WO2016153288A1

WO2016153288A1 - 가상 클러스터 관리 시스템 및 이를 제어하기 위한 방법

Info

Publication number: WO2016153288A1
Application number: PCT/KR2016/002985
Authority: WO
Inventors: 민덕기; 구민오; 김바울; 조나연; 예쉬화
Original assignee: 건국대학교 산학협력단
Priority date: 2015-03-24
Filing date: 2016-03-24
Publication date: 2016-09-29
Also published as: WO2016153288A9

Abstract

본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템이 제공된다. 가상 클러스터 관리 시스템은 복수의 가상 머신을 포함하는 가상 클러스터 시스템에 대한 제어 요청을 처리함으로써, 가상 클러스터 시스템의 제어 정보를, 관리하도록 구성된 가상 클러스터 제어 정보 관리부 및 복수의 호스트에서의 복수의 가상 머신들을 관리하는 외부의 가상 머신 관리 시스템을 통해 또는 복수의 호스트에 직접 접속하여 제어함으로써, 제어 정보에 기초하여 복수의 가상 머신의 동작을 제어하도록 구성된 가상 클러스터 제어부를 포함한다.

Description

가상 클러스터 관리 시스템 및 이를 제어하기 위한 방법

본 발명은 가상 클러스터 관리 시스템 및 이를 제어하기 위한 방법에 관한 것으로서, 보다 상세하게는 가상 머신들 사이의 관계를 고려하여 가상 클러스터를 생성할 수 있는 가상 클러스터 관리 시스템 및 이를 제어하기 위한 방법에 관한 것이다.

가상 머신 (Virtual Machine; VM) 기반의 가상 컴퓨팅 환경에서, 가상 머신 스케줄링은 요청된 가상 머신이 배치, 구동될 호스트를 결정하는 처리 과정이며, 가상 머신 스케줄러는 가상 머신 스케줄링을 수행하는 도구이다.

종래의 가상 머신 스케줄러에 의한 가상 머신 스케줄링은 단일 가상 머신에 대한 배치 스케줄링에 집중한다. 이에 따라, 사용자가 다수의 가상 머신들을 논리적인 처리 집단으로 간주하고 가상 머신의 배치 스케줄링을 요청하더라도, 가상 머신의 스케줄러는 이러한 집단적인 가상 머신 스케줄링 요청에 대해, 가상 머신 각각의 가상 머신을 서로 관계적 특성이 없는 독립적인 가상 머신으로 인식하여 배치 스케줄링을 수행한다. 따라서 가상 머신 사용자는 자신이 사용하는 가상 머신 집단에 대해 사용자 스스로에 국한된 집단성만을 부여할 수밖에 없다. 즉, 가상 머신 스케줄러는 사용자가 의도한 집단적 특성, 예를 들어, 가상 머신 간의 배치 관점에서의 관계를 고려해 가상 머신 배치 스케줄링에 반영할 수 없는 한계가 있다.

최근 빅 데이터 처리 소프트웨어 플랫폼, 예컨대 Hadoop등을 비롯해 다양한 처리 소프트웨어 플랫폼들은 내부적으로 여러 종류의 소프트웨어 컴포넌트들로 구성되어 있다. 복수의 소프트웨어 컴포넌트들 각각은 별도의 가상 머신들 내에 구현되며, 가상 머신들 각각은 설치된 컴포넌트의 역할과 처리해야 할 작업의 종류 및 관리상의 이슈 (고가용성) 등의 이유로 물리적으로 분리된 컴퓨팅 시스템에 구동될 필요가 있다. 가상 머신은 전술한 분산 클러스터 시스템을 구성하기 위한 중요한 컴퓨팅 환경이 될 수 있다. 그러나 기존의 가상 머신 스케줄러에서는 집단을 이루는 가상 머신들에 대한 배치 스케줄링 시, 집단 내 가상 머신 간의 관계를 고려한 배치가 어려웠다.

발명의 배경이 되는 기술은 본 발명에 대한 이해를 보다 용이하게 하기 위해 작성되었다. 발명의 배경이 되는 기술에 기재된 사항들이 선행기술로 존재한다고 인정하는 것으로 이해되어서는 안 된다.

기존의 가상 머신 배치 시스템에서는 가상 클러스터의 배치 및 시간 스케줄링을 지원하지 못하는 문제점을 가지고 있다. 또한 다양한 배치 알고리즘을 동적으로 적용하기 어려운 구조적/기능적 제한 사항을 가지고 있다. 이에 따라, 가상 클러스터 환경에서 서브 그룹 단위로 또는 서브 그룹 내 가상 머신 단위로 상이한 배치 알고리즘을 적용하기 힘든 구조적 제약 사항을 내재하고 있다.

뿐만 아니라, 배치 알고리즘 및 다양한 서브 모듈들에 대한 동적 재구성이 가능한 (Dynamically Reconfigurable) 내부 시스템 체계가 존재하지 않았다. 이에 따라, 환경적 변화 요인에 유연한 대응이 어려웠다. 예를 들어, 배치 알고리즘 변경 시, 관리 시스템 전체 혹은 관리 시스템 내 배치 스케줄러를 재시작해야 하는 문제점을 가지고 있었다. 이는 가상 컴퓨팅 서비스의 일시적 중단을 야기하게 되므로 매우 중요한 문제이다.

또한, 기존의 가상 컴퓨팅 자원 배치 스케줄러들은 확장성 부재로 인해, 다양한 가상 컴퓨팅 자원 관리 시스템, 예를 들어 가상 머신 관리 시스템 또는 클라우드 관리 시스템과의 통합 또는 연동이 불가능한 구조였다.

이에 따라, 본 발명이 해결하고자 하는 과제는 가상 클러스터 내의 가상 머신들을 서브 그룹 또는 서브 그룹 단위 내에서 가상 머신의 단위로 배치할 수 있고, 재사용 가능하고 환경적 변화 요인에 유연한 가상 클러스터 관리 시스템 및 이를 제어하기 위한 방법을 제공하는데 있다.

본 발명의 해결하고자 하는 다른 과제는 다양한 가상 머신 관리 시스템과 통합가능하고, 복수의 호스트를 직접 제어할 수 있는 가상 클러스터 관리 시스템 및 이를 제어하기 위한 방법을 제공하는 것이다.

한편, 가상 클러스터에서의 가상 머신들을 배치하는 것은 단순히 복수의 가상 머신을 순차적으로 배치하는 것과는 상이하다. 가상 클러스터 내의 가상 머신들의 배치에서는 회피 조건에 따른 분산 배치나 친밀 조건에 따른 통합 배치를 고려해야한다.

이러한 점들을 고려할 때 가상 머신의 배치 방식은 획일적인 필터링, 정렬, 선택의 알고리즘 수행 단위로 구성되지 않고, 다양한 알고리즘 수행 단위의 조합으로 이루어질 수 있다.

그러나, 종래의 가상 머신의 배치 방식은 가상 클러스터 내의 관계 속성에 대해서 전혀 인식하고 있지 못하므로, 다양한 알고리즘 수행 단위의 조합을 구현하거나 상황에 따라 최대한 효율적인 배치를 수행하지 못하였다.

이에 따라, 본 발명이 해결하고자 하는 과제는 상황에 따라 배치의 효율성을 최대화하기 위해, 가상 머신들의 배치에 있어서 다양한 알고리즘 수행 단위의 조합을 구현할 수 있는 가상 클러스터 배치 방법 및 이를 제공하기 위한 장치를 제공하는데 있다.

본 발명의 해결하고자 하는 다른 과제는 서로에 대한 관계 속성에 따라 가상 클러스터 내의 복수의 가상 머신 각각을 적합한 호스트들에 배치시킬 수 있는 가상 클러스터 배치 방법 및 이를 제공하기 위한 장치를 제공하는 것이다.

본 발명의 해결하고자 하는 또 다른 과제는 가상 클러스터 내의 복수의 가상 머신들의 분류 또는 관계 속성의 결정을 보다 효율적으로 수행하고, 이를 재차 검증할 수 있는 가상 클러스터 배치 방법 및 이를 제공하기 위한 장치를 제공하는 것이다.

한편, 가상 머신의 생성에 있어서, 종래에는 사용자가 사용하기 원하는 시점부터 가상 머신을 사용할 수 있도록 데드라인(deadline) 기준으로 가상 클러스터의 스케줄링을 수행할 수 없었다. 사용자가 사용하기 원하는 시점부터 가상 클러스터를 사용하기 위해서는 사용자가 가상 클러스터의 생성 시간을 고려하여 미리 가상 클러스터의 스케줄링을 요청해야 했다. 특히, 하나의 가상 머신이 아닌 다수의 가상 머신을 포함하는 가상 클러스터의 경우에는 사용자가 가상 클러스터의 생성 시간을 예측하는 것이 어렵다는 문제점이 있었다.

따라서, 데드라인 기준으로 가상 클러스터의 스케줄링을 수행하는 동시에 가상 클러스터를 생성하는 시간 효율을 향상시킬 수 있는 방법 및 장치의 개발이 요구되었다.

이에 따라, 본 발명이 해결하고자 하는 과제는 가상 클러스터의 구동 시간을 스케줄링하는데 있어서, 사용자가 설정한 데드라인을 기준으로 가상 클러스터가 생성 완료되도록 생성 시간 정보를 산출함으로써, 사용자가 원하는 시간에 가상 클러스터를 사용할 수 있도록 스케줄링할 수 있는 가상 클러스터 구동 시간 스케줄링 방법 및 장치를 제공하는데 있다.

본 발명의 해결하고자 하는 다른 과제는 가상 클러스터에 포함된 가상 머신 각각에 대한 가상 컨테이너 생성 시간 및 총 부팅 시간을 병렬적으로 처리함으로써, 가상 클러스터를 생성하는 시간을 단축할 수 있는 가상 클러스터 구동 시간 스케줄링 방법 및 장치를 제공하는 것이다.

본 발명의 해결하고자 하는 또 다른 과제는 가상 클러스터를 주기적으로 생성하고 소멸시킬 수 있도록 스케줄링함으로써, 가상 클러스터를 효율적으로 사용할 수 있는 가상 클러스터 구동 시간 스케줄링 방법 및 장치를 제공하는 것이다.

본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템이 제공된다. 가상 클러스터 관리 시스템은 복수의 가상 머신을 포함하는 가상 클러스터 시스템에 대한 제어 요청을 처리함으로써, 가상 클러스터 시스템의 제어 정보를, 관리하도록 구성된 가상 클러스터 제어 정보 관리부 및 복수의 호스트에서의 복수의 가상 머신들을 관리하는 외부의 가상 머신 관리 시스템을 통해 또는 복수의 호스트에 직접 접속하여 제어함으로써, 제어 정보에 기초하여 복수의 가상 머신의 동작을 제어하도록 구성된 가상 클러스터 제어부를 포함한다.

본 발명의 다른 특징에 따르면, 가상 클러스터 제어부는, 외부의 가상 머신 관리 시스템으로 하여금 가상 머신의 생성, 종료, 정지, 재시작, 이주, 가상 클러스터 규모 및 할당된 자원 규모 변경 중 적어도 하나의 동작을 수행시키도록 더 구성된다.

본 발명의 또 다른 특징에 따르면, 가상 클러스터 관리 시스템은 가상 클러스터 제어부에 접속되는, 가상 머신 관리 시스템 접근 드라이버를 더 포함하고, 가상 머신 관리 시스템 접근 드라이버는 외부의 가상 머신 관리 시스템 또는 호스트에서 사용되는 가상 컴퓨팅 자원 제어 기능을 가상 클러스터 제어부에서 사용 가능한 가상 컴퓨팅 자원 제어 기능으로 변환하도록 구성된다.

본 발명의 또 다른 특징에 따르면, 가상 클러스터 관리 시스템은 가상 머신 관리 시스템 접근 드라이버의 등록 또는 변경 또는 삭제를 수행하도록 구성된 드라이버 관리부를 더 포함한다.

본 발명의 또 다른 특징에 따르면, 가상 클러스터 관리 시스템은 가상 클러스터 시스템의 구동 시점을 스케줄링하도록 구성된 타임 엔진 및 복수의 가상 머신이 배치되는 호스트를 결정하도록 구성된 배치 엔진을 더 포함하고, 가상 클러스터 제어 정보 관리부는, 타임 엔진 또는 배치 엔진에 의해 생성되는 복수의 가상 머신의 제어 정보 또는 가상 클러스터 시스템의 제어 정보를 스케줄 테이블로 저장한다.

본 발명의 또 다른 특징에 따르면, 배치 엔진은 복수의 가상 머신을 배치하기 위한 복수의 계산 모듈을 포함하고, 복수의 계산 모듈은 제어 정보에 액세스 가능하도록 구성된다.

본 발명의 또 다른 특징에 따르면, 배치 엔진은 복수의 가상 머신의 배치도를 제어 정보의 형태로 저장하도록 더 구성된다.

본 발명의 또 다른 특징에 따르면, 가상 클러스터 관리 시스템은 가상 클러스터 시스템 또는 가상 머신들에 대한 제어 요청을 수신하고, 제어 요청의 속성에 따라 제어 요청을 가상 클러스터 제어 정보 관리부 또는 가상 클러스터 제어부에 할당하도록 구성된 가상 클러스터 운영 관리부를 더 포함한다.

본 발명의 또 다른 특징에 따르면, 가상 클러스터 관리 시스템은 복수의 호스트의 자원 정보, 상태 정보, 복수의 가상 머신의 자원 정보 및 상태 정보를 수집하고, 복수의 호스트의 자원 정보, 상태 정보, 복수의 가상 머신의 자원 정보, 상태 정보 및 제어 정보 중 적어도 하나를 제공하도록 구성된 정보 관리부를 더 포함한다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템의 제어 방법이 제공된다. 가상 클러스터 관리 시스템의 제어 방법은 복수의 가상 머신을 포함하는 가상 클러스터 시스템에 대한 제어 요청을 수신하는 단계, 제어 요청에 따라 복수의 가상 클러스터 시스템의 제어 정보를 생성하거나 정정하는 단계, 복수의 호스트를 관리하는 외부의 가상 머신 관리 시스템을 통해 또는 복수의 호스트에 직접 접속하여 복수의 가상 머신을 제어함으로써, 제어 정보에 기초하여 복수의 호스트에서의 복수의 가상 머신의 동작을 제어하기 위한 명령을 출력하는 단계를 포함한다.

본 발명의 다른 특징에 따르면, 가상 클러스터 관리 시스템의 제어 방법은 제어 요청을 스케줄링이 요구되는 제어 요청 또는 스케줄링이 요구되지 않는 제어 요청으로 분류하는 단계 및 스케줄링 요구되지 않는 제어 요청에 따라 복수의 가상 머신의 동작을 제어하기 위한 명령을 출력하는 단계를 더 포함하고, 스케줄링이 요구되지 않는 제어 요청에 따라 복수의 가상 머신의 동작을 제어하기 위한 명령을 출력하는 단계는 제어 정보와는 독립적으로 수행하도록 한다.

본 발명의 또 다른 특징에 따르면, 가상 클러스터 관리 시스템의 제어 방법은 가상 클러스터 시스템에 대한 제어 요청에 따라 가상 클러스터 시스템의 동작 시간을 결정하는 단계 및 결정된 동작 시간에 따라 제어 정보를 갱신하는 단계를 더 포함한다.

본 발명의 또 다른 특징에 따르면, 가상 클러스터 관리 시스템의 제어 방법은 가상 클러스터 시스템에 대한 제어 요청에 따라 가상 클러스터 시스템의 배치를 결정하는 단계 및 결정된 배치에 따라 제어 정보를 갱신하는 단계를 더 포함한다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법이 제공된다. 가상 클러스터 배치 방법은 복수의 가상 머신을 포함하는 가상 클러스터 시스템에 대한 시스템 정보를 수신하는 단계, 복수의 가상 머신을 서브 그룹으로 분류하는 단계, 서브 그룹 사이의 관계 속성 또는 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성을 결정하는 단계 및 서브 그룹 사이의 관계 속성 또는 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성에 따라, 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계를 포함한다.

본 발명의 다른 특징에 따르면, 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계는, 복수의 가상 머신 중 일부를 복수의 호스트 중 서로 상이한 호스트들에 배치하는 단계를 포함한다.

본 발명의 또 다른 특징에 따르면, 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계는 적어도 하나의 계산 모듈을 통해 복수의 가상 머신의 배치와 연관된 계산을 수행하는 단계를 포함하고, 적어도 하나의 계산 모듈 각각은, (a) 서브 그룹에 대한 정보를 핸들링하는 단계, (b) 서브 그룹을 파티셔닝하는 단계, (c) 호스트를 정렬하는 단계, (d) 호스트를 필터링하는 단계, (e) 호스트를 추출하는 단계; 또는 (f) 사용자 정의된 기능을 수행하는 단계 중 적어도 하나의 단계를 수행하도록 구성된다.

본 발명의 또 다른 특징에 따르면, 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계는, 관계 속성에 따라 서로 상이한 계산 모듈의 조합을 이용하여 수행된다.

본 발명의 또 다른 특징에 따르면, 서브 그룹 사이의 관계 속성 또는 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성은 분산 배치 또는 통합 배치이다.

본 발명의 또 다른 특징에 따르면, 가상 클러스터 배치 방법은 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계 이후에, 가상 클러스터 시스템에 대한 배치 맵을 갱신하는 단계를 더 포함하고, 적어도 하나의 계산 모듈은 배치 맵에 액세스 가능하도록 구성된다.

본 발명의 또 다른 특징에 따르면, 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계는 가상 머신을 복수의 호스트 중 하나에 배치하도록 배치 맵에 기초하여 호스트를 선택하는 단계를 포함한다.

본 발명의 또 다른 특징에 따르면, 복수의 가상 머신을 서브 그룹으로 분류하는 단계는 복수의 가상 머신의 자원요구사항에 기초하거나 사용자-정의에 기초하여 복수의 가상 머신을 서브 그룹으로 분류하는 단계이다.

본 발명의 또 다른 특징에 따르면, 복수의 가상 머신을 서브 그룹으로 분류하는 단계는, 분류 기준에 따라 복수의 가상 머신을 서브 그룹으로 분류하는 단계이고, 분류 기준은 분류 히스토리 또는 기 저장된 분류 정보에 따라 결정된다.

본 발명의 또 다른 특징에 따르면, 서브 그룹 사이의 관계 속성 또는 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성을 결정하는 단계는, 관계 속성의 결정에 대한 히스토리 또는 기 저장된 결정 정보에 따라, 서브 그룹 사이의 관계 속성 또는 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성을 결정하는 단계이다.

본 발명의 또 다른 특징에 따르면, 가상 클러스터 배치 방법은 서브 그룹 사이의 관계 속성 또는 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성을 검증하는 단계를 더 포함한다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 가상 클러스터 배치를 제공하기 위한 장치는 복수의 가상 머신을 포함하는 가상 클러스터 시스템에 대한 시스템 정보를 수신하기 위한 요청 수신부; 및 요청 수신부와 연결된 배치 엔진을 포함하고, 배치 엔진은, 복수의 가상 머신을 서브 그룹으로 분류하고, 서브 그룹 사이의 관계 속성 또는 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성을 결정하고, 서브 그룹 사이의 관계 속성 또는 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성에 따라, 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하도록 구성된다.

