스템의 가상머신 제어 장치 및 방법에 관한 것이다. 이러한 선행기술 2는 가상화된 컴퓨팅 자원을 할당한 복수의 가상머신들을 통해 가상화된 컴퓨팅 환경을 클라이언트에 제공하는 클라우드 컴퓨팅 서버 시스템의 가상머신 제어 장치에 있어서, 상기 가상머신들에 각각 할당된 복수의 가상 스토리지들에 접근할 수 있는 인터페이스를 제공하는 스토리지 인터페이스를 통해 상기 복수의 가상 스토리지들의 이용 가능 여부를 지속적으로 모니터링하는 모니터링부; 및 상기 모니터링된 결과 상기 복수의 가상 스토리지들 중에서 이용가능하지 않은 서비스 불가 상태의 가상 스토리지를 검출하고, 상기 복수의 가상머신들 중 상기 검출된 가상 스토리지에 대응되는 가상머신에서 이용 중인 컴퓨팅 자원을 반납하지 않은 상태에서 수행 중인 프로세스를 일시중지시키는 제어부를 포함함으로써, 반가상화 기반의 클라우드 컴퓨팅 서버 시스템에서 하이퍼바이저와 스토리지 사이의 연결 네트워크 상에 문제가 발생하거나 스토리지 자체에서 일시적으로 가상머신에 대한 파일 입출력 서비스를 제공하지 못하는 상황에서도 해당 가상머신의 파일 시스템의 일관성 손상을 방지할 수 있다.
Prior Art 2 is Korean Patent Laid-Open Publication No. 2013-0022091 (Mar. 03, 2013), which relates to a virtual machine control apparatus and method of a cloud computing server system. The prior art 2 is directed to a virtual machine control apparatus of a cloud computing server system that provides a virtualized computing environment to a client through a plurality of virtual machines that have allocated virtualized computing resources, A monitoring unit that continuously monitors availability of the plurality of virtual storages through a storage interface that provides an interface for accessing the storages; And detecting a non-serviceable virtual storage that is unavailable among the plurality of virtual storage as a result of the monitoring, returning computing resources in use in a virtual machine corresponding to the detected virtual storage among the plurality of virtual machines The present invention is not limited to the above-described embodiments, and the present invention is not limited thereto. For example, in a cloud computing server system based on paravirtualization, a problem may occur on the connection network between the hypervisor and the storage, It is possible to prevent the inconsistency of the file system of the corresponding virtual machine from being damaged even if the service can not be provided.
상기와 같은 종래 기술의 문제점을 해결하기 위해, 본 발명은 각각의 사용자별 고유한 요구사항을 반영하고, 뿐만 아니라 평균 응답시간 또한 고려하여 효율적으로 가상머신의 자원을 할당할 수 있는 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템 및 방법을 제공하고자 한다.
In order to solve the problems of the related art as described above, the present invention provides a cloud computing environment capable of efficiently allocating resources of a virtual machine in consideration of each user's unique requirements, And to provide an autoscaling system and method.
위와 같은 과제를 해결하기 위한 본 발명의 한 실시 예에 따른 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템은 클라우드 컴퓨팅 환경에서 사용자의 자원 요구사항을 서비스 수준 협약(SLA: Service Level Agreement)에 포함시킨 후, 상기 서비스 수준 협약 정보를 전송하는 클라이언트; 상기 클라이언트로부터 상기 서비스 수준 협약 정보를 수신하고, 수신한 서비스 수준 협약 정보 내 사용자의 자원 요구사항을 분석하고, 가상머신의 자원 제어를 요청하는 오토 스케일링 엔진; 및 상기 오토 스케일링 엔진으로부터 수신한 자원 제어 요청에 기초하여 가상머신의 자원 사용량을 제어하는 클라우드 인프라스트럭처;를 포함한다. In order to solve the above problems, an autoscaling system in a cloud computing environment according to an embodiment of the present invention includes a service level agreement (SLA) in a cloud computing environment, A client for transmitting level agreement information; An auto-scaling engine for receiving the service level agreement information from the client, analyzing resource requirements of the user in the received service level agreement information, and requesting resource control of the virtual machine; And a cloud infrastructure for controlling resource usage of a virtual machine based on a resource control request received from the auto-scaling engine.