본 발명의 다른 특징에 따르면, 배치 엔진은 적어도 하나의 계산 모듈을 통해 복수의 가상 머신 중 하나를 복수의 호스트에 배치하도록 구성되고, 적어도 하나의 계산 모듈 각각은, (a) 서브 그룹에 대한 정보를 핸들링하는 단계, (b) 서브 그룹을 파티셔닝하는 단계, (c) 호스트를 정렬하는 단계, (d) 호스트를 필터링하는 단계, (e) 호스트를 추출하는 단계; 또는 (f) 사용자 정의된 기능을 수행하는 단계 중 적어도 하나의 단계를 수행하도록 구성된다.

본 발명의 또 다른 특징에 따르면, 배치 엔진은, 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치한 후, 가상 클러스터 시스템에 대한 배치 맵을 갱신하도록 더 구성된다.

본 발명의 또 다른 특징에 따르면, 배치 엔진은, 가상 머신을 복수의 호스트 중 하나에 배치하도록 배치 맵에 기초하여 호스트를 선택함으로써, 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하도록 구성된다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 가상 클러스터 구동 시간 스케줄링 방법은 가상 머신을 사용하고자 하는 시점인 데드라인 및 가상 머신에 대한 생성 시작 시간의 산출 요청을 수신하는 단계, 데드라인에 기초하여 생성 시작 시간을 산출하는 단계 및 생성 시작 시간을 외부 모듈로 송신하는 단계를 포함하는 것을 특징으로 한다.

본 발명의 다른 특징에 따르면, 생성 시작 시간을 산출하는 단계는, 생성 명령 전달 시간, 가상 컨테이너 생성 시간 및 총 (total) 부팅 시간에 기초하여 생성 시작 시간을 산출하는 단계인 것을 특징으로 한다.

본 발명의 또 다른 특징에 따르면, 가상 머신의 수가 2 이상인 경우, 생성 시작 시간을 산출하는 단계는, 가상 머신 각각에 대한 생성 명령 전달 시간이 순차적으로 처리되고, 가상 머신 각각에 대한 가상 컨테이너 생성 시간이 순차적 또는 병렬적으로 처리되고, 가상 머신 각각에 대한 총 부팅 시간이 병렬적으로 처리되도록 생성 시작 시간을 산출하는 단계인 것을 특징으로 한다.

본 발명의 또 다른 특징에 따르면, 생성 시작 시간을 산출하는 단계는, 가상 머신이 동일한 호스트에 배치된 경우, 가상 머신 각각에 대한 가상 컨테이너 생성 시간이 하나의 호스트에서 순차적으로 처리되고, 가상 머신이 서로 다른 호스트에 배치된 경우, 가상 머신 각각에 대한 가상 컨테이너 생성 시간이 서로 다른 호스트에서 병렬적으로 처리되도록 생성 시작 시간을 산출하는 단계인 것을 특징으로 한다.

본 발명의 또 다른 특징에 따르면, 총 부팅 시간은 부팅 선택 시간, 부팅 시간, 초기화 시간 및 지연 시간 중 적어도 하나 이상의 시간을 합산한 시간인 것을 특징으로 한다.

본 발명의 또 다른 특징에 따르면, 생성 시작 시간을 산출하는 단계는, 생성 완료 시간에 기초하여 생성 시작 시간을 산출하는 단계인 것을 특징으로 한다.

본 발명의 또 다른 특징에 따르면, 산출하는 단계는, 생성 완료 시간과 데드라인 사이에 여유 시간이 확보되도록 생성 시작 시간을 산출하는 단계인 것을 특징으로 한다.

본 발명의 또 다른 특징에 따르면, 산출하는 단계는, 실행 슬롯을 기반으로 생성 시작 시간을 산출하는 단계인 것을 특징으로 한다.

본 발명의 또 다른 특징에 따르면, 실행 슬롯은 일정 시간 간격으로 구획되는 것을 특징으로 한다.

본 발명의 또 다른 특징에 따르면, 가상 클러스터 구동 시간 스케줄링 방법은 산출 요청에 대하여 적용하고자 하는 시간 모델을 결정하는 단계를 더 포함하고, 산출하는 단계는, 시간 모델에 기초하여 생성 시작 시간을 산출하는 단계인 것을 특징으로 한다.

본 발명의 또 다른 특징에 따르면, 가상 클러스터 구동 시간 스케줄링 방법은 사용자의 요청을 통해 다른 시간 모델을 추가하는 단계, 사용자의 요청을 통해 시간 모델을 변경하는 단계 또는 사용자의 요청을 통해 시간 모델을 삭제하는 단계를 더 포함하는 것을 특징으로 한다.

본 발명의 또 다른 특징에 따르면, 수신하는 단계는, 가상 머신에 대한 구동 시작 시간 및 구동 종료 시간을 포함하는 구동 주기 및 가상 머신을 주기적으로 구동시키기 위한 산출 요청을 수신하는 단계인 것을 특징으로 한다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 다른 실시예에 따른 가상 클러스터 구동 시간 스케줄링 방법은 가상 머신을 사용하고자 하는 시점인 데드라인을 수신하는 단계, 데드라인에 기초하여 생성 시작 시간을 산출하는 단계 및 생성 시작 시간에 기초하여 데드라인 이전에 가상 머신이 생성 완료되도록 가상 머신을 생성하는 단계를 포함하는 것을 특징으로 한다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 가상 클러스터 구동 시간 스케줄링 장치는 가상 머신을 사용하고자 하는 시점인 데드라인 및 가상 머신에 대한 생성 시작 시간의 산출 요청을 수신하는 수신부, 데드라인에 기초하여 생성 시작 시간을 산출하는 산출부 및 생성 시작 시간을 외부 모듈로 송신하는 송신부를 포함하는 것을 특징으로 한다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 다른 실시예에 따른 가상 클러스터 구동 시간 스케줄링 장치는 가상 머신을 사용하고자 하는 시점인 데드라인을 수신하는 수신부, 데드라인에 기초하여 생성 시작 시간을 산출하는 산출부 및 생성 시작 시간에 기초하여 데드라인 이전에 가상 머신이 생성 완료되도록 가상 머신을 생성하는 생성부를 포함하는 것을 특징으로 한다.

기타 실시예의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명은 가상 클러스터 내의 가상 머신들을 서브 그룹 또는 서브 그룹 단위 내에서 가상 머신의 단위로 배치할 수 있고, 재사용 가능하고 환경적 변화 요인에 유연한 가상 클러스터 관리 시스템 및 이를 제어하기 위한 방법을 제공할 수 있는 효과가 있다.

또한 본 발명은 다양한 가상 머신 관리 시스템과 통합가능하고, 복수의 호스트를 직접 제어할 수 있는 가상 클러스터 관리 시스템 및 이를 제어하기 위한 방법을 제공할 수 있다.

본 발명은 상황에 따라 배치의 효율성을 최대화하기 위해, 가상 머신들의 배치에 있어 다양한 알고리즘 수행 단위의 조합을 구현할 수 있는 가상 클러스터 배치 방법 및 이를 제공하기 위한 장치를 제공할 수 있는 효과가 있다.

또한, 본 발명은 서로에 대한 관계 속성에 따라 가상 클러스터 내의 복수의 가상 머신 각각을 적합한 호스트들에 배치시킬 수 있는 가상 클러스터 배치 방법 및 이를 제공하기 위한 장치를 제공할 수 있다.

나아가 본 발명은 가상 클러스터 내의 복수의 가상 머신들의 분류 또는 관계 속성의 결정을 보다 효율적으로 수행하고, 이를 재차 검증할 수 있는 가상 클러스터 배치 방법 및 이를 제공하기 위한 장치를 제공할 수 있는 효과가 있다.

본 발명은 가상 클러스터의 구동 시간을 스케줄링하는데 있어서, 사용자가 설정한 데드라인을 기준으로 가상 클러스터가 생성 완료되도록 생성 시간을 산출함으로써, 사용자가 원하는 시간에 가상 클러스터를 사용할 수 있도록 스케줄링할 수 있는 효과가 있다.

또한, 가상 클러스터에 포함된 가상 머신 각각에 대한 가상 컨테이너 생성 시간 및 총 부팅 시간을 병렬적으로 처리함으로써, 가상 클러스터를 생성하는 시간을 단축할 수 있는 효과가 있다.

또한, 가상 클러스터를 주기적으로 생성하고 소멸시킬 수 있도록 스케줄링함으로써, 가상 클러스터를 효율적으로 사용할 수 있는 가상 클러스터 구동 시간 스케줄링 방법 및 장치를 제공할 수 있는 효과가 있다.

본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.

도 1은 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템의 동작을 설명하기 위한 개략도를 예시적으로 도시한다.

도 2는 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템을 설명하기 위한 예시적인 블록도이다.

도 3은 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템의 가상 클러스터 제어 정보 관리부를 설명하기 위한 예시적인 블록도이다.

도 4는 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템의 가상 클러스터 제어부를 설명하기 위한 예시적인 블록도이다.

도 5는 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템에서 가상 클러스터의 제어 요청이 수신되었을 때의 처리 흐름을 설명하기 위한 예시적인 블록도이다.

도 6은 본 발명의 다른 실시예에 따른 가상 클러스터 관리 시스템의 동작을 설명하기 위한 개략도를 예시적으로 도시한다.

도 7은 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템의 제어 방법을 설명하기 위한 개략적인 흐름도이다.

도 8은 본 발명의 일 실시예에 따른 가상 클러스터 배치를 위한 장치의 블록도를 예시적으로 도시한다.

도 9는 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법을 설명하기 위한 개략적인 흐름도이다.

도 10은 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법을 설명하기 위한 개략도이다.

도 11a 및 11b는 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법의 구체적인 적용예를 설명하기 위한 개략도들이다.

도 12는 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법의 구체적인 적용예에서 복수의 가상 머신을 포함하는 가상 클러스터가 복수의 호스트에 배치되는 예시를 설명하기 위한 개념도이다.

도 13 내지 도 17은 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법이 나타내는 처리 성능과 성능 지표들을 설명하기 위한 도표들이다.

도 19는 본 발명의 일 실시예에 따른 가상 클러스터 구동 시간 스케줄링 장치의 개략적인 블록도이다.

도 20은 본 발명의 일 실시예에 따른 가상 클러스터 구동 시간 스케줄링 방법을 설명하기 위한 흐름도이다.

도 21a 내지 21c는 본 발명의 몇몇 실시예에 따른 가상 클러스터 구동 시간 스케줄링 방법에서 예시적인 생성 시간 정보의 산출 단계를 설명하기 위한 개념도들이다.

도 22a 및 22b는 본 발명의 몇몇 실시예에 따른 가상 클러스터 구동 시간 스케줄링 방법에서 예시적인 실행 슬롯의 생성 단계를 설명하기 위한 개념도들이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 발명의 실시예를 설명하기 위한 도면에 개시된 형상, 크기, 비율, 각도, 개수 등은 예시적인 것이므로 본 발명이 도시된 사항에 한정되는 것은 아니다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. 또한, 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다. 본 명세서 상에서 언급된 “포함한다”, “갖는다”, “이루어진다” 등이 사용되는 경우 “~만”이 사용되지 않는 이상 다른 부분이 추가될 수 있다. 구성 요소를 단수로 표현한 경우에 특별히 명시적인 기재 사항이 없는 한 복수를 포함하는 경우를 포함한다.

비록 제1, 제2 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않는다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있다.

명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다.

도 1은 본 발명의 일 실시예에 따른 가상 클러스터 (VC; virtual cluster) 관리 시스템의 동작을 설명하기 위한 개략도를 예시적으로 도시한다. 본 발명의 일 실시예에 따른 VC 관리 시스템(100)은 가상 클러스터를 구성하는 가상 머신들의 배치 및 시간 스케줄링 역할을 수행하는 가상 클러스터 스케줄러를 위한 소프트웨어 프레임워크이거나 또는 가상 머신들의 배치 및 시간 스케줄링을 수행하고 이에 따라 가상 머신들을 제어하기 위한 프레임워크이다.

도 1에서는 예시적으로 외부의 가상 머신 관리 시스템 (VMMS; virtual machine management system) 과의 통합 또는 연동될 수 있는 가상 스케줄러를 위한 소프트 프레임워크로 도시된다. 예를 들어, VC 관리 시스템(100)은 VMMS의 확장성 기능 모듈의 하나로 존재할 수 있으며, 반대로 VMMS이 VC 관리 시스템(100)의 확장성 기능 모듈로 존재할 수 있다. VC 관리 시스템(100)은 접근 드라이버를 통해 외부의 VMMS과 호환 가능하게 연결될 수 있다. VC 관리 시스템(100)이 호스트(Host)를 직접 제어하는 실시예에 대해서는 도 6을 참조하여 후술한다.

도 1을 참조하면, VC 관리 시스템(100), VMMS 및 복수의 호스트(Host)들이 도시된다. VC 관리 시스템(100)은 가상 클러스터에 대한 제어 정보를 수신하고, 제어 정보에 따라 가상 클러스터 내의 가상 머신들의 제어를 스케줄하거나 가상 클러스터 내의 가상 머신들의 제어를 VMMS에 지시할 수 있다.

VMMS은 가상 컴퓨팅 자원을 관리하고, 가상 머신들을 제어하기 위한 시스템이다. VMMS은 예를 들어, OpenNebula, OpenStack, Eucalyptus, CloudStack등이 있을 수 있다. VMMS은 VC 관리 시스템(100)으로부터 가상 머신에 대한 제어 명령을 수신하여, 호스트(Host)들에 가상 머신들을 생성하거나 가상 머신들을 종료시키거나 재시작시키는 등의 작업을 수행할 수 있다.

가상 머신들은 호스트(Host)에 생성되고 운영된다. 호스트(Host)들은 VMMS을 통해 제어될 수 있다. 사용자는 호스트(Host)에 생성된 가상 머신들에 직접 액세스하여, 가상 머신을 동작시킬 수도 있다.

또한, VC 관리 시스템(100)은 가상 클러스터에 대한 제어 정보를 별도의 웹 서비스를 통해 수신하도록 구성될 수도 있다. 또한, VC 관리 시스템(100)은 VMMS으로부터 가상 머신 및 호스트(Host)에 대한 상태를 수신하고, 이를 다시 사용자에게 제공하도록 구성될 수도 있다.

도 2는 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템을 설명하기 위한 예시적인 블록도이다. 도 2를 참조하면, VC 관리 시스템 (100) 은 VC 제어 요청 관리부 (110), VC 운영 관리부 (120), VC 제어 정보 관리부 (130), 타임 엔진 (140), 배치 엔진 (150), VC 제어부 (160), VMMS 접근 드라이버, 드라이버 관리부 (180) 및 정보 관리부 (190) 를 포함한다.

VC 제어 요청 관리부 (110) 는 VC 제어 요청을 수신하고, 특정 데이터 형식으로 기술된 VC 제어 요청 명세서 (specification) 와 같은 VC 제어 요청을 VC 관리 시스템 (100) 의 컴포넌트들에 의해 처리 가능한 VC 제어 요청으로 변환하는 역할을 수행한다. 또한, VC 제어 요청 관리부 (110) 는 VC 제어 요청을 VC 운영 관리부 (120) 로 전달한다. 예를 들어, VC 제어 요청 관리부 (110) 는 JSON 및 XML 형태로 된 VC 제어 요청을 수신하여 내부 컴포넌트들에 의해 처리 가능한 VC 제어 요청으로 변환한 후 VC 운영 관리부 (120) 로 변환된 VC 제어 요청을 전달할 수 있다.

VC 제어 요청 관리부 (110) 는 가상 클러스터 제어와 관련된 명령들 (VC 생성 배치, VC 종료, VC 정지/재시작, VC 이주, VC 규모 변화) 을 외부의 VMMS들로부터 수신하여 VC 관리 시스템 (100) 내부로 전달하는 역할을 수행할 수도 있다.

VC 관리 시스템 (100) 에서 VC 제어 요청 관리부 (110) 는 VMMS로부터 가상 클러스터 제어와 관련된 요청들을 수신하기 위해, 원격 프러시저 호출 (RPC, Remote Procedure Call) 과 같은 기술을 활용할 수 있다. VC 제어 요청 관리부 (110) 는 XML-RPC 기술을 기반으로 구현될 수 있다.

VC 운영 관리부 (120) 는 가상 클러스터 시스템 또는 가상 머신들에 대한 제어 요청을 수신하고, 제어 요청의 속성에 따라 제어 요청을 VC 제어 정보 관리부 (130) 또는 VC 제어부 (160) 에 할당하도록 구성된다.

VC 운영 관리부 (120) 는 VC 제어 요청에 의해 수행될 작업 유형을 판별하여 “VC 스케줄링이 필요한 제어 요청” 또는 “VC 스케줄링이 필요하지 않은 제어 요청”으로 구분한다. “VC 스케줄링이 필요한 제어 요청”은 VC 배치에 필요한 자원 배치 및 시간 스케줄링 계산을 수반한다. “VC 스케줄링이 필요하지 않은 제어 요청”은 구동 중인 VC에 대한 사용 정지/재가동, 종료와 같이 배치 또는 시간 스케줄링 계산을 수반하지 않는다.

VC 운영 관리부 (120) 는 VC 제어 요청 관리부 (110) 로부터 VC 제어 요청을 수신하기 위한 작업 큐 (Job Queue) 를 가지고 있으며, 본 작업 큐에 VC 제어 요청이 존재하는지를 판단한 다음, 큐 내의 VC 제어 요청들을 분류하여 작업 유형에 맞는 객체에 전달하는 역할을 수행한다. VC 운영 관리부 (120) 는 전술한 구분 작업을 VC 단위의 작업과 VM 단위의 관리 작업으로 세분화하여 수행할 수 있다. VC 운영 관리부 (120) 는 VM들의 직접 제어가 필요한 제어 요청, 예를 들어, VC 내 일부 VM들 혹은 전체 VM들을 종료하는 제어 요청 등에 대해서는 VC 제어부 (160) 에 전달한다. 이와 반대로, VC 생성/이주/규모, 할당된 자원 규모 변경 등 스케줄링이 필요한 제어 요청들에 대해서는 VC 제어 정보 관리부 (130) 에 전달한다.

VC 제어 정보 관리부 (130) 는 복수의 가상 머신을 포함하는 가상 클러스터 시스템에 대한 제어 요청을 처리함으로써, 가상 클러스터 시스템의 제어 정보를, 관리하도록 구성된다.

VC 제어 정보 관리부 (130) 는 VC 또는 VM의 구동 스케줄과 같은 VC 또는 VM 제어 정보의 생성, 삭제, 수정 등을 수행한다. VC 제어 정보 관리부 (130) 는 내부적으로 제어 작업의 종류, 예컨대 초기 배치 스케줄링, 가상 클러스터 규모 조정 등에 따라 개별적인 프로세서들을 가질 수 있다. VC 제어 정보 관리부 (130) 는 이러한 프로세서들을 중심으로 배치 엔진 (150) 및 타임 엔진 (140) 을 통해 공간적 배치 혹은 시간적 스케줄링을 수행한다. 그러나, 이에 제한되지 않고 하나의 프로세서가 모든 제어 작업을 수행할 수도 있다.