보다 바람직하게는 상기 클라이언트로부터 사용자의 자원 요구사항이 포함된 서비스 수준 협약정보를 수신하여 저장하는 저장부; 상기 서비스 수준 협약 정보를 분석하여 가상머신에 대한 오토 스케일 발생조건을 획득하는 분석부; 가상머신의 자원에 대한 현재 사용량을 모니터링하는 모니터링부; 및 상기 오토 스케일링 발생조건 및 모니터링한 자원 사용량을 비교하여 가상머신에 대한 오토 스케일링의 발생여부를 판단한 후, 가상머신의 자원 제어를 요청하는 오토 스케일링 관리부; 를 포함한다. More preferably, a storage unit receives and stores service level agreement information including a resource requirement of a user from the client; An analyzer for analyzing the service level agreement information to obtain an auto-scale generation condition for a virtual machine; A monitoring unit for monitoring a current usage of resources of the virtual machine; And an auto-scaling management unit for comparing the auto-scaling occurrence condition and the monitored resource usage to determine whether or not auto-scaling has occurred for the virtual machine, and then requesting resource control of the virtual machine; .
특히, 가상머신에 대한 오토 스케일링이 발생하였다고 판단하는 경우, 가상머신을 추가로 생성 또는 삭제하는 클라우드 인프라스트럭처를 포함할 수 있다.In particular, if it is determined that auto-scaling has occurred for a virtual machine, it may include a cloud infrastructure for further creating or deleting a virtual machine.
특히, 가상머신의 개수, 프로세서의 수, CPU 용량, 메모리 용량, 디스크 용량 중 적어도 하나를 포함하는 하드웨어 규격 또는 평균 응답시간을 포함하는 서비스 수준 협약 정보를 포함할 수 있다.In particular, it may include service level agreement information including a hardware specification or average response time including at least one of the number of virtual machines, the number of processors, the CPU capacity, the memory capacity, and the disk capacity.
위와 같은 과제를 해결하기 위한 본 발명의 다른 실시 예에 따른 클라우드 컴퓨팅 환경 내 오토 스케일링 방법은 클라이언트가 클라우드 컴퓨팅 환경에서 사용자의 자원 요구사항을 서비스 수준 협약(SLA: Service Level Agreement)에 포함시킨 후, 상기 서비스 수준 협약 정보를 전송하는 단계; 오토 스케일링 엔진이 상기 클라이언트로부터 상기 서비스 수준 협약 정보를 수신하고, 수신한 서비스 수준 협약 정보 내 포함된 사용자의 자원 요구사항을 분석하고, 가상머신의 자원 제어를 요청하는 단계; 및 클라우드 인프라스트럭처가 상기 오토 스케일링 엔진으로부터 수신한 자원 제어 요청에 따라 가상머신을 제어하는 단계;를 포함한다. According to another aspect of the present invention, there is provided an automatic scaling method in a cloud computing environment, wherein a client includes resource requirements of a user in a service level agreement (SLA) in a cloud computing environment, Transmitting the service level agreement information; Receiving, by the auto-scaling engine, the service level agreement information from the client, analyzing the resource requirements of the user included in the received service level agreement information, and requesting resource control of the virtual machine; And controlling the virtual machine according to the resource control request received from the auto-scaling engine by the cloud infrastructure.
보다 바람직하게는 상기 클라이언트로부터 사용자의 자원 요구사항이 포함된 서비스 수준 협약 정보를 수신하여 저장하는 과정; 상기 서비스 수준 협약 정보를 분석하여 가상머신에 대한 오토 스케일 발생조건을 획득하는 과정; 가상머신의 자원에 대한 현재 사용량을 모니터링하는 과정; 상기 오토 스케일링 발생조건 및 모니터링한 자원 사용량을 비교하여 가상머신에 대한 오토 스케일링의 발생여부를 판단하는 과정; 및 상기 가상머신에 대한 자원 제어를 요청하는 과정;을 포함하는 오토 스케일링 엔진이 자원 요구사항을 분석하는 단계를 포함할 수 있다. Receiving service level agreement information including a resource requirement of a user from the client and storing the service level agreement information; Analyzing the service level agreement information to obtain an auto-scale generation condition for the virtual machine; Monitoring the current usage of the virtual machine resource; Comparing the auto-scaling occurrence condition and the monitored resource usage to determine whether or not auto-scaling occurs in the virtual machine; And requesting resource control for the virtual machine. The autoscaling engine may include analyzing resource requirements.
보다 바람직하게는 상기 서비스 수준 협약 정보로부터 오토 스케일링이 발생하였다고 판단하는 경우, 가상머신을 생성하거나 또는 삭제하는 클라우드 인프라스트럭처가 수신한 자원 제어 요청에 따라 가상머신을 제공하는 단계를 포함할 수 있다. More preferably, the step of providing a virtual machine according to a resource control request received by the cloud infrastructure, which creates or deletes a virtual machine, when it is determined that auto-scaling has occurred from the service level agreement information.
특히, 가상머신의 개수, 프로세서의 수, CPU 용량, 메모리 용량, 디스크 용량 중 적어도 하나를 포함하는 하드웨어 규격 또는 평균 응답시간을 포함하는 서비스 수준 협약 정보를 포함할 수 있다.
In particular, it may include service level agreement information including a hardware specification or average response time including at least one of the number of virtual machines, the number of processors, the CPU capacity, the memory capacity, and the disk capacity.
본 발명의 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템 및 방법은 사용자별 고유한 자원 요구사항이 포함된 서비스 수준 협약 정보를 수신하여 이에 기초하여 가상머신의 자원 재할당을 결정할 수 있으므로, 사용자 만족도를 향상시킬 수 있는 효과가 있다. The auto-scaling system and method in a cloud computing environment according to the present invention can receive service level agreement information including unique resource requirements for each user and determine resource reallocation based on the received service level agreement information, There is an effect.
또한 본 발명의 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템 및 방법은 클라우드 플랫폼 내 평균 응답시간을 고려하여 보다 신속하고 효율적으로 가상머신의 자원 할당을 수행할 수 있는 효과가 있다.
In addition, the autoscaling system and method in the cloud computing environment of the present invention can perform the resource allocation of the virtual machine more quickly and efficiently considering the average response time in the cloud platform.
도 1은 본 발명의 일 실시 예에 따른 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템의 블록도이다.
도 2는 오토 스케일링 엔진의 블록도이다.
도 3은 본 발명의 다른 실시 예에 따른 클라우드 컴퓨팅 환경 내 오토 스케일링 방법의 순서도이다.1 is a block diagram of an auto-scaling system in a cloud computing environment in accordance with an embodiment of the present invention.
2 is a block diagram of an auto-scaling engine.
3 is a flowchart of an auto-scaling method in a cloud computing environment according to another embodiment of the present invention.
이하, 본 발명을 바람직한 실시 예와 첨부한 도면을 참고로 하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시 예에 한정되는 것은 아니다. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENT Hereinafter, the present invention will be described in detail with reference to preferred embodiments and accompanying drawings, which will be easily understood by those skilled in the art. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein.
먼저, 본 발명을 설명하기에 앞서, 본 발명이 구현되는 클라우드 컴퓨팅 환경에 대하여 간략히 살펴보도록 한다. Before describing the present invention, a brief description of a cloud computing environment in which the present invention is implemented will be described.
이러한 클라우드 컴퓨팅 서비스란, 구름(cloud)과 같이 무형의 형태로 존재하는 하드웨어 또는 소프트웨어 등의 컴퓨팅 자원을 사용자가 필요한 만큼 빌려 쓰고 이에 따른 사용요금을 지급하는 방식의 컴퓨팅 서비스로서, 서로 다른 물리적인 위치에 존재하는 컴퓨팅 자원을 가상화 기술로 통합하여 제공하는 기술을 말한다. 클라우드로 표현되는 인터넷상의 서버에서 데이터 저장, 처리, 네트워크, 콘텐츠 사용 등 IT 관련 서비스를 한번에 제공하는 혁신적인 컴퓨팅 기술인 클라우드 컴퓨팅은 인터넷을 이용한 IT 자원의 주문형 아웃소싱 서비스라고 정의되기도 한다.Such a cloud computing service is a computing service in which computing resources such as hardware or software existing in an intangible form such as a cloud are borrowed as much as the user needs and a usage fee is paid accordingly, Is a technology that integrates and provides virtualization technology to existing computing resources. Cloud Computing, an innovative computing technology that provides IT-related services such as data storage, processing, networking, and content usage from servers on the Internet in a cloud, is defined as an on-demand outsourcing service for IT resources using the Internet.
이러한 가상화 기술의 구현 시 사용되는 가상머신은 특정한 프로그램을 실행하되, 하드웨어와 직접적인 통신이 이루어지지 않는 가상의 컴퓨터를 말한다. 이러한 가상머신 중 특히, 시스템 가상머신은 완전한 시스템 플랫폼 즉, 완전한 운영체제(Operating System)의 실행을 지원하며, 각각의 운영체제를 실행하는 가상 머신 사이의 기초가 되는 물리 컴퓨터를 다중화(multiplex)한다. 이처럼, 가상화를 제공하는 소프트웨어 계층은 가상머신 모니터 또는 하이퍼바이저(Hypervisor)라고 하며, 상기 하이퍼바이저는 하드웨어 또는 호스트 운영체제의 위에서 실행할 수 있다. The virtual machine used in implementing this virtualization technology is a virtual computer that executes a specific program but does not communicate directly with the hardware. Among these virtual machines, a system virtual machine supports the execution of a complete system platform, that is, a complete operating system, and multiplexes the physical computers that are the basis of virtual machines running respective operating systems. As such, the software layer that provides virtualization is referred to as a virtual machine monitor or hypervisor, which can run on top of hardware or a host operating system.