또한, VC 제어 정보 관리부 (130) 는 VM 상태 동기화 처리기를 포함하고, VM 상태 동기화 처리기를 통해 통해 예컨대 VC 종료, VM 구동 이상 등과 같은 VC 또는 VM들의 상태 변화에 따른 제어 정보 변경/삭제 작업을 수행한다. VC 제어 정보 관리부 (130) 는 VC 제어 작업의 진행 상태에 따라, 제어 상태를 갱신한다. VC 제어 정보 관리부 (130) 에 대해서는 도 3을 참조하여 후술한다.

배치 엔진 (150) 은 복수의 가상 머신이 배치되는 호스트를 결정하도록 구성된다. 배치 엔진 (150) 은 VC가 구동될 호스트를 결정하기 위해 VC 배치 전략에 따라 VC 배치 또는 VC 내의 VM들의 배치 작업을 수행한다. 배치 엔진 (150) 은 VC 배치를 위해 VC 배치 전략을 수행하기 위한 배치 계산 기능 모듈들을 통해 VC 배치 작업을 수행한다. 계산 기능 모듈은 제어 정보에 액세스 가능하도록 구성된다. VC 배치는 제어 요구 조건과 가상 컴퓨팅 자원 상태 등 다양한 요인들에 의해 성공적으로 수행되거나 혹은 계산 실패의 결과를 도출하게 된다. VC 배치가 성공적으로 이루어졌을 경우, 배치 엔진 (150) 은 VC 제어 정보 관리부 (130) 에 VC가 구동될 호스트들에 대한 배치도를 반환한다. 만약, VC 배치 중 오류 발생 혹은 VC 배치 실패 발생 시, 배치 엔진 (150) 은 이를 VC 제어 정보 관리부 (130) 에 반환한다.

타임 엔진 (140) 은 VC 구동 시작 시점에 대한 두 가지 옵션에 대해 크게 “즉시 생성”과 “예약 생성”을 지원하며, 예약 생성의 경우, 세부적으로 “정시 기준 VC 생성 (On-Time)” 옵션과 “데드라인 기반 VC 생성 (Deadline)”을 제공한다. 타임 엔진 (140) 은 예약 생성 옵션 중 “데드라인 기반 VC 생성”을 제공하기 위해 “VC 생성 시간 모델 (VC Creation Time Model)”을 기반으로 한 VC 생성 시간 최적화를 제공할 수 있다. 이에 따라, 대규모 VC의 예약 생성 시 “서비스 불가 시간” 발생 문제를 최소화함과 동시에 가상 클러스터 프로비저닝 시스템에 가상 클러스터를 구성하는 가상 머신들에 필요한 각종 컴퓨팅 자원의 생성 시간의 마지노선 (Maginot Line) 을 설정할 수 있도록 한다.

또한, 타임 엔진 (140) 은 VC 제어 정보 관리부 (130) 의 요청으로 VC 생성 시작 시간 계산 작업을 시작한다. 시간 스케줄링 결과를 바탕으로 VC 제어 정보 관리부 (130) 는 계산된 VC의 구동 시작 시간 및 VC 내 VM 별 구동 시작 시간을 바탕으로 VC 구동 스케줄과 VM 구동 스케줄과 같은 제어 정보를 생성하여 스케줄 테이블로 저장한다.

VC 제어부 (160) 는 VC의 생성/정지/재가동/이주/크기 변화 등의 VC 제어 요청 발생 시, VMMS 접근 기능을 제공하는 VMMS 접근 드라이버 (170) 를 통해 VMMS에 접근하여 가상 클러스터 제어 명령을 전달하는 역할을 수행한다. VC 제어부 (160) 는 VC 제어를 담당하는 “VC 제어 계층”과 VC 내 VM들을 제어하는 “VM 제어 계층”으로 나뉜다. “VC 제어 계층”은 VC 내 각각의 VM 들에 대한 제어 명령을 생성하며, 크게 다섯 종류의 VM 제어부들 (VM 생성 제어부, VM 종료 제어부, VM 정지/재가동 제어부, VM 이주 제어부, VM 크기 변경 제어부) 에게 전달한다. VM 제어부는 후술될 VC 제어기로부터 생성된 VM 제어 명령을 담는 제어 명령 큐 (Control Command Queue) 를 가지고 있으며, 각 VM 제어부들은 제어 명령 큐를 일정한 주기로 확인하여 VM 제어 명령들을 처리한다.

VMMS 접근 드라이버 (170) 는 VC 관리 시스템 (100) 의 구성 요소들, 예를 들어 VC 제어부 (160) 에 의해 요청된 각종 VM 제어를 수행하고, 가상 컴퓨팅 자원 및 상태에 대한 정보를 수신하기 위해 VMMS와 직접 상호 작용한다.

VMMS 관리 드라이버는 “정보 제공” 기능과 “VM 제어” 기능을 수행한다. VMMS 관리 드라이버는 VMMS에 등록되어 관리되는 각종 가상 컴퓨팅 환경을 구성하는 가상 머신들 및 호스트들에 대한 자원 정보 및 상태 정보들을 VMMS로부터 수신하여 VC 관리 시스템 (100) 의 구성 요소들에게 공급한다. 또한, VMMS 관리 드라이버는 VM의 생성/종료/정지/재시작 등 일련의 VM 제어 명령을 VMMS에 접근하여 실행한다. 또한, VMMS 관리 드라이버는 실행된 제어 명령의 결과를 VMMS로부터 수신하여 VC 관리 시스템 (100) 의 구성 요소들에게 반환한다.

예를 들어, VMMS 관리 드라이버는 VMMS에서 제공하는 다양한 외부 접근 가능한 API를 사용하여, 가상 클러스터 배치에 필요한 호스트 및 가상 머신 등의 각종 수집과 VM의 배치 및 종료 등의 다양한 VC 제어 명령들을 수행한다.

VMMS 접근 드라이버 (170) 는 VC 관리 시스템 (100) 내 모든 구성 요소들로부터 호출 가능한 분리된 형태로 존재하며, 후술될 드라이버 관리부 (180) 를 통해서 관리될 수 있다. 즉, VMMS 접근 드라이버 (170) 가 변경된다고 하더라도, VC 관리 시스템 (100) 내 다른 구성 요소들의 변동이 요구되지 않는다. 이에 따라, VC 관리 시스템 (100) 내에는 다양한 VMMS 접근 드라이버 (170) 를 사용할 수 있다. 즉, VC 관리 시스템 (100) 은 하나의 종류의 VMMS를 이용하지 않고, VMMS 접근 드라이버 (170) 에 따라 다양한 종류의 VMMS를 이용하여 VM들을 제어할 수 있다. 이러한 구동 가능한 VMMS 접근 드라이버 (170) 는 드라이버 관리부 (180) 에 인식되어 관리된다.

VMMS 접근 드라이버 (170) 는 적어도 17종의 함수와 3가지 내부 변수를 제공한다. 3가지 내부 변수는 VMMS 접근 드라이버 (170) 의 이름을 지정하는 “name” 변수, 드라이버의 파일 경로를 저장하는 “path”와 드라이버 사용 및 관리를 위해서 활용되는 “handle”로 구성된다. 이 중 “handle” 변수는 드라이버 관리부 (180) 에 의해 드라이버가 인식되었을 경우, 드라이버를 객체화한 뒤, 객체화된 드라이버의 객체 핸들러를 저장하는 공간이다. VMMS 접근 드라이버 (170) 는 getVMInfo, getVMInfoList, getVMInfoList_RawData, getVMInfoCore_List, setVMInfo_by_RawData, getHostInfo, getHostInfoList, getHostInfoList_RawData, getHostInfoCore_List, setHostInfo_by_RawData, deployVM, shutdownVM, pauseVM, unpauseVM, migrateVM, resizeVM를 포함하는 적어도 17종의 함수들을 제공한다. 제공되는 함수들은 크게 두 가지, VM과 호스트의 정보 동기화 모듈들에 의해서 사용되는 함수들 및 VC 제어부 (160) 내 VM 제어 컨트롤러들 각각의 고유 VM 제어 명령을 수행하기 위해 제공되는 함수들로 구성된다.

드라이버 관리부 (180) 는 VMMS 접근 드라이버 (170) 의 등록/변경/삭제 등 일련의 “VMMS 접근 드라이버 (170) 관리 기능”을 제공한다. 또한, 드라이버 관리부 (180) 는 VMMS 접근 드라이버 (170) 를 사용하고자 하는 다양한 프레임워크 내부 요소들에게 사용 권한 부여 및 환수 역할을 수행한다. 드라이버 관리부 (180) 는 VMMS 접근 드라이버 (170) 의 동적 등록/변경/삭제 기능을 제공하기 위해, 파일 시스템 감지 시스템으로부터 VMMS 접근 드라이버 (170) 파일의 추가/변경/삭제와 같은 파일 시스템 변경 이벤트를 수신할 수 있다. 드라이버 관리부 (180) 는 수신한 이벤트에 따라 VMMS 접근 드라이버 (170) 를 자동화된 방식으로 관리한다. VMMS 접근 드라이버 (170) 사용에 대한 권한은 가상 클러스터 관리 시스템 내 모든 구성 요소들에 부여되어 사용될 수 있다. 이에 따라, VC 배치에 사용되는 “배치 계산 기능 모듈”에 의해서도 VMMS 접근 드라이버 (170) 및 VMMS 심지어, 호스트에 직접 접근 가능하기 때문에 종래의 배치 스케줄러들에서는 구현기 어려웠던 기능들을 구현할 수 있다.

정보 관리부 (190) 는 복수의 호스트의 자원 정보, 상태 정보, 복수의 가상 머신의 자원 정보 및 상태 정보를 수집하고, 복수의 호스트의 자원 정보, 상태 정보, 복수의 가상 머신의 자원 정보, 상태 정보 및 제어 정보 중 적어도 하나를 제공하도록 구성된다.

정보 관리부 (190) 는 VC 배치에 필요한 VM 정보 및 호스트 정보를 관리한다. 정보 관리부 (190) 는 배치 엔진 (150) 에 배치에 필요한 가상 머신 및 호스트의 정보를 제공한다. 또한, 정보 관리부 (190) 는 동기화 모듈들을 통해 VC 배치에 필요한 VM 정보 및 호스트 정보를 주기적으로 수신하여 갱신한다. 또한 정보 관리부 (190) 는 외부의 정보 수집 시스템, 예를 들어 시스템 모니터링 시스템으로부터 전달되는 각종 시스템 관련 정보를 저장하고 관리할 수 있다. 이에 따라, 내부 정보와 외부 시스템으로부터 전달되는 정보를 동시에 수신할 수 있다. 외부의 정보 수집 시스템으로부터 전달되는 정보는 내부 정보를 추가/갱신 용도로 활용될 수 있다. 예를 들어, 특정 호스트에 대한 자원 모니터링 정보를 수신하고, 해당 정보가 시스템 내에 이미 존재할 경우, 정보 관리부 (190) 는 해당 정보를 갱신하며, 수신된 모든 시스템 정보는 수신 시각을 기준으로 “모니터링 정보 수신 일자”를 결정한다. 정보 동기화 모듈들은 외부 모니터링 시스템이 존재하지 않거나 VMMS 내 제공되는 정보를 수집해야 하는 환경에서 선택적으로 사용될 수도 있다.

또한, VC 관리 시스템 (100) 에서는 확장성 있는 요소들에 대한 자동화된 관리 메커니즘을 제공한다. 확장성 있는 요소들은 배치 전략, 배치 전략 내에서 사용되는 기능 모듈 및 VMMS 접근 드라이버 (170) 가 있다.

확장성 있는 요소에 대한 자동화된 관리 메커니즘은 “초기 인식” 기능과 “구동 중 관리” 기능으로 구성된다. “초기 인식” 기능은 VC 관리 시스템 (100) 의 초기 구동 시, 각 요소들 마다 지정된 특정 디렉토리를 탐색하여 각 요소들에 대한 관리자 내 저장소 (Pool) 에 자동 등록하는 기능을 의미한다. “구동 중 관리” 기능은 가상 클러스터 관리 시스템 구동 중 각 요소에 대한 추가/삭제/변경 발생 시 이를 자동으로 감지하여 각 요소들에 대한 관리자 내 저장소에 반영하는 기능을 의미한다.

도 2에서의 설명에서와 같이 본 발명의 일 실시예에 따른 VC 관리 시스템 (100) 은 VMMS 접근 드라이버 (170) 를 통해 VMMS와 통합가능하고, VC 제어부 (160) 와 VC 제어 정보 관리부 (130) 를 통해, 가상 클러스터에 대한 배치 전략에 따라 가상 머신들을 관련성 있도록 배치/구동할 수 있다. 이하에서는 VC 관리 시스템 (100) 내 구성 요소들 중 “VC 제어 정보 관리부 (130) ”, “VC 제어부 (160) ”에 대해서 도 3 및 도 4를 참조하여 구체적으로 설명한다.

도 3은 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템의 가상 클러스터 제어 정보 관리부 (190) 를 설명하기 위한 예시적인 블록도이다. VC 제어 정보 관리부 (130) 는 가상 클러스터의 구동 스케줄과 같은 제어 정보의 생성/변경/수정 등의 일련의 제어 정보 관리 작업을 수행한다.

VC 제어 정보 관리부 (130) 는 가상 클러스터를 배치하고 구동 시간 정보를 생성하기 위해 배치 엔진 (150) 과 타임 엔진 (140) 과 연결된다. 또한, VC 제어 정보 관리부 (130) 는 가상 머신의 상태에 따른 정보를 바탕으로 가상 머신과 가상 클러스터의 구동 스케줄과 같은 제어 정보를 수정하거나 삭제한다.

도 3을 참조하면, VC 제어 정보 관리부 (130) 는 제어 정보 관리부 (131), VC 제어 정보 핸들 프로세서 (132), Job 분류기 (133), VC 스케줄 테이블 (134), VM 스케줄 테이블 (135), 실행 슬롯 리스트 (136) 및 VM 상태 동기화부 (137) 를 포함한다. VC 제어 정보 관리부 (130) 내에서 스케줄링이 필요한 제어 요청은 VC 제어 정보 핸들 프로세서 (132) 에 의해서 처리된다. VC 제어 정보 핸들 프로세서 (132) 는 가상 클러스터의 초기 배치, 가상 클러스터 이주 및 가상 클러스터의 내적 또는 외적 규모 변경 명령을 처리한다.

VC 제어 정보 핸들 프로세서 (132) 는 가상 클러스터 내 가상 머신들의 호스트 배치 정보를 생성하기 위해 배치 엔진 (150) 을 활용하며, 가상 클러스터 내 가상 머신들의 시작 시간 조건에 상응하는 시작 시간 정보를 생성하기 위해 타임 엔진 (140) 을 활용한다. VC 제어 정보 핸들 프로세서 (132) 는 생성 요청된 가상 클러스터가 주기적으로 구동되는 가상 클러스터일 경우, 주기성 정보를 바탕으로 가상 클러스터 구동 시간 정보를 생성하고, 생성된 구동 시간 정보를 바탕으로 주기 내 각 세부 구동 스케줄에 해당하는 가상 클러스터 배치 정보와 가상 클러스터의 시작 시간 정보를 생성 순차적으로 생성한다. 제어 정보는 이러한 가상 클러스터 배치 정보 및 시작 시간 정보를 포함할 수 있다.

가상 클러스터 이주 작업은 구동 중인 가상 클러스터 혹은 가상 클러스터 내 가상 머신들을 대상으로 한다. 따라서 현재 구동 중인 가상 클러스터를 대상으로 이주 배치될 호스트들을 계산하기 위해 배치 엔진 (150) 을 활용한다. 가상 클러스터 규모 변경 작업은 구동 중인 가상 클러스터에 대한 수평적, 수직적 규모 증감을 위한 스케줄링 작업이다.

VC 스케줄 테이블 (134) 은 가상 클러스터 단위의 구동 스케줄 정보를 저장하는 자료 구조로서, 현재 구동 중이거나 예약된 가상 클러스터들의 제어 정보를 저장한다. VM 스케줄 테이블 (135) 은 가상 클러스터 내 가상 머신들의 구동 스케줄 정보를 저장하는 자료 구조로서, 현재 구동 중이거나 예약된 가상 머신들의 정보를 저장한다. 실행 슬롯 리스트 (136) 는 가상 클러스터 내 가상 머신들의 생성/이주/종료 등의 구동 스케줄을 특정 시간 단위로 저장한다.

VM 상태 동기화부 (137) 는 주기적으로 정보 관리부 (190) 로부터 가상 머신들의 상태 정보를 추출하고 추출된 가상 머신들의 상태 정보를 VC 제어 정보 관리부 (130) 에 전달한다. 또한 VM 상태 동기화부 (137) 는 종료된 가상 머신들을 발견 시 해당 가상 머신들의 식별자 정보를 VC 제어 정보 관리부 (130) 에 전달함으로써 VC 제어 정보 관리부 (130) 에 의해 종료된 가상 머신들 및 종료된 가상 클러스터들을 스케줄 또는 제어 정보에 반영할 수 있도록 한다.

제어 정보 관리부 (131) 는 가상 클러스터 및 가상 클러스터 내 가상 머신들의 구동 스케줄의 생성/수정/삭제 등 일련의 제어 정보에 대한 관리 작업을 총괄한다. 제어 정보 관리부 (131) 는 각 프로세서에게 가상 클러스터 및 가상 머신에 대한 제어 정보 생성 기능을 제공하며, 프로세서들에 의해서 완성된 가상 클러스터에 대한 구동 및 제어 정보를 VC 스케줄 테이블 (134) 과 VM 스케줄 테이블 (135) 및 실행 슬롯 리스트 (136) 에 반영하는 역할을 수행한다.

제어 정보 관리부 (131) 는 실행 슬롯 리스트 (136) 를 주기적으로 확인하여 각 확인 시점에서 가상 머신들을 생성, 이주 또는 종료 명령을 생성하여 VC 운영 관리부 (120) 에 전송한다. 제어 정보 관리부 (131) 는 실행 슬롯 검사 시점을 기준으로 검사 시점 및 검사 시점 이전에 처리되어야 할 가상 머신 제어 명령을 모두 처리한다. 예를 들어, 검사 주기는 기본적으로 1초로 설정될 수 있다. 또한 제어 정보 관리부 (131) 는 가상 머신의 상태를 동기화하는 VM 상태 동기화부 (137) 로부터 전송되는 가상 머신들의 상태 정보를 수신하여 VM 스케줄 테이블 (135) 내 가상 머신의 상태 정보에 반영한다. VM 상태 동기화부 (137) 로부터 통보된 구동 종료 가상 머신들에 대한 정보를 바탕으로 가상 머신에 대한 구동 스케줄 또는 제어 정보를 삭제함과 동시에 특정 가상 클러스터 내 모든 가상 머신 종료 감지 시 자동으로 가상 클러스터 구동 스케줄 또는 제어 정보를 삭제한다.

도 3에서 설명된 바와 같이, VC 제어 정보 관리부 (130) 는, 스케줄링이 요구되는 가상 클러스터에 대한 제어 요청에 따라 제어 정보를 생성하고 이를 저장하고 동기화할 수 있으며, 이를 다양한 구성 요소들에 제공할 수 있다. 이에 따라, 가상 클러스터의 유동적이고 관계를 고려한 배치가 수행될 수 있다.

도 4는 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템의 VC 제어부 (160) 를 설명하기 위한 예시적인 블록도이다. VC 제어부 (160) 는 가상 클러스터의 배치/이주/확장/소멸/정지/재시작 등과 같은 가상 클러스터의 구동을 제어한다. 가상 클러스터의 구동 제어는 가상 클러스터 수준의 제어와 가상 머신 수준의 제어로 구분된다. 도 4를 참조하면, VC 제어부 (160) 는 가상 클러스터 수준의 제어를 수행하기 위한 VC 제어 관리기 (161) 및 가상 머신 수준의 제어를 수행하기 위한 VM 생성 제어부 (162), VM 종료 제어부 (163), VM PUP 제어부 (164), VM 이주 제어부 (165) 및 VM 변경 제어부 (166) 를 포함한다.

VC 제어 관리기 (161) 는 가상 클러스터 단위의 제어 요청이 전달되었을 경우, VC 제어 정보 관리부 (130) 를 통해 현재 구동 중인 가상 머신들에 대한 각종 정보들 (종류, 상태 등) 을 확보하고, 이를 바탕으로 가상 머신 단위의 제어 명령을 생성한다. 다음으로, VC 제어 관리기 (161) 는 제어 명령 각각을 가상 머신 단위의 제어 명령을 수행하기 위한 VM 기능 제어부에 전달한다.

예를 들어, 가상 클러스터 종료 명령의 경우, VC 제어 관리기 (161) 는 VC 운영 관리부 (120) 로부터 전달된 가상 클러스터 종료 명령을 처리하기 위해 종료 요청된 가상 클러스터 내 가상 머신들 중 현재 구동 중인 가상 머신들의 목록을 VC 제어 정보 관리부 (130) 로부터 확보한다. 다음으로, VC 제어 관리기 (161) 는 확보된 가상 머신 목록을 바탕으로 가상 머신 별로 종료 명령을 생성한 다음, VM 종료 제어부 (163) 에 전달해 가상 머신 별 종료가 처리되도록 한다.

특히, VC 제어부 (160) 는 VC 제어 정보 관리부 (130) 등에 의해 시작된 가상 머신 단위의 제어 명령을 특별한 변환 과정 없이 VM 제어 계층에 있는 각종 컨트롤러들에게 직접 전달한다. 예를 들어, 데드라인 기반의 가상 클러스터 생성의 경우, 가상 클러스터 내 가상 머신 들이 모두 동일한 시점에 생성 작업을 시작하지 않을 수 있다. 대규모의 가상 클러스터를 배치하기 위한 경우, 특정 호스트에서는 1대 이상의 가상 머신들이 생성되므로 생성 시작 시점이 가상 클러스터 내 가상 머신 별로 상이할 수 있게 된다. 이러한 경우, 가상 클러스터에 대한 생성 명령이지만, 결국 시작 시점 기준으로는 개별적인 가상 머신들이 서로 다소 상이한 시점을 가지게 된다. 이러한 특성을 반영하기 위해 가상 머신 단위의 생성 명령이 VC 제어 관리기 (161) 에 전달되게 되고, VC 제어 관리기 (161) 는 가상 머신 별로 요청된 생성 시작 명령을 가상 머신 단위의 제어를 위해 VM 생성 제어부 (162) 에게 전달한다.

각 가상 머신 제어부는 VMMS 접근 드라이버 (170) 의 특정 기능과 연결되어 있어 VMMS 접근 드라이버 (170) 를 통해 요청된 가상 머신 제어 작업을 수행한다. VM 생성 제어부 (162) 는 가상 머신의 생성 명령을 수행하며, VMMS 접근 드라이버 (170) 의 VM 배치 (VM Deploy) 기능을 이용한다.

VM 종료 제어부 (163) 는 가상 머신의 종료 명령을 수행하며, VMMS 접근 드라이버 (170) 의 VM 종료 (VM Shutdown) 기능을 이용한다. VM PUP 제어부 (164) 는 가상 머신의 정지 (Pause) 명령 및 재시작 (Unpause) 명령을 수행하며, VMMS 접근 드라이버 (170) 의 VM 정지 (VM Pause) 기능 및 VM 재시작 (Unpause) 기능을 이용한다. VM 이주 제어부 (165) 는 가상 머신의 이주 (Migration) 명령을 수행하며, VMMS 접근 드라이버 (170) 의 VM 이주 (VM Migration) 기능을 이용한다. VM 사이즈 변경 제어부 (166) 는 가상 머신의 자원 증감 명령을 수행하며, VMMS 접근 드라이버 (170) 의 VM 사이즈 변경 (VM Resize) 기능을 이용한다.

모든 제어부들은 컨트롤러 (Controller) 클래스를 상속하며, 컨트롤러 클래스는 프레임워크에서 각종 쓰레드들의 원형이 되는 ThreadModule 클래스를 상속할 수 있다. 이에 따라 VC 제어부 (160) 내 VM 제어부들은 독립적인 쓰레드 (Thread) 로 구동되며, 각기 VM 제어 명령을 수신하기 위한 명령 큐 (Command Queue) 를 바탕으로 VC 제어 관리기 (161) 로부터 가상 머신 단위의 제어 명령을 수신한다.

VM 제어부의 독립 쓰레드화는 특정 가상 머신 제어 명령의 과대 적체로 인한 다른 가상 머신 제어 명령 실행 지연 문제를 완화시킬 수 있다. 가상 클러스터의 생성은 일반적인 단일 가상 머신 생성과는 다르게 가상 클러스터의 규모적 특성으로 인해 대규모화될 수 있다. 이러한 대규모 가상 클러스터 생성 시 개발 가상 머신 생성 명령이 과다 적체됨으로써, 구동 중인 가상 클러스터들에 대한 종료 명령이 지연될 경우, 가상 클러스터 사용 종료로 인한 자원 환원 시점이 지연되는 문제를 파생시키게 된다.

본 발명의 일 실시예에 따른 VC 관리 시스템 (100) 에서는 이러한 특정 가상 머신 제어 명령의 과대 적체로 인한 다른 가상 머신들에 대한 제어 명령 실행 지연 문제를 완화시키기 위해, VM 제어를 위한 제어부들을 제어 명령의 종류 별로 독립 쓰레드로 구성하여 구동한다. 또한 VC 관리 시스템 (100) 에서는 가상 머신 제어에 필요한 특정 명령, 예를 들어 가상 머신 일시 정지 및 재구동을 사용하지 않고자 할 경우, 해당 명령에 대한 제어부를 구동하지 않음으로써, 쓰레드 유지를 위한 비용을 감소시킬 수 있다.

VC 관리 시스템 (100) 에서는 다양한 VC 제어 요청을 지원한다. 제어 요청은 예를 들어, VC 배치 (시작) 요청, VC 종료 요청, VC 중단 및 재 시작 요청, VC 이주 요청 및 VC 내적/외적 규모 변화 요청 (규모 증가 또는 규모 감소 요청) 을 포함한다.

상기 제어 요청들은 “배치 계산 기반 VC 제어 요청 (VC 스케줄링이 필요한 제어 요청) ”과 “비 배치 계산 기반 VC 제어 요청 (VC 스케줄링이 필요하지 않은 제어 요청) ”으로 구분된다. “배치 계산 기반 VC 제어 요청”에는 “VC 배치 요청”, “VC 이주 요청”, “내적 VC 규모 증가 (VC Scale-Up) ”와 “외적 VC 규모 증가 (VC Scale-Out) ”가 있다. 이러한 “배치 계산 기반 VC 제어 요청”은 배치 엔진 (150) 에 의해 획득할 수 있는, 가상 클러스터가 구동될 (혹은 이전, 증가될) 호스트들의 결정이 요구되는 제어 요청을 의미한다.

“비 배치 계산 기반 VC 제어 요청”은 VC 종료, 내적 혹은 외적 VC 규모 감소로 가상 컴퓨팅 시설에서 사용된 자원을 반환하는 관리 작업을 의미한다. “비 배치 계산 기반 VC 제어 요청”에는 “VC 종료 요청”, “VC 사용 취소 요청”, “VC 중단 및 재시작 요청”, “내적 혹은 외적 VC 규모 축소”가 포함된다.

도 2에서 전술한 바와 같이, VC 관리 시스템 (100) 에서는 VC 스케줄링이 필요한 배치 계산 기반 VC 제어 요청과 VC 스케줄링이 필요하지 않은 비 배치 계산 기반 VC 제어 요청을 구분하여서 처리한다.

도 5는 VC 관리 시스템 (100) 내 주요 요소들이 배치 계산 기반 VC 제어 요청과 비 배치 계산 기반 VC 제어 요청을 처리하는 프로세스를 나타낸다.

“배치 계산 기반 VC 제어 요청”에 대해 VC 운영 관리부 (120) 는 VC 제어 요청 관리부 (110) 로부터 전달 받은 제어 요청을 VC 제어 정보 관리부 (130) 에 전달한다. 다음으로 VC 제어 정보 관리부 (130) 는 배치 엔진 (150) 을 통해 요청 받은 VC가 구동될 호스트들을 결정하며, VC 타임 엔진 (140) 을 통해 요청 받은 VC가 시작될 (그리고 종료될) 시간을 결정한다. 배치 요청된 VC의 호스트 및 구동 시간을 계산 한 후, VC 제어 정보 관리부 (130) 는 VC 내 각 VM에 대한 제어 정보를 생성하여 저장한 다음, VM 스케줄 확인 시점마다 생성해야 할 (혹은 종료해야 할) VM들이 있는지 확인한다. 만약, 생성 또는 종료해야 할 VM들이 존재할 경우, VC 제어 정보 관리부 (130) 는 VC 운영 관리부 (120) 에 VM 생성 (또는 종료) 요청을 전달하고, VC 운영 관리부 (120) 는 이를 VC 제어부 (160) 에 전달한다. VC 제어부 (160) 는 VMMS 접근 드라이버 (170) 를 통해 VM 생성 (또는 종료) 명령을 수행하여, 호스트에 가상 머신을 생성 (또는 종료) 한다.

“비 배치 계산 기반 VC 제어 요청”의 경우, VC 운영 관리부 (120) 는 VC 제어 요청 관리부 (110) 로부터 전달받은 VC 제어 요청의 관리 명령 종류를 확인한 다음, VC 제어부 (160) 에 “VC 제어 요청”을 생성하여 전달한다. VC 제어부 (160) 는 VMMS 접근 드라이버 (170) 를 통해 가상 머신들에 대해 요청된 명령을 수행한다.

VC 관리 시스템 (100) 에서는 상기 VC 제어 요청들을 그 종류에 맞추어 분류하고 이를 적절한 관리자에 전달하는 VC 운영 관리부 (120) 를 통해 일반적인 배치를 수반하는 VC 제어 요청 외에도 다양한 VC 스케줄링 요청을 처리하며, VC 배치에 영향을 미치는 각종 정보들을 체계적으로 관리한다.

도 6은 본 발명의 다른 실시예에 따른 가상 클러스터 관리 시스템의 동작을 설명하기 위한 개략도를 예시적으로 도시한다. 도 6에서는 VC 관리 시스템 (200) 이 VMMS를 통하지 않고, 직접 호스트들 (Hosts) 과 접속된다. 도 1에서 전술한 바와 같이, VC 관리 시스템 (200) 은 VMMS가 존재 하지 않더라도, VC 제어 요청을 수신하고, 이에 따라 VC를 배치하고 구동 시작 시간을 결정하고 결정된 배치와 구동 시작 시간에 따라 호스트들 (Hosts) 상의 가상 머신들을 제어할 수 있다.

이를 구현하기 위해, 도 2 내지 도 5에서 설명된 구성 요소들 중에서 VMMS 접근 드라이버가 변경된다. 전술한 바와 같이 VMMS 접근 드라이버는 VMMS에 국한된 제어 명령을 구현하도록 제한하지 않으므로, 호스트들 (Hosts) 에 대한 직접 제어를 구현/적용할 수 있다. 즉, VMMS 접근 드라이버에서 제공되는 함수들은 호스트들 (Hosts) 을 직접 제어하기 위한 명령들로 사용될 수 있다. VMMS 접근 드라이버의 구현 방향을 가상화된 호스트들 (Hosts) 로의 직접 접근 방식을 취하여 직접 제어 방식을 구현할 경우, OpenNebula, OpenStack, Eucalyptus 등과 같은 가상 머신 관리 시스템을 사용하지 않는 방향으로 구현할 수 있다. 이로써, 호스트 수준에서 동작하는 VC 관리 시스템 (200) 이 제공될 수 있다.

도 7은 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템의 제어 방법을 설명하기 위한 개략적인 흐름도이다. 본 발명의 일 실시예에 따른 가상 클러스터 관리 시스템의 제어 방법에서는 먼저 복수의 가상 머신을 포함하는 가상 클러스터 시스템에 대한 제어 요청을 수신한다 (S710). 다음으로, 제어 요청에 따라 복수의 가상 클러스터 시스템의 제어 정보가 생성되거나 정정된다 (S720). 다음으로, 복수의 호스트를 관리하는 외부의 가상 머신 관리 시스템을 통해 또는 복수의 호스트에 직접 접속하여 복수의 가상 머신이 제어 되며 이에 따라, 제어 정보에 기초하여 복수의 호스트에서의 복수의 가상 머신의 동작을 제어하기 위한 명령이 출력된다 (S730). 출력된 명령들은 전술한 VMMS나 호스트로 전달되어 가상 머신들을 제어할 수 있다.

가상 클러스터 관리 시스템의 제어 방법은 제어 요청을 스케줄링이 요구되는 제어 요청 또는 스케줄링이 요구되지 않는 제어 요청으로 분류될 수 있다. 제어 요청이 스케줄링 요구되지 않는 제어 요청으로 결정되는 경우, 이 제어 요청에 따라 복수의 가상 머신의 동작을 제어하기 위한 명령을 출력할 수 있다. 본 단계는 스케줄이나 배치와 연관된 제어 정보와는 독립적으로 수행된다.

가상 클러스터 시스템에 대한 제어 요청에 따라 가상 클러스터 시스템의 동작 시간이 결정될 수 있으며, 결정된 동작 시간에 따라 제어 정보가 갱신될 수 있다. 또한, 가상 클러스터 시스템에 대한 제어 요청에 따라 가상 클러스터 시스템의 배치가 결정될 수 있으며 결정된 배치에 따라 제어 정보가 갱신될 수 있다. 도 7에서의 모든 단계들은 전술된 도 2 내지 6에서의 구성 요소들 중 적어도 하나에 의해 수행될 수 있다. 본 발명의 일 실시예에 따른 가상 클러스터 시스템의 제어 방법에 다르면, 가상 클러스터 내의 가상 머신들을 서브 그룹 또는 서브 그룹 단위 내에서 가상 머신의 단위로 배치할 수 있고, 재사용 가능하고 환경적 변화 요인에 유연하게 가상 클러스터를 관리할 수 있다.

도 8은 본 발명의 일 실시예에 따른 가상 클러스터 배치를 위한 장치의 블록도를 예시적으로 도시한다. 여기서, 가상 클러스터 (Virtual Cluster; 이하 VC) 배치 장치(300)는 가상 클러스터 스케줄링 프레임워크 (3000) 내의 일부일 수 있다. 가상 클러스터 스케줄링 프레임워크 (3000) 는 VC에 대한 제어 요청에 응답하여, 제어 요청을 스케줄링하고, 결정된 스케줄에 따라 VC 내의 가상 머신들에 대한 생성, 정지, 재개, 삭제 등을 수행하기 위한 VC 프레임워크이다. VC 프레임워크는 가상 머신들이 배치되는 호스트들을 외부의 가상 머신 관리 시스템을 통해 또는 직접 제어하도록 구성된다.

도 8을 참조하면, 가상 클러스터 스케줄링 프레임워크 (3000) 는 적어도 본 발명의 일 실시예에 따른 가상 클러스터 배치 장치 (300), VC 스케줄 관리부 (400) 및 정보 관리부 (300) 를 포함한다.

가상 클러스터 배치 장치 (300) 는 VC 내의 복수의 가상 머신들에 대한 제어 요청에 따라 복수의 가상 머신을 복수의 호스트에 배치하기 위한 장치이다. 가상 클러스터 배치 장치 (300) 는 독립된 장치로 구현될 수도 있으나, 사용자의 VC 생성 요청이 발생한 경우 VC 내의 가상 머신들에 대한 배치가 완료되도록 가상 머신들이 배치될 호스트들을 결정하기 위한, 컴퓨팅 디바이스에서 수행될 수 있는 모듈일 수 있다.

VC 스케줄 관리부 (400) 는 VC의 구동 스케줄의 생성, 변경 및 수정 등의 스케줄 관리 작업을 수행한다. VC 스케줄 관리부 (400) 는 가상 클러스터 배치 장치 (300) 와 연결되어, VC 제어 요청, 예컨대 VC 내의 가상 머신들의 생성 요청을 가상 클러스터 배치 장치 (300) 에 전달한다.

정보 관리부 (300) 는 가상 머신 및 호스트에 대한 정보를 관리한다. 정보 관리부 (300) 는 가상 클러스터 스케줄링 프레임워크 (3000) 내에서 배치에 필요한 가상 머신 및 호스트의 상세 정보를 가상 클러스터 배치 장치 (300) 에 제공한다. 또한, 정보 관리부 (300) 는 동기화 모듈들을 통해, 가상 머신 및 호스트에 대한 상세 정보를 주기적으로 수신하여 갱신할 수 있다.

가상 클러스터 배치 장치 (300) 는 요청 수신부 (322), VC 배치 엔진 코어 (320), 인프라 자원 상태 계산부 (310), 자원 정보 제공부 (324), 전략 실행부 (330), VC 배치 전략 관리부 (340) 및 복수의 계산 모듈 (350) 을 포함한다.

요청 수신부 (322) 는 가상 클러스터 배치 장치 (300) 외부의 각종 컴포넌트들, 예를 들어, VC 스케줄 관리부 (400) 로부터 VC 배치 요청을 수신하고, VC 배치 과정 중 발생한 다양한 정보를 다시 VC 스케줄 관리부 (400) 에 제공하는 역할을 수행한다. 정보는 예를 들어 VC 배치 결과와 배치 결과의 성공 유무 등을 포함할 수 있다. 요청 수신부 (322) 에 의해 수신된 VC 배치 요청은 VC 배치 엔진 코어 (320) 에 전달되어 VC 배치를 개시시킨다. VC 배치 작업이 완료될 경우, 배치 결과를 VC 스케줄 관리부 (400) 에 반환한다.