도 1은 본 발명의 일 실시 예에 따른 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템의 블록도이다.1 is a block diagram of an auto-scaling system in a cloud computing environment in accordance with an embodiment of the present invention.
도 1에 도시된 바와 같이, 본 발명의 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템(100)은 클라이언트(120), 오토 스케일링 엔진(140) 및 클라우드 인프라스트럭처(160)를 포함한다. 1, an
클라이언트(120)는 클라우드 컴퓨팅 환경에서 가상머신(180)에 대한 사용자의 자원 요구사항을 서비스 수준 협약(SLA: Service Level Agreement)에 포함시킨 후, 상기 서비스 수준 협약 정보를 전송한다. 상기 서비스 수준 협약이란, 클라우드 서비스 제공 기업이 이용자에게 제공하는 서비스의 수준을 정량화 등을 통해 명확하게 제시하고, 제시된 서비스 수준에 미달하는 경우, 손해를 배상하도록 하여 서비스의 품질을 보장하기 위한 약정을 말한다. 이에 따라, 상기 서비스 수준 협약 정보는 가상머신의 개수, 프로세서의 수, CPU 용량, 메모리 용량, 디스크 용량 중 적어도 하나를 포함하는 하드웨어 규격 또는 클라우드 플랫폼 내 평균 응답시간을 포함할 수 있다. The
오토 스케일링 엔진(140)은 상기 클라이언트(120)로부터 상기 서비스 수준 협약 정보를 수신하고, 수신한 서비스 수준 협약 정보 내 포함된 사용자의 자원 요구사항을 분석하고, 가상머신(160)의 자원 제어를 요청한다. The auto-
도 2는 오토 스케일링 엔진의 블록도이다.2 is a block diagram of an auto-scaling engine.
도 2에 도시된 바와 같이, 오토 스케일링 엔진(140)은 저장부(142), 분석부(144), 모니터링부(146) 및 오토 스케일링 관리부(148)를 포함한다. 2, the auto-
저장부(142)는 상기 클라이언트(120)로부터 사용자의 자원 요구사항이 포함된 서비스 수준 협약정보를 수신하여 저장한다. The
분석부(144)는 상기 서비스 수준 협약 정보를 분석하여 가상머신에 대한 오토 스케일링 발생조건을 획득한다. 이때, 상기 오토 스케일링의 발생조건은 예를 들어, 응답시간이 3.0 초, CPU 사용량이 80%, 메모리 사용량이 50% 등이 될 수 있으며, 이러한 발생조건은 변경될 수 있다. The
모니터링부(146)는 가상머신(180)의 자원에 대한 현재 사용량을 모니터링하며, 클라우드 와치(cloud watch)로서 구현될 수 있다. The
오토 스케일링 관리부(148)는 상기 오토 스케일링 발생조건 및 모니터링한 자원 사용량을 비교하여 가상머신(180)에 대한 오토 스케일링의 발생여부를 판단한다. 예를 들어, 오토 스케일링 관리부(148)가 상기 오토 스케일링 발생조건 중 CPU 사용량이 현재 클라우드 컴퓨팅 환경 내 가상머신의 자원 사용량 보다 크다고 판단한 경우에, 현재 구동 중인 가상머신의 자원 사용량이 과다한 것으로 예상하여 오토 스케일의 발생을 판단한다. 또는 오토 스케일링 관리부(148)가 상기 오토 스케일링 발생조건 중 CPU 사용량이 현재 클라우드 컴퓨팅 환경 내 가상머신의 자원 사용량 보다 작다고 판단한 경우에, 현재 구동 중인 가상머신의 자원 사용량이 부족한 것으로 예상하여 오토 스케일링의 발생을 판단한다. The auto-scaling management unit 148 compares the auto-scaling occurrence condition and the monitored resource usage to determine whether or not the auto-scaling of the
하지만 이와 달리, CPU 사용량이 모니터링한 자원 사용량과 동일한 경우에는 현재 구동 중인 가상머신의 자원 사용량이 적절하다고 예상하여 오토 스케일링이 발생하지 않는다고 판단한다. However, if the CPU usage is the same as the monitored resource usage, it is determined that the resource usage of the currently running virtual machine is appropriate, so that no auto-scaling occurs.
다시 도 1로 돌아가서, 클라우드 인프라스트럭처(160)는 상기 오토 스케일링 엔진(140)으로부터 수신한 자원 제어 요청에 기초하여 가상머신(180)의 자원 사용량을 제어한다. 이러한 클라우드 인프라스트럭처(160)는 가상머신(180)에 대한 오토 스케일링이 발생하였다고 판단하는 경우, 가상머신(180)을 추가로 생성 또는 삭제할 수 있다.Referring again to FIG. 1, the
이하, 도 3을 참조하여 본 발명의 다른 실시 예에 따른 클라우드 컴퓨팅 환경 내 오토 스케일링 방법에 대하여 자세히 살펴보도록 한다. Hereinafter, an auto-scaling method in a cloud computing environment according to another embodiment of the present invention will be described in detail with reference to FIG.