VC 배치 엔진 코어 (320) 는 VC 내의 가상 머신들의 배치를 총괄하는 컴포넌트이다. VC 배치 엔진 코어 (320) 는 요청 수신부 (322), 전략 실행부 (330), 인프라 자원 상태 계산부 (310) 등과 같은 주변 컴포넌트들로부터 배치에 필요한 각종 정보들, 예를 들어, VC 배치 전략, 호스트의 정보 및 가상 머신의 정보 등을 수집한다. VC 배치 전략이란 VC 내의 가상 머신들을 배치하기 위한 방식을 의미한다. 호스트의 정보란 물리적인 호스트의 자원 정보, 예를 들어, CPU 코어의 수, 메모리 용량 등을 포함한다. 가상 머신의 정보란 가상 머신에 할당된 CPU 코어의 수, 메모리 용량, 가상 머신에 설치되는 OS (operating system), 설치되는 어플리케이션 등을 포함한다. VC 배치 엔진 코어 (320) 는 수집된 정보를 바탕으로 VC 사용자로부터 요청 받은 VC 배치를 전략 실행부 (330) 를 통하여 수행한다.

전략 실행부 (330) 는 VC 배치 엔진 코어 (320) 로부터 요청 받은 VC의 배치를 VC 배치 전략을 이용하여 VC 배치 조건에 따라 배치 작업을 수행한다. 또한 VC 배치 과정에서 발생하는 각종 에러 상황, 예컨대 VC 배치 스케줄링 불가 에러를 VC 배치 엔진 코어 (320) 에 제공한다.

VC 배치 전략 관리부 (340) 는 VC 배치 엔진 코어 (320) 에 VC 배치 전략을 공급한다. VC 배치 전략 관리부 (340) 는 VC 배치 전략의 생명주기 (LifeCycle) 를 관리한다. VC 배치 전략 관리부 (340) 는 VC 배치 전략의 동적 추가, 수정 또는 삭제 등을 자동으로 인식하여 사용자에 발생된 VC 배치 전략의 변화를 감지하고, VC 배치 전략에 변화 발생 시, 자동화된 방법으로 VC 배치 전략을 동적으로 추가, 수정 또는 삭제한다.

자원 정보 제공부 (324) 는 가상 클러스터 배치 장치 (300) 에 의해 진행되는 VC 배치를 위해 요구되는 각종 정보, 예를 들어, VC 내의 가상 머신들에 대한 자원 및 상태 정보, 호스트들의 자원 및 상태 정보 및 호스트들이 배치된 랙 정보 등을 VC 배치 엔진 코어 (320) 에 제공하며, 또한, 정보 관리부 (300) 에 제공하여, 정보 관리부 (300) 가 갱신된 정보를 가질 수 있게 한다.

인프라 자원 상태 계산부 (310) 는 VC 배치에 필요한 각종 정보들의 사전 계산 작업을 수행한다. 인프라 자원 상태 계산부 (310) 는 예를 들어 등록된 VC 및 가상 머신 스케줄들을 기초로, 특정 시점에서의 호스트 자원 상태를 계산할 수 있다. 특정 시점에서의 호스트 자원 상태는 가상 클러스터 스케줄링 프레임워크 (3000) 가 다양한 시간 조건을 기반으로 구동될 수 있도록 한다. 가상 클러스터 스케줄링 프레임워크 (3000) 는 예를 들어, VC 구동 시간 스케줄링 엔진(미도시)을 포함하고, 구동 시간 스케줄링 엔진에 특정 시점에서의 호스트 자원 상태를 제공할 수도 있다. 이에 따라, VC가 구동 시점에서 호스트 자원 부족으로 인한 구동 불가와 같은 문제를 사전에 예방할 수 있다.

복수의 계산 모듈 (350) 은 VC 배치 전략에 따라 배치 작업을 수행하기 위한 모듈들이다. 복수의 계산 모듈 (350) 은 예를 들어, VC 정보 핸들링 모듈, VC 서브 그룹화 모듈, VC 관계 속성 분석 모듈, VC 서브 그룹 정보 핸들링 모듈, VC 서브 그룹 파티셔닝 모듈, 호스트 정렬 모듈, 호스트 필터링 모듈, 호스트 추출 모듈, 호스트 선택 모듈, 호스트 상태 갱신 모듈, VC 배치 맵 갱신 모듈, VC 테이블 생성 모듈 및 사용자-정의 기능 모듈 등을 포함한다. 다양한 VC 배치 전략에 따라, 복수의 계산 모듈 (350) 들은 다양한 방식으로 조합될 수 있으며, 하나의 실시예에 의해 제한되지 않는다. 계산 모듈 (350) 들의 조합을 통해 복수의 가상 머신 중 하나를 복수의 호스트에 배치할 수 있다.

도 8에서는 편의를 위해 가상 클러스터 배치 장치 (300) 가 요청 수신부 (322), VC 배치 엔진 코어 (320), 인프라 자원 상태 계산부 (310), 자원 정보 제공부 (324), 전략 실행부 (330), VC 배치 전략 관리부 (340) 및 복수의 계산 모듈 (350) 를 포함하는 것으로 도시되었으나, 각각의 구성요소들은 구현 방법 또는 본 발명의 실시예에 따라 하나의 통합적인 형태 또는 분리적 형태로 설계 구현되는 것도 가능하다. 즉, 본 명세서에 기재된 모든 구성요소들 또는 모듈들은 범용 컴퓨터 또는 서버에 배치되는 저장부에 저장되고 이와 연결된 프로세서에 의해 동작될 수 있다.

도 9는 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법을 설명하기 위한 개략적인 흐름도이다. 설명의 편의를 위해 도 8에서의 가상 클러스터 배치 장치 (300) 의 구성요소들을 참조하여 설명한다.

가상 클러스터 배치 방법은 가상 클러스터 배치 장치 (300) 의 요청 수신부 (322) 가 VC 스케줄 관리부 (400) 로부터 VC 배치 요청을 수신하면서 개시된다. 먼저, VC 배치 엔진 코어 (320) 는 VC 배치 요청에 응답하여, 복수의 가상 머신을 포함하는 VC 시스템에 대한 시스템 정보를 자원 정보 제공부 (324) 로부터 수신한다 (S910). VC 시스템에 대한 시스템 정보는 가상 머신의 리스트, 호스트의 리스트, 호스트들이 배치되는 랙의 리스트등을 포함한다. 가상 머신의 리스트 및 호스트의 리스트는 내부 가상 컴퓨팅 용과 공용 가상 컴퓨팅 용 가상 머신의 리스트 및 호스트의 리스트로 구분될 수 있다. 시스템 정보 수신 단계는 VC 배치를 위한 데이터 저장 공간 확보 및 각종 변수의 초기화 과정을 포함하는 초기화 단계를 수반할 수도 있다.

한편, VC 배치 엔진 코어 (320) 는 VC 배치 요청이 VC 이주에 대한 요청인 경우, 자원 정보 제공부 (324) 로부터 수신된 호스트 리스트에서 기 선택된 호스트들을 제거하는 단계를 추가적으로 포함할 수 있다.

또한, VC 배치 엔진 코어 (320) 는 인프라 자원 상태 계산부 (110) 에 VC가 구동될 시점에서의 호스트 자원 상태의 계산을 요청하고, 이를 수신할 수 있다. 이 경우, VC가 구동될 시점에서 다른 예약된 VC들로 인해 자원이 부족한 문제를 사전에 예방할 수 있다.

다음으로, VC 배치 엔진 코어 (320) 는 VC 배치 전략에 따라 VC 내의 복수의 가상 머신들을 배치한다. VC 배치 엔진 코어 (320) 는 디폴트 VC 배치 전략을 사용할 수 있으며, VC 전략 관리부(140)로부터 VC 배치 전략을 수신하고, 수신된 VC 배치 전략을 사용할 수도 있다.

이하에서, VC 배치에 따른 VC 내의 가상 머신들을 배치하는 동작들은 독립적인 계산 모듈 (350) 에 의해 수행되도록 구성된다. 예를 들어 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계는 적어도 다음의 계산 모듈 (350) (들) 을 통해 복수의 가상 머신의 배치와 연관된 계산을 수행한다. 여기서, 계산 모듈 (350) 각각은, 서브 그룹에 대한 정보를 핸들링하는 단계, 서브 그룹을 파티셔닝하는 단계, 호스트를 정렬하는 단계, 호스트를 필터링하는 단계, 호스트를 추출하는 단계 또는 사용자 정의된 기능을 수행하는 단계 중 적어도 하나의 단계를 수행하도록 구성될 수 있다. 복수의 계산 모듈 (350) 들은 다양하게 조합될 수 있으며, VC 배치 전략에 따라 사용되는 계산 모듈 (350) 들은 상이할 수 있다.

또한, 이하에서는 다양한 VC 배치 전략 중 예시적인 동적 VC 분할 배치 전략으로 VC 내의 가상 머신들을 배치하는 방법을 설명한다. 그러나, VC 배치 전략은 이에 제한되지 않고, 정적 VC 분할 기반 배치 전략일 수도 있다.

동적 VC 분할 배치 전략에 따라, 복수의 가상 머신은 서브 그룹으로 분류된다 (S920). 다음으로, 서브 그룹 사이의 관계 속성 또는 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성이 결정된다 (S930). 다음으로, 서브 그룹 사이의 관계 속성 또는 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성에 따라, 복수의 가상 머신 중 하나가 복수의 호스트 중 하나에 배치된다 (S940).

다음으로, 모든 가상 머신에 대한 배치가 완료되었는지 판정되고 (S950), 모든 가상 머신이 배치되면, VC 배치는 종료된다. 모든 가상 머신이 배치되지 않은 경우, 단계 S940이 반복된다. 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계는 예를 들어, 복수의 가상 머신의 개수만큼 반복될 수 있고, 임의의 규모 예를 들어 2 또는 3개씩의 가상 머신이 복수의 호스트에 동시에 배치될 수 있다.

배치 전략 실행부(130)는 내부 가상 컴퓨팅 자원 용 VC에 대한 배치를 마친 후, 배치 결과를 VC 배치 코어에 반환할 수 있다. VC 배치 엔진 코어(320)는 배치 결과가 성공적인 경우, 최종적으로 VC 배치 맵을 생성하여 VC 스케줄 관리부 (400) 에 테이블 형태로 전달한다. 그 후, 요청 받은 VC 내의 가상 머신 각각에 대해 구동될 호스트의 식별자가 부여된다. VC 배치 맵이란 VC 내에서 VM 들 및 VM 들이 배치된 호스트들을 나타낸다. VC 배치 맵은 VC 내에서의 각종 관계 특성을 고려하기 위해 제공된다. VM 배치와는 다르게 VC 내에서는 VM의 수가 많을수록 일회적인 배치 계산만으로 배치를 수행하기 어려울 수 있다. 이에 따라, VC 내의 VM들이 배치된 관계를 고려하여 다른 VM들의 배치가 결정될 수 있다. VC 배치 맵은 VM이 호스트에 배치될 때마다 지속적으로 갱신될 수 있다.

이하에서는, 단계 920 내지 950을 도 10 내지 도 12를 참조하여 구체적으로 설명한다. 도 10은 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법을 설명하기 위한 개략도이다. 도 11a 및 11b는 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법의 구체적인 적용예를 설명하기 위한 개략도들이다. 도 12는 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법의 구체적인 적용예에서 복수의 가상 머신을 포함하는 VC가 복수의 호스트에 배치되는 예시를 설명하기 위한 개념도이다.

도 10을 참조하면, VC 내의 가상 머신들이 구동될 호스트를 결정하기 위한 복수의 동작들이 도시된다. 각 동작들은 도 10에서와 같이 독립적인 모듈로 존재할 수도 있으나, 일부 또는 전부는 통합될 수도 있다. 복수의 모듈들은 전처리 흐름, 주 처리 흐름 및 후 처리 흐름으로 구성될 수 있다.

먼저, 전처리 흐름은 VC 정보 핸들링 모듈 (512), VC 서브 그룹화 모듈 (514), VC 관계 속성 분석 모듈 (516) 및 사용자-정의 기능 모듈 (518) 을 포함한다. 전처리 단계의 N1에서는 VC에 대한 정보가 제공되고, VC에 대한 정보가 처리되고, VC가 서브 그룹화된다.

VC 정보 핸들링 모듈 (512) 은 VC 내 가상 머신들에 대한 정보의 수정 또는 변경을 위한 기능 모듈이며, VC의 서브 그룹화 모듈은 가상 머신들을 특정한 기준에 분류한다. 서브 그룹은 1개 또는 그 이상으로 생성될 수 있다. 여기서, 특정한 기준은 제한되지 않으며, 가상 머신들의 서브 그룹화는 사용자의 선택에 의해 수행될 수도 있으며, 분류 히스토리 또는 기 저장된 분류 정보에 기초하여 자동적으로 수행될 수도 있다. 서브 그룹 내 또는 서브 그룹 간 관계 속성은 VC 내 가상 머신들의 특성을 추출하고 분석하여 결정될 수 있다. 예를 들어, 서브 그룹은 가상 머신의 자원요구사항에 기초하여 분류될 수 있다. 나아가, 미리 결정된 기준에 따라 서브 그룹의 분류를 검증하는 단계가 더 포함될 수 있다.

VC 관계 속성 분석 모듈 (516) 에서는 VC 내의 서브 그룹 간 또는 서브 그룹 내 가상 머신들 간의 관계 속성이 결정된다. 관계 속성이란, 호스트/랙/서비스지역 수준으로 가상 머신들 간의 통합 혹은 분산 배치가 요구되는지와 관련한다. 관계 속성은, VC 내의 가상 머신들의 배치 시 고려해야 할 사항들에 따라, 복수의 가상 머신을 같은 호스트로 배치하는 통합 배치 및 복수의 가상 머신 각각을 서로 다른 호스트로 배치하는 분산 배치로 나뉜다. 결정된 관계 속성은 주 처리 흐름에서 사용된다. 관계 속성은 사용자의 선택에 의해 결정될 수도 있으며, 분류 히스토리 또는 기 저장된 분류 정보에 기초하여 자동적으로 결정될 수도 있다. 예를 들어, 서브 그룹 내 또는 서브 그룹 간 관계 속성은 VC 내 가상 머신들의 특성이 추출되고 분석되어 결정될 수 있다. 사용자-정의 기능 모듈 (518) 은 그 외 서브 그룹과 관련한 기능을 수행하도록 구성될 수 있다. 나아가, 관계 속성은 미리 결정된 기준에 따라 검증될 수 있다.

도 11a를 참조하면, VC MyHadoopVC은 5 개의 가상 머신들 (640) 을 포함한다. 가상 머신들 (640) 중 NameNode_JobTracker들 (641, 642) 은 서브 그룹 Master로 분류되고, DataNode_TaskTracker들 (643, 644, 645) 은 서브 그룹 Slave01로 분류된다. 또한, 서브 그룹 Master 내에서의 NameNode_JobTracker들 (641, 642) 의 관계 속성은 분산 배치고, 서브 그룹 Slave01 내에서의 DataNode_TaskTracker들 (643, 644, 645) 의 관계 속성은 통합 배치 이다. 서브 그룹 Master와 서브 그룹 Slave01 사이의 관계 속성은 분산 배치다.

이러한 관계 속성은 예를 들어, XML을 이용하여 식별되고 저장될 수 있다. 도 11b를 참조하면, VC의 id는 MyHadoop이며, VC 내의 서브 그룹의 id는 각각 Master, Slave01이다. 서브 그룹들은 분산 배치로 그루핑되어 있다. 도 11b에서는 예시적으로 분산 배치는 Availability로 표시된다. 서브 그룹 Master 내에서의 관계 속성은 분산 배치며, 서브 그룹 Master 내의 가상 머신 NameNode_JobTracker01, NameNode_JobTracker02은 이에 따라 서로 상이한 호스트에 마운트되도록 하는 관계 속성을 갖는다. 서브 그룹 Slave01 내에서의 관계 속성은 통합 배치이며, 예시적으로 Affinity_BestEffort로 표시된다. 서브 그룹 Slave01 내의 가상 머신 DataNode_TaskTracker01, DataNode_TaskTracker02, DataNode_TaskTracker03은 최대한 동일한 호스트에 마운트되도록 하는 관계 속성을 갖는다.

다시 도 10을 참조하면, N2에서의 서브 그룹에 대한 데이터 및 관계 속성이 주 처리 흐름에서 사용된다. 주 처리 흐름에서는 선택적으로 서브 그룹 단위의 정보 수정 정렬 등을 수행하기 위한 VC 서브 그룹 정보 핸들링 모듈 (521) 이 포함될 수 있다. 또한, 동적 VC 분할 배치 전략에서는 VC 서브 그룹 파티셔닝 모듈 (522) 이 포함된다. VC 서브 그룹 파티셔닝 모듈 (522) 은 VC 내의 가상 머신들을 특정 호스트에 배치하기 위한 분할 크기를 산출한다. 추가적으로, VC 서브 그룹 파티셔닝 모듈 (522) 을 포함하는 경우, 결정된 VC 분할 크기만큼의 가상 머신들이 특정 호스트에 배치 결정될 수 있다.

이외에도 호스트 리스트의 호스트들을 설정된 기준으로 정렬하기 위한 호스트 오더링 모듈 (523), 호스트들을 설정된 기준으로 필터링하기 위한 호스트 필터링 모듈 (524) 및 설정된 기준으로 호스트를 추출하기 위한 호스트 추출 모듈 (525) 및 호스트와 연관된 사용자-정의 기능 모듈 (526) 이 주 처리 흐름에 포함될 수 있다. N3에서 VC의 서브 그룹에 대한 데이터, 관계 속성, VC 서브 그룹의 분할 크기, 필터링/추출/정렬된 호스트 리스트가 제공된다.

다음으로, 주 처리 흐름에서는 호스트 선택 모듈 (527) 이 호스트 리스트에서 가상 머신이 배치될 특정 호스트를 선택한다. 호스트 선택 모듈 (527) 은 제공된 정보에 기초하여 호스트 선택 모듈이 구동되는 시점에서 가상 머신이 배치될 호스트를 결정한다. 다음으로, 호스트 상태 갱신 모듈 (528) 은, 가상 머신의 배치 후 구동될 호스트가 결정된 VC 내의 가상 머신에 대한 정보를 기초로 호스트의 자원 및 상태 정보를 갱신한다. 주 처리 흐름에서는 전술된 호스트 선택 모듈 (527) 과 호스트 상태 갱신 모듈 (528) 만으로 구성될 수도 있다.

다음으로는 후처리 흐름에서 배치 스케줄링 요청된 VC 내 모든 가상 머신들에 대해 배치될 호스트들이 모두 계산되었는지를 검사하는 VC 배치 종료 검사 모듈 (331) 이 배치 종료 여부를 결정한다. 아직 배치할 가상 머신들이 남은 경우, VC 배치 맵 갱신 모듈 (532) 이 VC의 배치된 가상 머신들에 대한 맵을 갱신하고, 맵을 주 스케일링 처리 모듈들에 제공한다. 이에 따라, N2에서 다시 주 처리 흐름이 반복된다. 즉, 주 처리 흐름의 모듈들은 갱신된 배치 맵에 액세스 가능하도록 구성된다. 이에 따라 호스트 선택 모듈 (527) 은 관계 속성에 따라 가상 머신을 복수의 호스트 중 하나에 배치하도록 배치 맵에 기초하여 호스트를 선택한다. 가상 머신들의 배치가 반복되면서, 가상 머신들은 관계 속성에 따라 동일한 호스트에 배치될 수도 있으며, 서로 다른 호스트에 배치될 수도 있다. VC 내의 모든 가상 머신들에 대한 배치가 완료된 경우 VC 배치 맵 생성 모듈 (533) 이 VC 배치 테이블을 생성하게 되고, VC 배치 전략의 수행이 종료된다.

도 12를 참조하면, 복수의 가상 머신들 (640) 이 배치된 호스트들 (710, 720, 730) 이 도시된다. 도 11a 및 11b에서의 관계 속성에 따라, NameNode_JobTracker01 (641), NameNode_JobTracker02 (642) 는 서로 다른 호스트 (710, 720) 에 배치되었으며, DataNode_TaskTracker01 (643), DataNode_TaskTracker02 (644), DataNode_TaskTracker03 (645) 은 동일한 호스트 (730) 에 그러나 NameNode_JobTracker01 (641), NameNode_JobTracker02 (642) 과는 상이한 호스트 (730) 에 배치되었다.

본 발명의 일 실시예에 따른 가상 클러스터 배치 방법에 따르면, VC의 가상 머신들은 그 동작 특성에 따라 최적화된 동작을 하도록 배치 결정되고 배치될 수 있다. 또한, 다양한 VC 배치 전략에 따라 독립된 계산 모듈의 조합으로 가상 클러스터 배치 방법이 수행될 수 있다. 또한, VC의 어플리케이션은 제한되지 않고, 하둡, R등을 포함할 수 있다.

도 13 내지 도 17에서는 실험을 통해 VC 배치 프레임워크에서 구현 가능한 다양한 VC 배치 알고리즘들이 나타내는 처리 성능, 서비스 대기 시간, 자원 활용률, 배치 계산 시간과 같은 성능 지표들을 측정하여 그 결과를 도시한다.

본 실험을 위해 가상 클러스터 서비스 환경을 시뮬레이션하는 시뮬레이터를 구현하였으며, 시뮬레이터에서는 2000대로 구성된 중규모 내부 클라우드 (PrivateCloud) 에서 VC 사용자 (개인 혹은 집단) 가 사용할 VC에 대한 다양한 양적 조건 (VC 규모, VM 사양) 을 기반으로 가상 클러스터를 생성/사용/소멸하는 상황을 시뮬레이션하였다. 실험에서 사용된 각각의 가상화된 호스트들은 32코어 CPU에 메모리 64GB의 하드웨어 자원 사양을 가지고 있다. 따라서 본 실험에서의 가상 컴퓨팅 서비스 환경은 총 64,000CPU 코어와 128,000GB의 메모리 용량을 사용자들에게 제공한다.

본 실험을 위해 적용된 배치 전략은 기존의 가상 머신 단위의 배치 알고리즘을 기반으로 한 VC 배치 전략 3종 (FirstFit-VM, NextFit-VM, Volume-VM) 과 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법의 일 실시예인 동적 가상 클러스터 분할 배치를 기반으로 하는 VC 배치 전략 3종 (FirstFit-VC, NextFit-VC, Volume-VC) 이며, 이 두군을 비교 평가한다.

동적 VC 분할 기반 배치 전략들은 배치 중 동적으로 VC를 분할하며 배치를 수행한다. 예를 들어, FirstFit-VC의 경우, 첫 번째 가용 호스트 탐색 후 발견 시, 해당 호스트에 배치 가능한 가상 머신의 수만큼을 VC 분할 크기로 결정한 뒤, 해당 분할 크기로 배치 중인 VC를 분할하며 배치를 수행한다.

Volume-VM과 Volume-VC 배치 전략은 Bin-Packing 배치 알고리즘 중 Worst-Fit배치 알고리즘의 한 종류로서, 각 호스트 별 가용 자원에 대한 점수화 과정을 거친 뒤, 가장 점수가 높은 호스트 (가장 여유 자원이 많은 호스트) 에 배치 중인 가상 클러스터의 가상 머신을 분할하여 배치 결정한다. 호스트 점수화 과정에서 사용된 공식은 TimothyWood에 의해 창안된 호스트 점수화 공식을 활용했다. Volume-VM 배치 전략과 Volume-VC 배치 전략의 차이점은 가장 높은 점수를 가진 호스트에 가상 머신들을 최대한 배치하느냐 아니냐의 여부이다. 즉, Volume-VM 의 경우, 가장 높은 점수를 가진 호스트 발견 시 해당 호스트에 배치 중인 가상 클러스터 내 가상 머신들 중 1 대에 대한 배치 결정을 하고, 다시 호스트 점수화 과정을 수행하는 반면, Volume-VC의 경우 점수가 가장 높은 호스트 발견 시, 해당 호스트에 배치 가능한 가상 머신의 수를 산출 한 다음, 산출된 배치 가능한 가상 머신 수만큼 배치 중인 가상 머신들을 배치한 다음, 다시 호스트 점수화 과정을 수행한다.

본 실험에서, VC 사용자들은 VC 규모를 2대에서 256대까지 2의 N승으로 지정할 수 있으며, VC 내 VM 사양은 CPU의 경우, 1개에서 8개까지, 메모리 자원의 경우, 1GB에서 부터 16GB 메모리까지 지정할 수 있다.

또한 VC 사용자들은 일정 시간을 사용한 다음 가상 클러스터 사용 종료를 통해 가상 컴퓨팅 시설에 사용 중인 자원을 반환하는 방식을 취한다. FIFO 구조의 대기 큐 (WaitingQueue) 에 VC 생성 요청이 누적되며, FCFS 방법을 통해 가상 클러스터 배치 및 할당이 이루어진다. 따라서 시뮬레이션이 시작된 다음, 일정 시간이 지나게 되면, 자원 부족으로 인해, 신규 VC 사용자들은 앞서 자원을 점유한 VC 사용자들이 자원을 반환할 때까지 대기하게 되며, 이로 인해 대기 시간이 증가하게 된다.

VC 사용자들이 요청하는 가상 클러스터의 크기, 가상 클러스터 내 가상 머신의 사양, 사용 시간, 요청 빈도 (Inter-ArrivalTime) 등은 Uniform 분포를 따른다고 가정하여 전반적으로 각 조건에 대해 고르게 VC 사용 요청을 형성하여 가상 클러스터 서비스를 사용하도록 실험을 설계/구현하였다. 또한 본 실험에서는 주어진 사용 시간 동안 사용하고 종료하는 것을 가정하였으며, 주어진 컴퓨팅 자원을 적극적으로 사용하는 경우, 생성 요청한 가상 클러스터에서 CPU 집약적인 처리 작업을 하는 것으로 가정한다. 그 이유는 네트워크 집약적인 처리 작업을 할 경우, 가상화 소프트웨어에 따라 각 호스트마다 구동하는 관리 가상 머신 (ManagementVM 또는 Dom0) 의 CPU 부하 및 네트워크 부하로 인해 사용자 가상 머신들 (UserVM 또는 DomU) 의 CPU 등의 주요 컴퓨팅 자원 사용에 영향을 줄 수 있기 때문이다. 이와 같은 맥락에서 각 호스트의 관리 가상 머신은 사용자 가상 머신의 CPU 사 용에 높은 영향을 줄 만큼 부하를 일으키지 않는 상태가 유지됨을 가정한다. 본 실험은 각 배치 알고리즘별로 총 30회 반복 실행하여 결과를 산출했다.

도 13은 VC 배치 전략 별, 분당 요청되는 VC 사용 요청의 수 (Workload의 수) 에 따른 처리량을 나타내며, 도 14은 서비스 응답 시간 (Response Time) 을 나타낸다. 도 13 및 도 14을 참조하면, VM 단위 배치 스케줄링을 수행하는 종래의 VC 배치 전략들은 대체적으로 분당 14개에서 18개 사이의 VC 사용 요청 발생 시점부터 서비스 응답 시간의 급격한 증가를 나타내었으며, 분당 처리량의 한계를 나타내었다. 특히, Volume-VM 배치 전략의 경우, 가장 낮은 처리 성능을 나타내었으며, 분당 14개 (시간 당 840개) 이상의 VC 사용 요청에 대한 급격한 서비스 응답 시간 증가를 보였다. FirstFit-VM과 NextFit-VM은 각각 분당 16개의 VC 사용 요청이 발생한 시점부터 서비스 응답 시간이 5분 이하로 증가하다가 18개 시점부터는 각각 약 8분과 15분으로 증가를 하며, 분당 20개의 VC 사용 요청이 도착할 경우, 급격한 서비스 응답 시간의 증가를 보였다. 뿐만 아니라, 앞서 언급한 분당 18개 시점부터는 처리량의 한계를 보였다.

본 발명의 일 실시예에 따른 가상 클러스터 배치 방법로 구현된 배치 전략들은 분당 20개에서 24개 사이의 VC 사용 요청 발생 시점부터 분당 처리량의 한계를 보였다. 특히, Volume-VM 배치 전략에 대응하는 Voluem-VC 배치 전략은 분당 18개 시점부터 서비스 응답 시간이 증가하기 시작해서 20개를 기점으로 20개 이상의 분당 VC 사용 요청이 도착하는 상황에서 급격한 서비스 응답 시간 증가를 보였다. FirstFit-VC 배치 전략과 NextFit-VC 배치 전략은 분당 20개의 VC 사용 요청이 도착하는 시점에서 미미한 서비스 응답 시간의 증가가 일어나기 시작하다가 22개를 기점으로 22개 이상의 VC 사용 요청이 발생한 시점부터는 급격한 서비스 응답 시간의 증가와 분당 처리량의 한계를 보였다.

분당 처리량의 경우, FirstFit-VC 배치 전략과 NextFit-VC 배치 전략은 기존의 배치 전략들과 비교하여 FirstFit-VM 배치 전략과 NextFit-VM 배치 전략에 비해 약 17%의 처리 성능 차이를 보였다. Volume-VC 배치 전략은 Volume-VM 배치 전략에 비해 약 46%의 처리 성능 차이를 보임으로써, 대응 배치 전략 간에 가장 큰 처리 성능 차이를 보였다.

도 15은 VC 배치 전략 별 자원 활용률을 나타내며, 자원 활용률은 CPU와 메모리 자원 사용량의 평균을 통해서 산출했다. 자원 활용률은 도 8에서 나타난 분당 처리량과 비슷한 양상을 보인다. 따라서 다양한 영향 요인 중 자원 활용률의 차이로 인해 성능 지표 중 하나인 분당 처리량의 차이가 발생됨을 알 수 있다. 더욱이, FirstFit-VC 배치 전략과 NextFit-VC 배치 전략 및 F기존의 irstFit-VM 배치 전략과 NextFit-VM 배치 전략은 상호간 비슷한 처리 성능과 자원 활용률 및 서비스 응답 시간을 보였다. 분당 처리 작업 규모 22개를 기준으로 대응 배치 전략들 간, 즉 FirstFit-VC과 FirstFit-VM 그리고 Next-VC과 NextFit-VM은 약 23%의 분당 처리량의 차이를 보였으며, Volume-VC과 Volume-VM은 약 43%의 분당 처리량의 차이를 나타냈다.

배치 전략 간 성능 차이 발생의 가장 큰 이유는 앞서 언급한 바와 같이, 자원 활용률에서 그 원인을 찾을 수 있다. 부가적인 이유로는 동일한 배치 전략 사상을 기반으로 하더라도, 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법으로 구현된 동적 VC 분할 기반의 배치 전략의 경우, 단일 VM 단위로 VC를 분할하며 배치하는 전략에 비해 빠른 배치가 수행될 수 있다는 점이다. 도 9는 VC 배치 전략 별 VC 크기에 따른 배치 처리 시간을 나타낸다. 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법의 동적 VC 분할 기능을 사용하는 배치 전략들과 각각 대응하는 단일 가상 머신 단위 배치 전략들 사이의 배치 시간 차이는, 가상 클러스터 크기가 커질수록 점점 커진다.

가상 클러스터의 크기가 작을 경우, 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법의 배치 전략들은 배치 시간에 있어서 단일 가상 머신 단위 배치 전략들에 비해 배치 속도에 큰 차이가 없지만, 가상 클러스터 크기 16 에서부터 배치 시간의 격차가 점점 차이가 발생하기 시작해서 가상 클러스터 크기 256에 이르러서는 최대 3배 (Volume-VM과 Volume-VC 비교) 까지 배치 시간의 차이가 발생했다.

도 17은 분당 사용 요청의 수 22개, 가상 클러스터 크기 256을 처리하는 동안 각 배치 전략 별 VC 분할 크기를 나타낸다. 도 10에서 확인할 수 있는 바와 같이, 배치 처리 시간에 영향을 미치는 다양한 요인 중 가상 클러스터 분할 크기의 차이는 배치 속도에 영향을 미치는 중요한 요소임을 확인할 수 있다. 단일 가상 머신 단위 배치 전략들의 경우, 가상 클러스터 분할 크기는 배치 전략에 설계된 바와 같이 공통적으로 1인 반면, FirstFit-VC는 1.4개, NextFit-VC는 1.7개, Volume-VC는 2.9개이다. 기본적으로 가상 클러스터 분할 크기가 1이상 일 경우, 배치 횟수가 그 비율만큼 반감되는 것을 감안하면, Volume-VC가, 단일 가상 머신 단위 배치 전략인 Volume-VM에 비해 약 3배가량 더 큰 가상 클러스터 분할 크기를 바탕으로 약 3배가량 빠른 배치 스케줄링 처리 시간을 나타낸 이유가 설명된다.

동일한 배치 전략과 배치 메커니즘 하에서도 가상 클러스터 분할 크기를 배치 스케줄링 시 고려하는 것은 중대형 가상 클러스터의 배치 처리 시간을 향상하기 위해 매우 중요하기 때문이다.

이러한 배치 처리 시간 향상은 단순히 배치를 빠르게 하는 것에만 의미를 가지지 않는다. 배치 처리 시간 향상은 대규모 가상 컴퓨팅 환경 (또는 시설) 에서 다양한 규모의 가상 클러스터에 대한 보다 빠른 서비스를 제공하기 위해 배치 시간을 단축하기 위한 기본적인 요소이며, 자원의 활용성에도 영향을 미칠 수 있다. 가상 클러스터 사용자들이 일정 시간 뒤, 사용하던 자원을 반환하고 반환된 자원을 기반으로 새로운 가상 클러스터 사용자에게 재 할당하는 상황에서는 빠른 배치를 통해 낮아진 자원 활용률을 보다 빨리 향상시켜서 일정 수준을 유지해야 하므로 배치 처리 시간 향상은 자원 활용률 향상에 기여할 수 있는 요소 중 하나가 될 수 있다.

또한, 가상 컴퓨팅 자원의 지속적인 추가 (호스트 증설 등) 로 컴퓨팅 자 원이 지속적으로 확장되는 환경에서는 사용 후 반환되는 자원에 대한 빠른 재할당과 더불어 신규로 추가되는 자원에 대한 빠른 할당을 동시에 처리해야 하므로 배치 처리 시간 향상은 그 중요성이 더욱 높아질 것이다. 본 발명의 일 실시예에 따른 가상 클러스터 배치 방법은 가상 클러스터 배치 처리 시간 향상과 더불어 가상 클러스터 내 가상 머신들의 다양한 배치 모델을 실현할 수 있다.

도 19는 본 발명의 일 실시예에 따른 가상 클러스터 구동 시간 스케줄링 장치의 개략적인 블록도이다. 가상 클러스터 구동 시간 스케줄링 장치(800)는 시간 계산 요청 수신부(810), 예약 프로세서(820), 비 예약 프로세서(830), 시간 계산부(840) 및 시간 모델 관리부(850)를 포함한다.

가상 클러스터 구동 시간 스케줄링 장치(800)는 사용자의 가상 클러스터 생성 요청이 발생한 경우 사용자가 요청한 시간에 가상 클러스터의 생성이 완료되도록 가상 클러스터의 생성 시간을 스케줄링하기 위한, 컴퓨팅 디바이스에서 수행될 수 있는 모듈일 수 있다. 가상 클러스터 구동 시간 스케줄링 장치(800)는 프로세서 및 메모리를 포함하는 컴퓨팅 디바이스 상에 구현될 수 있다. 또한, 가상 클러스터 구동시간 스케줄링 장치는 가상 클러스터 스케줄 관리 모듈과 연결되고 통신하도록 구성될 수도 있다. 가상 클러스터 구동시간 스케줄링 장치는 가상 클러스터에 대한 생성 시작 시간의 산출 요청이 수신되면 생성 시작 시간을 산출하여 가상 클러스터 스케줄 관리 모듈과 같은 외부 모듈로 송신할 수도 있다. 다양한 실시예에서 산출된 생성 시작 시간을 기초로 가상 클러스터 구동 시간 스케줄링 장치(800)가 직접 가상 클러스터의 생성을 개시할 수도 있다.

가상 클러스터 구동 시간 스케줄링 장치(800)의 시간 계산 요청 수신부(810)는 사용자 또는 외부 모듈로부터 데이터를 수신할 수 있도록 구성된다. 시간 계산 요청 수신부(810)는 사용자 또는 외부 모듈로부터 가상 머신을 사용하고자 하는 시점인 데드라인을 수신할 수 있다. 또한, 시간 계산 요청 수신부(810)는 사용자 또는 외부 모듈로부터 데드라인과 함께 가상 머신에 대한 생성 시작 시간의 산출 요청을 수신할 수 있다. 시간 계산 요청 수신부(810)는 산출 요청을 각기 처리하는 예약 프로세서(820) 및 비 예약 프로세서(830)를 활용하여 가상 머신에 대한 생성 시작 시간을 산출하는 작업을 수행한다.

예약 프로세서(820)는 수신된 산출 요청에 대응하여 가상 머신의 생성 시작 시간을 산출한다. 예약 프로세서(820)는 산출 요청이 수신된 경우 함께 수신된 데드라인에 기초하여 데드라인 전에 가상 머신의 생성이 완료되도록 생성 시작 시간을 산출할 수 있다. 즉, 예약 프로세서(820)는 데드라인 기반의 산출 요청 등과 같이 생성 예약된 가상 머신에 대한 생성 시작 시간을 산출할 수 있다. 예약 프로세서(820)는 실행 슬롯 및 시간 모델 등을 활용하여 생성 시작 시간을 산출할 수도 있다.

비 예약 프로세서(830)는 즉시 생성 유형의 산출 요청이 수신된 경우 가상 머신의 생성 시작 시간을 산출한다. 즉시 생성 유형의 생성 시작 시간 및 구동 종료 시간에 대한 정보가 요청된 경우, 비 예약 프로세서(830)는 생성 시작 시간으로서 현재 시간을 반환하며, 구동 종료 시간으로서 Long Max값을 반환한다.