도 3은 본 발명의 다른 실시 예에 따른 클라우드 컴퓨팅 환경 내 오토 스케일링 방법의 순서도이다.3 is a flowchart of an auto-scaling method in a cloud computing environment according to another embodiment of the present invention.
도 3에 도시된 바와 같이, 본 발명의 클라우드 컴퓨팅 환경 내 오토 스케일링 방법은 먼저, 클라이언트(120)가 클라우드 컴퓨팅 환경에서 사용자의 자원 요구사항을 서비스 수준 협약(SLA: Service Level Agreement)에 포함시킨 후, 상기 서비스 수준 협약 정보를 전송한다(S210). 이때, 상기 서비스 수준 협약 정보는 가상머신의 개수, 프로세서의 수, CPU 용량, 메모리 용량, 디스크 용량 중 적어도 하나를 포함하는 하드웨어 규격 또는 평균 응답시간을 포함할 수 있다. 3, an automatic scaling method in a cloud computing environment according to an embodiment of the present invention includes: first, when a
오토 스케일링 엔진(140)이 상기 클라이언트(120)로부터 상기 서비스 수준 협약 정보를 수신하고, 수신한 서비스 수준 협약 정보 내 포함된 사용자의 자원 요구사항을 분석하고, 가상머신(180)의 자원 제어를 요청한다(S220). The auto-
먼저, 상기 클라이언트(120)로부터 사용자의 자원 요구사항이 포함된 서비스 수준 협약 정보를 수신하여 저장한다. First, service level agreement information including a resource requirement of a user is received from the
이후, 상기 서비스 수준 협약 정보를 분석하여 가상머신(180)에 대한 오토 스케일 발생조건을 획득한다. 이때, 상기 오토 스케일링의 발생조건은 예를 들어, 응답시간이 3.0 초, CPU 사용량이 80%, 메모리 사용량이 50% 등이 될 수 있으며, 이러한 발생조건은 변경될 수 있다.Thereafter, the service level agreement information is analyzed to obtain an auto-scale generation condition for the
또한 가상머신(180)의 자원에 대한 현재 사용량을 모니터링한다. It also monitors the current usage of the resources of the
이에 따라, 상기 오토 스케일링 발생조건 및 모니터링한 자원 사용량을 비교하여 가상머신(180)에 대한 오토 스케일링의 발생여부를 판단한다. Accordingly, the auto-scaling generation condition and the monitored resource usage are compared to determine whether or not the
예를 들어, 오토 스케일링 관리부(148)가 상기 오토 스케일링 발생조건 중 CPU 사용량이 현재 클라우드 컴퓨팅 환경 내 가상머신의 자원 사용량 보다 크다고 판단한 경우에, 현재 구동 중인 가상머신의 자원 사용량이 과다한 것으로 예상하여 오토 스케일의 발생을 판단한다. 또는 오토 스케일링 관리부(148)가 상기 오토 스케일링 발생조건 중 CPU 사용량이 현재 클라우드 컴퓨팅 환경 내 가상머신의 자원 사용량 보다 작다고 판단한 경우에, 현재 구동 중인 가상머신의 자원 사용량이 부족한 것으로 예상하여 오토 스케일링의 발생을 판단한다. For example, if the auto-scaling management unit 148 determines that the amount of CPU usage among the auto-scaling occurrence conditions is greater than the resource usage of the virtual machine in the current cloud computing environment, And the occurrence of the scale is judged. Or when the auto-scaling management unit 148 determines that the CPU usage amount among the auto-scaling occurrence conditions is smaller than the resource usage of the virtual machine in the current cloud computing environment, it is predicted that the resource usage amount of the currently running virtual machine is insufficient, .
하지만 이와 달리, CPU 사용량이 모니터링한 자원 사용량과 동일한 경우에는 현재 구동 중인 가상머신의 자원 사용량이 적절하다고 예상하여 오토 스케일링이 발생하지 않는다고 판단한다. However, if the CPU usage is the same as the monitored resource usage, it is determined that the resource usage of the currently running virtual machine is appropriate, so that no auto-scaling occurs.