시간 계산부(840)는 현재 시간을 제공할 수 있고 각종 시간 계산을 수행할 수 있다. 우선, 시간 계산부(840)는 배치 스케줄링 과정 중 자원 상태 계산에서 필요한 가상 머신의 구동 시작 시간 및 구동 종료 시간을 계산한다. 시간 계산부(840)는 가상 머신의 구동 시작 시간 및 구동 종료 시간을 계산을 계산하는 경우 최악의 상황을 고려하여 계산한다. 여기서, 최악의 상황은 가상 클러스터 내의 모든 가상 머신들이 하나의 호스트에서 구동되면서 가상 머신의 가상 컨테이너 생성 시간이 최대로 경과되는 상황을 의미한다. 한편, 시간 계산부(840)는 배치 스케줄링이 완료된 가상 머신의 생성 시작 시간을 산출하기 위한 계산 과정에서 여유 시간 (Margin Time; MT) 을 계산할 수도 있다.

시간 모델 관리부(850)는 가상 머신의 생성을 위한 시간 모델의 제공, 추가, 수정, 및 삭제 등과 같은 시간 모델 정보에 대한 일련의 관리 역할을 수행한다. 시간 모델 관리부(850)에 등록된 시간 모델들은 예약 프로세서(820)에 의해 활용된다. 시간 모델 관리부(850)에 등록되 지 않은 시간 모델이 요청된 경우, 시간 모델 관리부(850)는 ‘기본 시간 모델’로 설정된 시간 모델을 반환한다.

예약 프로세서(820), 비 예약 프로세서(830) 및 시간 계산부(840)는 외부 모듈로 데이터를 송신할 수도 있도록 구성된다. 예약 프로세서(820), 비 예약 프로세서(830) 및 시간 계산부(840)는 산출된 생성 시작 시간 및 여유 시간 등을 외부 모듈로 송신할 수 있다. 외부 모듈은 예약 프로세서(820), 비 예약 프로세서(830) 및 시간 계산부(840)로부터 송신된 생성 시작 시간을 관리하거나 송신된 생성 시작 시간에 기초하여 가상 머신을 생성할 수 있는 모듈일 수 있다. 여기서, 외부 모듈은 시간 계산 요청 수신부(810)로 산출 요청을 송신하는 모듈과 동일한 모듈일 수도 있고 상이한 모듈일 수도 있다.

데드라인 및 산출 요청을 수신하고, 생성 시작 시간을 산출하고 송신하는 구체적인 방법에 대해서는 도 20을 참조하여 후술한다.

다양한 실시예에서, 가상 클러스터 구동 시간 스케줄링 장치(100)는, 생성 시작 시간을 다른 모듈로 송신하지 않고, 생성 시작 시간에 기초하여 가상 머신을 직접 생성할 수 있는 가상 머신 생성부를 더 포함할 수도 있다. 가상 머신 생성부는 산출된 생성 시작 시간부터 가상 머신을 생성하여 데드라인 이전에 가상 머신이 생성 완료되도록 가상 머신을 생성할 수 있다.

도 19에 도시되지 않았으나 가상 클러스터 구동 시간 스케줄링 장치(300)는 시간 계산 요청 수신부(300), 예약 프로세서(820), 비 예약 프로세서(830), 시간 계산부(840) 및 시간 모델 관리부(850)의 데이터가 저장되도록 구성된 저장부, 메모리 등을 더 포함할 수 있다. 저장부는 제한되지 않고 하드 디스크, 플래시 메모리 모듈 등을 포함할 수 있으며, 메모리는 다양한 타입의 RAM(random access memory)를 포함할 수 있다.

도 19에서는 식별의 편의를 위해 가상 클러스터 구동 시간 스케줄링 장치(100) 내에 시간 계산 요청 수신부, 예약 프로세서, 비 예약 프로세서, 시간 계산부 및 시간 모델 관리부가 개별적인 구성으로 도시되었으나, 각각의 모듈은 구현 방법 또는 본 발명의 실시예에 따라 하나의 통합적인 형태 또는 분리적 형태로 설계 구현되는 것도 가능하다.

도 20은 본 발명의 일 실시예에 따른 가상 클러스터 구동 시간 스케줄링 방법을 설명하기 위한 흐름도이다. 도 21a 내지 21c는 본 발명의 몇몇 실시예에 따른 가상 클러스터 구동 시간 스케줄링 방법에서 예시적인 생성 시간 정보의 산출 단계를 설명하기 위한 개념도들이다. 도 22a 및 22b는 본 발명의 몇몇 실시예에 따른 가상 클러스터 구동 시간 스케줄링 방법에서 예시적인 실행 슬롯의 생성 단계를 설명하기 위한 개념도들이다. 설명의 편의를 위해 도 19를 함께 참조하여 설명한다.

먼저, 가상 머신을 사용하고자 하는 시점인 데드라인 및 가상 머신에 대한 생성 시작 시간의 산출 요청이 수신된다(S2010). 데드라인 및 산출 요청은 사용자로부터 직접 수신될 수도 있고, 사용자로부터 외부 모듈을 통해 수신될 수도 있다. 데드라인은 사용자에 의해 지정된 생성, 이주 등 가상 머신에 대한 관리 처리 작업이 완료되는 시점이다. 데드라인은 사용자가 사용을 시작하고자 하는 시점일 수 있다. 본 발명의 일 실시예에 따른 가상 클러스터 구동 시간 스케줄링 방법은 데드라인 이전에 가상 머신이 생성 완료되어 데드라인에 가상 머신이 가용 상태가 되도록 가상 머신의 생성을 스케줄링할 수 있다. 산출 요청은 가상 머신에 대한 생성 시작 시간을 산출하게 하는 명령이다. 산출 요청이 수신됨으로써, 가상 머신의 생성 시작 시간의 산출이 개시된다. 여기서, 생성하고자 하는 가상 머신의 개수, 사양 및 배치 특성 등은 외부 모듈을 통해 미리 결정될 수 있다.

본 발명의 몇몇 실시예에 따르면, 가상 머신에 대한 구동 시작 시간 및 구동 종료 시간을 포함하는 구동 주기 및 가상 머신을 주기적으로 구동시키기 위한 산출 요청이 수신될 수도 있다. 구동 시작 시간은 사용자가 가상 머신의 사용을 시작하고자 하는 시점으로서, 데드라인에 대응할 수 있다. 구동 종료 시간은 사용자가 가상 머신의 사용을 종료하고자 하는 시점이다. 예를 들어, 사용자가 매주 월요일 오전 10시부터 오전 11시까지 가상 머신을 사용하고자 하는 경우, 구동 시작 시간이 오전 10시이고 구동 종료 시간이 오전 11시이고 구동 날짜가 매주 월요일인, 구동 주기가 수신될 수 있다. 여기서, 산출 요청은 가상 머신이 구동 주기에 따라 주기적으로 생성되고 소멸되도록 스케줄링하기 위한 요청일 수 있다. 상술한 바와 같이, 구동 주기를 수신함으로써, 해당 시간 주기에 자율적으로 구동 시작 및 구동 종료되도록 스케줄링할 수 있다는 본 발명의 유리한 효과가 획득된다.

다음으로, 수신된 산출 요청에 대응하여, 수신된 데드라인에 기초하여 생성 시작 시간이 산출된다(S2020). 생성 시작 시간은, 데드라인에 가상 머신이 가용 상태에 있도록 가상 머신이 생성되는데 요구되는 시간인 가상 머신의 생성 시간이 산출된 후에 역산함으로써 산출될 수 있다. 여기서, 생성 시간은 생성하고자 하는 가상 머신이 모두 생성되는데 소요되는 시간이다.

생성 시간은 생성 명령 전달 시간(Creation Command Propagation Time; CCPT), 가상 컨테이너 생성 시간(Virtual Container Creation Time; VCCT) 및 총 부팅 시간(Total Boot Time; TBT)에 기초하여 산출될 수 있다. 생성 명령 전달 시간, 가상 컨테이너 생성 시간 및 총 부팅 시간은 미리 설정된 시간일일 수도 있다.

생성 명령 전달 시간은 가상 머신 생성시 가상 클러스터 스케줄러로부터 가상 머신의 관리 시스템으로 가성 머신의 배치 결과 및 시작 명령을 전송하기 위한 시간 및 가상 머신의 관리 시스템으로부터 호스트로 가상 머신의 생성 명령을 전달하기 위한 시간을 포함하는 시간이다. 가상 머신의 관리 시스템에 따라 생성 명령 전달 시간은 호스트의 하이퍼바이저에 전달될 가상 머신 설정 파일을 생성하는 시간을 포함할 수도 있다.

가상 컨테이너 생성 시간은 가상화된 시스템에서 가상 머신의 구동을 위해 가상 컴퓨팅 자원의 생성 및 할당에 소요되는 시간이다. 가상 컨테이너 생성 시간은 가상 CPU 생성 및 할당, 메모리 공간 할당 및 가상 네트워크 장치 생성에 소요되는 시간을 포함할 수 있다. 가상 컨테이너 생성 시간은 가상 머신의 사양에 따라 변화될 수도 있다.

총 부팅 시간은 가상 머신이 생성된 후 가상 머신의 부팅에 소요되는 시간이다. 총 부팅 시간은, 예를 들어, 운영체제 및 부팅 환경 설정을 사용자로부터 입력받기 위해 대기하는 시간인 부팅 선택 시간, 가상 머신 운영체제의 부팅을 위해 소요되는 시간인 부팅 시간, 가상 머신 운영체제가 부팅된 후 미들웨어 및 자동 실행 응용 소프트웨어의 구동을 위해 소요되는 시간인 초기화 시간, 가상 머신의 부팅 과정 중 발생할 수 있는 최대의 지연 시간인 지연 시간 중 적어도 하나 이상의 시간을 합산한 시간일 수 있다. 총 부팅 시간은 가상 머신의 사양 및 운영체제에 따라 변화될 수도 있다.

생성 시간이 산출된 후, 데드라인으로부터 역산하여 생성 시작 시간이 산출될 수 있다. 예를 들어, 데드라인이 10시이고 산출된 생성 시간이 20분인 경우, 생성 시작 시간은 9시 40분으로 산출될 수 있다. 가상 머신이 데드라인을 초과하여 생성되는 것을 방지하기 위해, 가상 머신의 생성 완료 시간과 데드라인 사이에 일정 이상의 여유 시간이 확보되도록 생성 시작 시간이 산출될 수도 있다. 생성 완료 시간은 본 발명의 일 실시예에 따른 가상 클러스터 구동 시간 스케줄링 방법을 통해 생성 시작 시간부터 가상 머신의 생성이 개시된 경우 가상 머신이 생성 완료될 것으로 예측되는 시간이다. 여유 시간은 생성 완료 시간과 데드라인 사이의 시간이다. 데드라인을 초과하여 가상 머신이 생성되는 위험을 감소시키기 위해, 여유 시간을 산출함으로써, 여유 시간이 충분한지 여부를 검증할 수 있다. 여기서, 여유 시간은 미리 정해진 시간일 수도 있다. 생성 완료 시간 및 여유 시간의 산출 요청이 수신된 경우, 생성 시작 시간과 함께 생성 완료 시간 및 여유 시간이 산출될 수도 있다. 여기서, 생성 완료 시간은 생성 시작 시간에 생성 시간을 더한 시간일 수 있고, 여유 시간은 데드라인과 생성 완료 시간 사이의 시간일 수 있다.

도 21a를 참조하면, 데드라인이 t2인 가상 머신에 대한 생성 시작 시간의 산출 요청이 시간 t1에 수신된 경우, 미리 저장된 생성 명령 전달 시간(CCPT), 가상 컨테이너 생성 시간(VCCT), 총 부팅 시간(TBT)을 합산하여 생성 시간 t4-t3이 산출될 수 있다. 생성 명령 전달 시간(CCPT), 가상 컨테이너 생성 시간(VCCT), 총 부팅 시간(TBT)은 가상 머신의 사양 및 운영체제에 기초하여 결정될 수도 있다. 생성 시간 t4-t3이 산출된 경우 데드라인 t2로부터 역산하여 생성 시작 시간 t3이 산출될 수 있는데, 이 때 생성 완료 시간 t4와 데드라인 t2 사이에 여유 시간 t2-t4를 두고 생성 시작 시간 t3이 산출될 수 있다.

본 발명의 다른 실시예에 따르면, 2 이상의 가상 머신을 포함하는 가상 클러스터를 생성하고자 하는 경우, 가상 클러스터에 포함된 가상 머신 각각에 대한 생성 명령 전달 시간(CCPT)은 순차적으로 처리되고, 가상 컨테이너 생성 시간(VCCT)은 순차적 또는 병렬적으로 처리되고, 총 부팅 시간(TBT)이 병렬적으로 처리되어 생성 시작 시간이 산출될 수도 있다.

구체적으로, 생성 명령 전달은 가상 머신의 관리 시스템에 의해 수행되므로, 생성 명령 전달은 복수의 가상 머신에 대해 동시에 수행될 수 없다. 따라서, 생성 명령 전달은 가상 머신 각각에 대해 순차적으로 수행되고, 생성 시간을 산출하는 경우 생성 명령 전달 시간(CCPT)은 순차적으로 처리된다. 예를 들어, 제1 가상 머신 및 제2 가상 머신을 포함하는 가상 클러스터를 생성하는 경우, 제1 가상 머신에 대한 생성 명령 전달과 제2 가상 머신에 대한 생성 명령 전달은 동시에 수행될 수 없다. 따라서, 제1 가상 머신에 대한 생성 명령 전달 시간(CCPT)과 제2 가상 머신에 대한 생성 명령 전달 시간(CCPT)은 각각 순차적으로 처리되도록 생성 시간이 산출된다.

가상 컨테이너 생성은 복수의 가상 머신이 배치된 호스트에 따라 순차적으로 수행될 수도 있고 병렬적으로 수행될 수도 있다. 각각의 호스트는 가상 컨테이너 생성을 위한 수퍼바이저를 하나씩 포함한다. 따라서, 복수의 가상 머신이 동일한 호스트에 배치된 경우, 가상 컨테이너 생성은 순차적으로 수행되고, 복수의 가상 머신이 서로 다른 호스트에 배치된 경우, 가상 컨테이너 생성은 병렬적으로 수행된다. 예를 들어, 제1 가상 머신 및 제2 가상 머신이 동일한 호스트에 배치된 경우, 제1 가상 머신에 대한 가상 컨테이너 생성과 제2 가상 머신에 대한 가상 컨테이너 생성은 동시에 수행될 수 없고, 제1 가상 머신 및 제2 가상 머신이 서로 다른 호스트에 배치된 경우, 제1 가상 머신에 대한 가상 컨테이너 생성과 제2 가상 머신에 대한 가상 컨테이너 생성은 동시에 수행될 수 있다. 따라서, 가상 머신이 동일한 호스트에 배치된 경우, 가상 머신 각각에 대한 가상 컨테이너 생성 시간(VCCT)은 순차적으로 처리되고, 가상 머신이 서로 다른 호스트에 배치된 경우, 가상 머신 각각에 대한 가상 컨테이너 생성 시간(VCCT)은 병렬적으로 처리되도록 생성 시간이 산출될 수 있다.

부팅은 복수의 가상 머신에 대해 병렬적으로 수행될 수 있다. 가상 머신이 생성된 후에는 각각의 가상 머신이 독립적으로 동작하게 되므로, 가상 머신의 부팅은 병렬적으로 수행된다. 예를 들어, 제1 가상 머신 및 제2 가상 머신이 생성된 경우, 제1 가상 머신의 부팅과 제2 가상 머신의 부팅은 동시에 수행될 수 있다. 따라서, 가상 머신 각각에 대한 총 부팅 시간(TBT)은 병렬적으로 처리되도록 생성 시간이 산출될 수 있다.

서로 다른 가상 머신에 대한 생성 명령 전달, 가상 컨테이너 생성 및 부팅은 서로 병렬적으로 수행될 수 있다. 예를 들어, 제1 가상 머신에 대한 생성 명령 전달과 제2 가상 머신에 대한 가상 컨테이너 생성은 병렬적으로 수행될 수 있고, 제1 가상 머신에 대한 가상 컨테이너 생성과 제2 가상 머신에 대한 부팅 또한 병렬적으로 수행될 수 있고, 제1 가상 머신에 대한 생성 명령 전달과 제2 가상 머신에 대한 부팅 또한 병렬적으로 수행될 수 있다. 따라서, 서로 다른 가상 머신에 대한 생성 명령 전달 시간(CCPT), 가상 컨테이너 생성 시간(VCCT) 및 총 부팅 시간(TBT)은 서로 병렬적으로 처리되도록 생성 시간이 산출될 수 있다.

도 21b를 참조하면, 데드라인이 t6이고 동일한 호스트에 배치된 제1 가상 머신 및 제2 가상 머신을 포함하는 가상 클러스터에 대한 생성 시작 시간의 산출 요청이 시간 t5에 수신된 경우, 생성 명령 전달 시간(CCPT) 및 가상 컨테이너 생성 시간(VCCT)은 순차적으로 처리되고 총 부팅 시간(TBT)은 병렬적으로 처리되도록 생성 시간 t8-t7이 산출될 수 있다. 여기서, 제1 가상 머신에 대한 가상 컨테이너 생성 시간(VCCT)과 제2 가상 머신에 대한 생성 명령 전달 시간(VCCT)은 병렬적으로 처리될 수 있고, 제1 가상 머신에 대한 총 부팅 시간(TBT)과 제2 가상 머신에 대한 가상 컨테이너 생성 시간(VCCT) 또한 병렬적으로 처리될 수 있다. 생성 시간 t8-t7이 산출된 경우 데드라인 t6로부터 역산하여 생성 시작 시간 t7이 산출될 수 있는데, 이 때 생성 완료 시간 t8와 데드라인 t6 사이에 여유 시간 t6-t8를 두고 생성 시작 시간 t7이 산출될 수 있다.

도 21c를 참조하면, 데드라인이 t10이고 서로 상이한 호스트에 배치된 제1 가상 머신 및 제2 가상 머신을 포함하는 가상 클러스터에 대한 생성 시작 시간의 산출 요청이 시간 t9에 수신된 경우, 생성 명령 전달 시간(CCPT)은 순차적으로 처리되고 가상 컨테이너 생성 시간(VCCT) 및 총 부팅 시간(TBT)은 병렬적으로 처리되도록 생성 시간 t12-t11이 산출될 수 있다. 여기서, 제1 가상 머신에 대한 가상 컨테이너 생성 시간(VCCT)과 제2 가상 머신에 대한 생성 명령 전달 시간(CCPT)은 병렬적으로 처리될 수 있고, 제1 가상 머신에 대한 총 부팅 시간(TBT)과 제2 가상 머신에 대한 가상 컨테이너 생성 시간(VCCT) 또한 병렬적으로 처리될 수 있다. 생성 시간 t12-t11이 산출된 경우 데드라인 t10으로부터 역산하여 생성 시작 시간 t11이 산출될 수 있는데, 이 때 생성 완료 시간 t12와 데드라인 t10 사이에 여유 시간 t10-t12를 두고 생성 시작 시간 t11이 산출될 수 있다.

상술한 바와 같이, 가상 클러스터에 포함된 가상 머신 각각에 대해 동시에 수행될 수 있는 작업에 대한 시간을 병렬적으로 처리함으로써, 가상 클러스터의 생성 시간을 단축할 수 있다는 본 발명의 유리한 효과가 획득된다.