이후, 클라우드 인프라스트럭처(160)가 상기 오토 스케일링 엔진(140)으로부터 수신한 자원 제어 요청에 따라 가상머신(180)을 제어한다(S230). 즉, 상기 서비스 수준 협약 정보로부터 오토 스케일링이 발생하였다고 판단하는 경우, 가상머신(180)을 생성하거나 또는 삭제할 수 있다. Then, the
본 발명의 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템 및 방법은 사용자별 고유한 자원 요구사항이 포함된 서비스 수준 협약 정보를 수신하여 이에 기초하여 가상머신의 자원 재할당을 결정할 수 있으므로, 사용자 만족도를 향상시킬 수 있는 효과가 있다. The auto-scaling system and method in a cloud computing environment according to the present invention can receive service level agreement information including unique resource requirements for each user and determine resource reallocation based on the received service level agreement information, There is an effect.
또한 본 발명의 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템 및 방법은 클라우드 플랫폼 내 평균 응답시간을 고려하여 보다 신속하고 효율적으로 가상머신의 자원 할당을 수행할 수 있는 효과가 있다. In addition, the autoscaling system and method in the cloud computing environment of the present invention can perform the resource allocation of the virtual machine more quickly and efficiently considering the average response time in the cloud platform.
상기에서는 본 발명의 바람직한 실시 예에 대하여 설명하였지만, 본 발명은 이에 한정되는 것이 아니고 본 발명의 기술 사상 범위 내에서 여러 가지로 변형하여 실시하는 것이 가능하고 이 또한 첨부된 특허청구범위에 속하는 것은 당연하다.
While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, Do.
120: 클라이언트
140: 오토 스케일링 엔진
160: 클라우드 인프라스트럭처
180: 가상머신120: client 140: auto scaling engine
160: Cloud Infrastructure 180: Virtual Machines
Claims (9)
상기 클라이언트로부터 상기 서비스 수준 협약 정보를 수신하고, 수신한 서비스 수준 협약 정보 내 사용자의 자원 요구사항을 분석하고, 가상머신의 자원 제어를 요청하는 오토 스케일링 엔진; 및
상기 오토 스케일링 엔진으로부터 수신한 자원 제어 요청에 기초하여 가상머신의 자원 사용량을 제어하는 클라우드 인프라스트럭처;
를 포함하는 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템.
A client for transmitting the service level agreement information after incorporating a user's resource requirement into a service level agreement (SLA) in a cloud computing environment;
An auto-scaling engine for receiving the service level agreement information from the client, analyzing resource requirements of the user in the received service level agreement information, and requesting resource control of the virtual machine; And
A cloud infrastructure for controlling resource usage of a virtual machine based on a resource control request received from the auto-scaling engine;
And a second computing device.
상기 오토 스케일링 엔진은
상기 클라이언트로부터 사용자의 자원 요구사항이 포함된 서비스 수준 협약정보를 수신하여 저장하는 저장부;
상기 서비스 수준 협약 정보를 분석하여 가상머신에 대한 오토 스케일 발생조건을 획득하는 분석부;
가상머신의 자원에 대한 현재 사용량을 모니터링하는 모니터링부; 및
상기 오토 스케일링 발생조건 및 모니터링한 자원 사용량을 비교하여 가상머신에 대한 오토 스케일링의 발생여부를 판단한 후, 가상머신의 자원 제어를 요청하는 오토 스케일링 관리부;
를 포함하는 것을 특징으로 하는 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템.
The method according to claim 1,
The auto-scaling engine
A storage unit for receiving and storing service level agreement information including a resource requirement of a user from the client;
An analyzer for analyzing the service level agreement information to obtain an auto-scale generation condition for a virtual machine;
A monitoring unit for monitoring a current usage of resources of the virtual machine; And
An auto-scaling management unit for comparing the auto-scaling occurrence condition and the monitored resource usage to determine whether or not auto-scaling has occurred for the virtual machine, and then requesting resource control of the virtual machine;
Wherein the system comprises:
상기 클라우드 인프라스트럭처는
가상머신에 대한 오토 스케일링이 발생하였다고 판단하는 경우, 가상머신을 추가로 생성 또는 삭제하는 것을 특징으로 하는 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템.
The method according to claim 1,
The cloud infrastructure
Wherein the virtual machine is further configured to create or delete a virtual machine when it is determined that auto-scaling has occurred for the virtual machine.
상기 서비스 수준 협약 정보는
가상머신의 개수, 프로세서의 수, CPU 용량, 메모리 용량, 디스크 용량 중 적어도 하나를 포함하는 하드웨어 규격 또는 평균 응답시간을 포함하는 것을 특징으로 하는 클라우드 컴퓨팅 환경 내 오토 스케일링 시스템.
The method according to claim 1,
The service level agreement information
A hardware specification or an average response time including at least one of a number of virtual machines, a number of processors, a CPU capacity, a memory capacity, and a disk capacity.
오토 스케일링 엔진이 상기 클라이언트로부터 상기 서비스 수준 협약 정보를 수신하고, 수신한 서비스 수준 협약 정보 내 포함된 사용자의 자원 요구사항을 분석하고, 가상머신의 자원 제어를 요청하는 단계; 및
클라우드 인프라스트럭처가 상기 오토 스케일링 엔진으로부터 수신한 자원 제어 요청에 따라 가상머신을 제어하는 단계;
를 포함하는 클라우드 컴퓨팅 환경 내 오토 스케일링 방법.
Transmitting the service level agreement information after a client includes a user's resource requirement in a service of a service level agreement (SLA) in a cloud computing environment;
Receiving, by the auto-scaling engine, the service level agreement information from the client, analyzing the resource requirements of the user included in the received service level agreement information, and requesting resource control of the virtual machine; And
Controlling the virtual machine according to a resource control request received from the auto-scaling engine by the cloud infrastructure;
The method comprising the steps of:
상기 오토 스케일링 엔진이 자원 요구사항을 분석하는 단계는
상기 클라이언트로부터 사용자의 자원 요구사항이 포함된 서비스 수준 협약 정보를 수신하여 저장하는 과정;
상기 서비스 수준 협약 정보를 분석하여 가상머신에 대한 오토 스케일 발생조건을 획득하는 과정;
가상머신의 자원에 대한 현재 사용량을 모니터링하는 과정;
상기 오토 스케일링 발생조건 및 모니터링한 자원 사용량을 비교하여 가상머신에 대한 오토 스케일링의 발생여부를 판단하는 과정; 및
상기 가상머신에 대한 자원 제어를 요청하는 과정;
을 포함하는 것을 특징으로 하는 클라우드 컴퓨팅 환경 내 오토 스케일링 방법.
6. The method of claim 5,
Wherein the step of analyzing the resource requirements of the auto-
Receiving service level agreement information including a user's resource requirement from the client and storing the service level agreement information;
Analyzing the service level agreement information to obtain an auto-scale generation condition for the virtual machine;
Monitoring the current usage of the virtual machine resource;
Comparing the auto-scaling occurrence condition and the monitored resource usage to determine whether or not auto-scaling occurs in the virtual machine; And
Requesting resource control for the virtual machine;
The method comprising the steps of:
상기 클라우드 인프라스트럭처가 수신한 자원 제어 요청에 따라 가상머신을 제어하는 단계는
상기 서비스 수준 협약 정보로부터 오토 스케일링이 발생하였다고 판단하는 경우, 가상머신을 생성하거나 또는 삭제하는 것을 특징으로 하는 클라우드 컴퓨팅 환경 내 오토 스케일링 방법.
6. The method of claim 5,
The step of controlling the virtual machine according to the resource control request received by the cloud infrastructure
And creating or deleting a virtual machine when it is determined that auto-scaling has occurred from the service level agreement information.
상기 서비스 수준 협약 정보는
가상머신의 개수, 프로세서의 수, CPU 용량, 메모리 용량, 디스크 용량 중 적어도 하나를 포함하는 하드웨어 규격 또는 평균 응답시간을 포함하는 것을 특징으로 하는 클라우드 컴퓨팅 환경 내 오토 스케일링 방법.
6. The method of claim 5,
The service level agreement information
A hardware specification including at least one of a number of virtual machines, a number of processors, a CPU capacity, a memory capacity, and a disk capacity, or an average response time.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130147490A KR20150062634A (en) | 2013-11-29 | 2013-11-29 | Auto scaling system and method in cloud computing environment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130147490A KR20150062634A (en) | 2013-11-29 | 2013-11-29 | Auto scaling system and method in cloud computing environment |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20150062634A true KR20150062634A (en) | 2015-06-08 |
Family
ID=53500616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130147490A KR20150062634A (en) | 2013-11-29 | 2013-11-29 | Auto scaling system and method in cloud computing environment |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20150062634A (en) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101695238B1 (en) * | 2016-06-29 | 2017-01-11 | 한국과학기술정보연구원 | System and method for job scheduling using multi computing resource |
| KR20170042844A (en) * | 2015-10-12 | 2017-04-20 | 주식회사 엘지유플러스 | Apparatus and Method for Preventing Carrying Away Traffic |
| KR20170062235A (en) * | 2015-11-27 | 2017-06-07 | 삼성에스디에스 주식회사 | System and method for processing service |
| KR20180000502A (en) * | 2016-06-23 | 2018-01-03 | 주식회사 케이티 | Cloud-based device for processing data, and user device |
| KR20180029635A (en) * | 2016-09-13 | 2018-03-21 | 주식회사 케이티 | Apparatus for predicting resource and cloud server |
| KR20180085806A (en) * | 2016-03-04 | 2018-07-27 | 구글 엘엘씨 | Resource allocation for computer processing |
| US10754547B2 (en) | 2017-10-16 | 2020-08-25 | Electronics And Telecommunications Research Institute | Apparatus for managing disaggregated memory and method thereof |
| KR102172607B1 (en) * | 2019-11-15 | 2020-11-02 | 한국전자기술연구원 | Method for balanced scale-out of resource on distributed and collaborative container platform environment |
| KR102393183B1 (en) * | 2021-09-29 | 2022-05-02 | (주)로그스택 | Method, device and system for managing and processing log data of corporate server |
-
2013
- 2013-11-29 KR KR1020130147490A patent/KR20150062634A/en not_active Application Discontinuation
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170042844A (en) * | 2015-10-12 | 2017-04-20 | 주식회사 엘지유플러스 | Apparatus and Method for Preventing Carrying Away Traffic |
| KR20170062235A (en) * | 2015-11-27 | 2017-06-07 | 삼성에스디에스 주식회사 | System and method for processing service |
| KR20180085806A (en) * | 2016-03-04 | 2018-07-27 | 구글 엘엘씨 | Resource allocation for computer processing |
| US10558501B2 (en) | 2016-03-04 | 2020-02-11 | Google Llc | Resource allocation for computer processing |
| KR20180000502A (en) * | 2016-06-23 | 2018-01-03 | 주식회사 케이티 | Cloud-based device for processing data, and user device |
| KR101695238B1 (en) * | 2016-06-29 | 2017-01-11 | 한국과학기술정보연구원 | System and method for job scheduling using multi computing resource |
| KR20180029635A (en) * | 2016-09-13 | 2018-03-21 | 주식회사 케이티 | Apparatus for predicting resource and cloud server |
| US10754547B2 (en) | 2017-10-16 | 2020-08-25 | Electronics And Telecommunications Research Institute | Apparatus for managing disaggregated memory and method thereof |
| KR102172607B1 (en) * | 2019-11-15 | 2020-11-02 | 한국전자기술연구원 | Method for balanced scale-out of resource on distributed and collaborative container platform environment |
| US11314559B2 (en) | 2019-11-15 | 2022-04-26 | Korea Electronics Technology Institute | Method for balanced scale out of resources in distributed and collaborative container platform environment |
| KR102393183B1 (en) * | 2021-09-29 | 2022-05-02 | (주)로그스택 | Method, device and system for managing and processing log data of corporate server |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20150062634A (en) | Auto scaling system and method in cloud computing environment | |
| US10228984B2 (en) | Management of virtual machine migration in an operating environment | |
| Beloglazov et al. | OpenStack Neat: a framework for dynamic and energy‐efficient consolidation of virtual machines in OpenStack clouds | |
| US10379898B2 (en) | Virtual machine consolidation | |
| US8762525B2 (en) | Managing risk in resource over-committed systems | |
| US9866481B2 (en) | Comprehensive bottleneck detection in a multi-tier enterprise storage system | |
| KR101977726B1 (en) | APPARATUS AND METHOD FOR Virtual Desktop Services | |
| US9363190B2 (en) | System, method and computer program product for energy-efficient and service level agreement (SLA)-based management of data centers for cloud computing | |
| US8972956B2 (en) | Application deployment in heterogeneous environments | |
| KR101578189B1 (en) | Management server and method for providing cloud computing service | |
| US20130019015A1 (en) | Application Resource Manager over a Cloud | |
| US9971621B1 (en) | Hotpooling virtual machines | |
| US11573835B2 (en) | Estimating resource requests for workloads to offload to host systems in a computing environment | |
| US20160156567A1 (en) | Allocation method of a computer resource and computer system | |
| US10764159B2 (en) | Dynamic system level agreement provisioning | |
| US9596189B1 (en) | Virtual machine management | |
| US20190288921A1 (en) | Service level management of a workload defined environment | |
| US10841369B2 (en) | Determining allocatable host system resources to remove from a cluster and return to a host service provider | |
| US9317332B2 (en) | Resolving deployment conflicts in heterogeneous environments | |
| US9785507B2 (en) | Restoration of consistent regions within a streaming environment | |
| Samir et al. | Autoscaling recovery actions for container‐based clusters | |
| US10877814B2 (en) | Profiling workloads in host systems allocated to a cluster to determine adjustments to allocation of host systems to the cluster | |
| KR101394365B1 (en) | Apparatus and method for allocating processor in virtualization environment | |
| US20180083846A1 (en) | Service level management of a workload defined environment | |
| US11645164B2 (en) | Adjusting data backups based on system details |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E601 | Decision to refuse application |