본 발명의 또 다른 실시예에 따르면, 생성 시작 시간은 일정 시간 간격으로 구획된 실행 슬롯을 기반으로 산출될 수도 있다. 실행 슬롯은 가상 클러스터 내의 가상 머신들의 생성 및 소멸 등을 정의하는 제어 스케줄을 시계열적으로 저장하고, 각 실행 슬롯에 대응하는 시간이 도래한 경우, 각 실행 슬롯에 저장된 제어 스케줄에 정의된 제어 명령을 실행하기 위해 사용하는 일종의 저장소이다. 실행 슬롯에 대응하는 시간이 도래한 경우, 스케줄링된 가상 클러스터의 생성이 개시될 수 있다.

도 22a는 본 발명의 또 다른 실시예에 따른 가상 클러스터 구동 시간 스케줄링 방법에서 이용되는 실행 슬롯을 시각적으로 도시한다. 실행 슬롯은 9시 55분 00초부터 10시 00분 00초까지 30초 간격으로 구획되어 있고, 9시 55분 00초부터 10시 00분 00초 사이의 실행 슬롯은 비어있는 상태이다.

도 22b를 참조하면, 데드라인이 10시 00분 00초이고 생성 명령 전달 시간, 가상 컨테이너 생성 시간 및 총 부팅 시간에 기초하여 산출된 가상 클러스터의 생성 시간(tc1)이 2분 45초인 경우, 가상 클러스터의 생성을 위해 생성 시간(tc1) 2분 45초를 포함하는 최소 개수의 실행 슬롯, 즉, 9시 57분 00초부터 데드라인인 10시 00분 00초에 대응하는 6개의 실행 슬롯이 할당된다. 여기서, 생성 시작 시간은 10시 00분 00초로부터 2분 45초 전인 9시 57분 45초가 아니라 할당된 실행 슬롯에 대응하는 가장 빠른 시간인 9분 57분 00초로 산출될 수 있고, 생성 종료 시간인 9시 59분 45초부터 데드라인인 10시 00분 00초 사이에 여유 시간(tm1) 15초가 확보된다.

연속적인 시간 구간에 대해 스케줄을 저장하는 경우에는 비어있는 시간, 즉, 가상 머신의 생성을 수행할 수 있는 시간을 탐색하는데 상당한 시간이 소요된다. 따라서, 일정 시간 간격으로 구획된 실행 슬롯을 이용하여 이산적인 시간 구간에 대해 스케줄 저장함으로써 가상 머신의 생성을 수행할 수 있는 시간을 탐색하는 시간을 감소시킬 수 있다. 또한, 실행 슬롯을 이용하여 스케줄을 저장함으로써, 생성 완료 시간과 데드라인 사이에 여유시간이 확보되도록 생성 시작 시간이 산출될 수 있다.

한편, 도 22c를 참조하면, 데드라인이 10시 00분 00초이고 생성 명령 전달 시간, 가상 컨테이너 생성 시간 및 총 부팅 시간에 기초하여 산출된 가상 클러스터의 생성 시간(tc2)이 2분 50초인 경우, 일단 가상 클러스터의 생성을 위해 생성 시간(tc2) 2분 50초를 포함하는 최소 개수의 실행 슬롯, 즉, 9시 57분 00초부터 데드라인인 10시 00분 00초에 대응하는 6개의 실행 슬롯이 할당될 수 있다. 이 경우, 생성 종료 시간인 9시 59분 50초부터 데드라인인 10시 00분 00초 사이에 여유 시간(tm2) 10초가 확보되는데, 10초의 여유시간이 부족하다고 판단되는 경우, 예를 들어, 최소 15초 이상의 여유 시간이 확보되도록 미리 결정된 경우, 데드라인 전에 하나의 실행 슬롯을 비워두고 가상 클러스터의 생성을 위해 9시 56분 30초부터 9시 59분 30초에 대응하는 6개의 실행 슬롯이 할당될 수 있다. 이 경우, 생성 시작 시간은 9시 56분 30초로 산출되고, 생성 완료 시간은 9시 59분 20초로 산출될 수 있으며, 여유 시간(tm3) 40초가 확보될 수 있다. 상술한 바와 같이, 여유 시간이 일정 이하인 경우 추가적인 여유 시간을 확보함으로써, 데드라인을 도과하여 가상 클러스터가 생성 완료되는 위험성을 감소시킬 수 있다.

본 발명의 몇몇 실시예에 따르면, 구동 주기 및 가상 머신을 주기적으로 구동시키기 위한 산출 요청이 수신된 경우, 구동 시작 시간에 주기적으로 가상 클러스터의 생성이 완료되도록 주기적인 생성 시작 시간을 산출할 수 있다. 예를 들어, 구동 시작 시간이 매주 월요일 10시 00분 00초이고 생성 명령 전달 시간, 가상 컨테이너 생성 시간 및 총 부팅 시간에 기초하여 산출된 가상 클러스터의 생성 시간이 3분인 경우, 매주 월요일 9시 57분 00초를 생성 시작 시간으로서 산출할 수도 있다. 주기적인 생성 시작 시간 또한 실행 슬롯을 기반으로 산출될 수도 있고, 구동 시작 시간과 생성 완료 시간 사이에 여유 시간이 확보되도록 생성 시작 시간이 산출될 수도 있다.

상술한 바와 같이, 가상 클러스터를 주기적으로 생성하고 소멸시킬 수 있도록 스케줄링함으로써, 가상 클러스터를 효율적으로 사용할 수 있는 가상 클러스터 구동 시간 스케줄링 방법 및 장치를 제공할 수 있다는 본 발명의 유리한 효과가 획득된다.

본 발명의 몇몇 실시예에 따르면, 생성 시작 시간이 산출되기 전에, 산출 요청에 대하여 적용하고자 하는 시간 모델이 결정될 수도 있다. 시간 모델은 생성 시작 시간을 산출하기 위해 사용되는 모델이다. 상술한 실시예에서는 생성 명령 전달 시간, 가상 컨테이너 생성 시간 및 총 부팅 시간을 합산하여 가상 머신의 생성 시간을 산출하는 시간 모델이 이용되었으나, 이에 제한되지 않고 가상 머신의 생성 시간을 산출하기 위한 다양한 시간을 이용하는 시간 모델이 이용될 수 있다. 복수의 시간 모델이 저장된 경우, 시간 모델은 사용자의 선택에 의해 특정 시간 모델이 선택됨으로써 결정될 수도 있고, 생성하고자 하는 가상 머신에 적합한 특정 시간 모델이 추출됨으로써 결정될 수도 있다. 시간 모델 또는 시간 모델을 구성하는 각 구성 요소는 사용자의 요청을 통해 추가되거나, 변경되거나, 삭제되는 것이 가능하다.

다시 도 20을 참조하면, 단계 3에서 산출된 생성 시작 시간이 외부 모듈로 송신된다(S2030). 여기서, 외부 모듈은 가상 클러스터의 스케줄링을 관리하거나 가상 클러스터의 생성을 수행하는 모듈로서, 데드라인 및 산출 요청을 송신한 단계 S2010의 외부 모듈과 동일한 모듈일 수도 있고 상이한 모듈일 수도 있다. 생성 시작 시간이 외부 모듈로 송신됨으로써, 생성 시작 시간에 가상 클러스터의 생성이 개시되어 데드라인 전에 가상 클러스터의 생성이 완료될 수 있다.

본 발명의 또 다른 실시예에 따르면, 산출된 생성 시작 시간이 다른 모듈로 송신되지 않고, 생성 시작 시간에 기초하여 데드라인 이전에 가상 머신이 생성 완료되도록 가상 클러스터가 생성될 수도 있다. 가상 클러스터는 생성 시작 시간에 생성 시작되어 데드라인 이전에 생성 완료될 수 있다. 가상 클러스터는 가상 클러스터를 생성하는 통상적인 방법에 따라 생성될 수 있다.

상술한 바와 같이, 가상 클러스터의 구동 시간을 스케줄링하는데 있어서, 사용자가 설정한 데드라인을 기준으로 가상 클러스터가 생성 완료되도록 생성 시간 정보를 산출함으로써, 사용자가 원하는 시간에 가상 클러스터를 사용할 수 있도록 스케줄링할 수 있다는 본 발명의 유리한 효과가 획득된다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims

복수의 가상 머신을 포함하는 가상 클러스터 시스템에 대한 제어 요청을 처리함으로써, 상기 가상 클러스터 시스템의 제어 정보를, 관리하도록 구성된 가상 클러스터 제어 정보 관리부; 및

상기 복수의 호스트에서의 상기 복수의 가상 머신들을 관리하는 외부의 가상 머신 관리 시스템을 통해 또는 상기 복수의 호스트에 직접 접속하여 제어함으로써, 상기 제어 정보에 기초하여 상기 복수의 가상 머신의 동작을 제어하도록 구성된 가상 클러스터 제어부를 포함하는, 가상 클러스터 관리 시스템.
제1항에 있어서,

상기 가상 클러스터 제어부는, 상기 외부의 가상 머신 관리 시스템으로 하여금 상기 가상 머신의 생성, 종료, 정지, 재시작, 이주, 가상 클러스터 규모 및 할당된 자원 규모 변경 중 적어도 하나의 동작을 수행시키도록 더 구성된, 가상 클러스터 관리 시스템.
제1항에 있어서,

상기 가상 클러스터 제어부에 접속되는, 가상 머신 관리 시스템 접근 드라이버를 더 포함하고,

상기 가상 머신 관리 시스템 접근 드라이버는 상기 외부의 가상 머신 관리 시스템 또는 호스트에서 사용되는 가상 컴퓨팅 자원 제어 기능을 상기 가상 클러스터 제어부에서 사용가능한 가상 컴퓨팅 자원 제어 기능으로 변환하도록 구성된, 가상 클러스터 관리 시스템.
제3항에 있어서,

가상 머신 관리 시스템 접근 드라이버의 등록 또는 변경 또는 삭제를 수행하도록 구성된 드라이버 관리부를 더 포함하는, 가상 클러스터 관리 시스템.
제1항에 있어서,

가상 클러스터 시스템의 구동 시점을 스케줄링하도록 구성된 타임 엔진; 및

상기 복수의 가상 머신이 배치되는 호스트를 결정하도록 구성된 배치 엔진을 더 포함하고,

상기 가상 클러스터 제어 정보 관리부는, 상기 타임 엔진 또는 상기 배치 엔진에 의해 생성되는 상기 복수의 가상 머신의 제어 정보 또는 상기 가상 클러스터 시스템의 제어 정보를 스케줄 테이블로 저장하는, 가상 클러스터 관리 시스템.
제5항에 있어서,

상기 배치 엔진은 상기 복수의 가상 머신을 배치하기 위한 복수의 계산 모듈을 포함하고,

상기 복수의 계산 모듈은 상기 제어 정보에 액세스 가능하도록 구성된, 가상 클러스터 관리 시스템.
제5항에 있어서,

상기 배치 엔진은 상기 복수의 가상 머신의 배치도를 상기 제어 정보의 형태로 저장하도록 더 구성된, 가상 클러스터 관리 시스템.
제1항에 있어서,

상기 가상 클러스터 시스템 또는 상기 가상 머신들에 대한 제어 요청을 수신하고, 상기 제어 요청의 속성에 따라 상기 제어 요청을 상기 가상 클러스터 제어 정보 관리부 또는 상기 가상 클러스터 제어부에 할당하도록 구성된 가상 클러스터 운영 관리부를 더 포함하는, 가상 클러스터 관리 시스템.
제1항에 있어서,

상기 복수의 호스트의 자원 정보, 상태 정보, 상기 복수의 가상 머신의 자원 정보 및 상태 정보를 수집하고, 상기 복수의 호스트의 자원 정보, 상태 정보, 상기 복수의 가상 머신의 자원 정보, 상태 정보 및 상기 제어 정보 중 적어도 하나를 제공하도록 구성된 정보 관리부를 더 포함하는, 가상 클러스터 관리 시스템.
복수의 가상 머신을 포함하는 가상 클러스터 시스템에 대한 제어 요청을 수신하는 단계;

상기 제어 요청에 따라 복수의 가상 클러스터 시스템의 제어 정보를 생성하거나 정정하는 단계;

복수의 호스트를 관리하는 외부의 가상 머신 관리 시스템을 통해 또는 상기 복수의 호스트에 직접 접속하여 상기 복수의 가상 머신을 제어함으로써, 상기 제어 정보에 기초하여 상기 복수의 호스트에서의 상기 복수의 가상 머신의 동작을 제어하기 위한 명령을 출력하는 단계를 포함하는, 가상 클러스터 관리 시스템의 제어 방법.
제10항에 있어서,

상기 제어 요청을 스케줄링이 요구되는 제어 요청 또는 스케줄링이 요구되지 않는 제어 요청으로 분류하는 단계; 및

상기 스케줄링 요구되지 않는 제어 요청에 따라 상기 복수의 가상 머신의 동작을 제어하기 위한 명령을 출력하는 단계를 더 포함하고,

상기 스케줄링이 요구되지 않는 제어 요청에 따라 상기 복수의 가상 머신의 동작을 제어하기 위한 명령을 출력하는 단계는 상기 제어 정보와는 독립적으로 수행하도록 하는, 가상 클러스터 관리 시스템의 제어 방법.
제10항에 있어서,

상기 가상 클러스터 시스템에 대한 제어 요청에 따라 상기 가상 클러스터 시스템의 동작 시간을 결정하는 단계; 및

결정된 상기 동작 시간에 따라 상기 제어 정보를 갱신하는 단계를 더 포함하는, 가상 클러스터 관리 시스템의 제어 방법.
제10항에 있어서,

상기 가상 클러스터 시스템에 대한 제어 요청에 따라 상기 가상 클러스터 시스템의 배치를 결정하는 단계; 및

결정된 상기 배치에 따라 상기 제어 정보를 갱신하는 단계를 더 포함하는, 가상 클러스터 관리 시스템의 제어 방법.
복수의 가상 머신을 포함하는 가상 클러스터 시스템에 대한 시스템 정보를 수신하는 단계;

상기 복수의 가상 머신을 서브 그룹으로 분류하는 단계;

상기 서브 그룹 사이의 관계 속성 또는 상기 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성을 결정하는 단계; 및

상기 서브 그룹 사이의 관계 속성 또는 상기 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성에 따라, 상기 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계를 포함하는, 가상 클러스터 배치 방법.
제14항에 있어서,

상기 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계는, 상기 복수의 가상 머신 중 일부를 상기 복수의 호스트 중 서로 상이한 호스트들에 배치하는 단계를 포함하는, 가상 클러스터 배치 방법.
제14항에 있어서,

상기 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계는 적어도 하나의 계산 모듈을 통해 상기 복수의 가상 머신의 배치와 연관된 계산을 수행하는 단계를 포함하고,

상기 적어도 하나의 계산 모듈 각각은,

(a) 상기 서브 그룹에 대한 정보를 핸들링하는 단계;

(b) 상기 서브 그룹을 파티셔닝하는 단계;

(c) 상기 호스트를 정렬하는 단계;

(d) 상기 호스트를 필터링하는 단계;

(e) 상기 호스트를 추출하는 단계; 또는

(f) 사용자 정의된 기능을 수행하는 단계 중 적어도 하나의 단계를 수행하도록 구성된, 가상 클러스터 배치 방법.
제16항에 있어서,

상기 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계는, 상기 관계 속성에 따라 서로 상이한 계산 모듈의 조합을 이용하여 수행되는, 가상 클러스터 배치 방법.
제16항에 있어서,

상기 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계는, 상기 관계 속성에 따라 서로 상이한 계산 모듈의 조합을 이용하여 수행되는, 가상 클러스터 배치 방법.
제16항에 있어서,

상기 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계 이후에, 상기 가상 클러스터 시스템에 대한 배치 맵을 갱신하는 단계를 더 포함하고,

상기 적어도 하나의 계산 모듈은 상기 배치 맵에 액세스 가능하도록 구성된, 가상 클러스터 배치 방법.
제14항에 있어서,

상기 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계 이후에, 상기 가상 클러스터 시스템에 대한 배치 맵을 갱신하는 단계를 더 포함하는, 가상 클러스터 배치 방법.
제20항에 있어서,

상기 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하는 단계는 상기 가상 머신을 상기 복수의 호스트 중 하나에 배치하도록 상기 배치 맵에 기초하여 호스트를 선택하는 단계를 포함하는, 가상 클러스터 배치 방법.
제14항에 있어서,

상기 복수의 가상 머신을 서브 그룹으로 분류하는 단계는 상기 복수의 가상 머신의 자원요구사항에 기초하거나 사용자-정의에 기초하여 상기 복수의 가상 머신을 서브 그룹으로 분류하는 단계인, 가상 클러스터 배치 방법.
제14항에 있어서,

상기 복수의 가상 머신을 서브 그룹으로 분류하는 단계는,

분류 기준에 따라 상기 복수의 가상 머신을 서브 그룹으로 분류하는 단계이고,

상기 분류 기준은 분류 히스토리 또는 기 저장된 분류 정보에 따라 결정되는, 가상 클러스터 배치 방법.
제14항에 있어서,

상기 서브 그룹 사이의 관계 속성 또는 상기 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성을 결정하는 단계는,

관계 속성의 결정에 대한 히스토리 또는 기 저장된 결정 정보에 따라, 상기 서브 그룹 사이의 관계 속성 또는 상기 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성을 결정하는 단계인, 가상 클러스터 배치 방법.
제24항에 있어서,

상기 서브 그룹 사이의 관계 속성 또는 상기 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성을 검증하는 단계를 더 포함하는, 가상 클러스터 배치 방법.
복수의 가상 머신을 포함하는 가상 클러스터 시스템에 대한 시스템 정보를 수신하기 위한 요청 수신부; 및

상기 요청 수신부와 연결된 배치 엔진을 포함하고,

상기 배치 엔진은,

상기 복수의 가상 머신을 서브 그룹으로 분류하고,

상기 서브 그룹 사이의 관계 속성 또는 상기 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성을 결정하고,

상기 서브 그룹 사이의 관계 속성 또는 상기 서브 그룹 내의 복수의 가상 머신 사이의 관계 속성에 따라, 상기 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하도록 구성된, 가상 클러스터 배치를 제공하기 위한 장치.
제26항에 있어서,

상기 배치 엔진은 적어도 하나의 계산 모듈을 통해 상기 복수의 가상 머신 중 하나를 복수의 호스트에 배치하도록 구성되고,

상기 적어도 하나의 계산 모듈 각각은,

(a) 상기 서브 그룹에 대한 정보를 핸들링하는 단계;

(b) 상기 서브 그룹을 파티셔닝하는 단계;

(c) 상기 호스트를 정렬하는 단계;

(d) 상기 호스트를 필터링하는 단계;

(e) 상기 호스트를 추출하는 단계; 또는

(f) 사용자 정의된 기능을 수행하는 단계 중 적어도 하나의 단계를 수행하도록 구성된, 가상 클러스터 배치를 제공하기 위한 장치.
제26항에 있어서,

상기 배치 엔진은, 상기 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치한 후, 상기 가상 클러스터 시스템에 대한 배치 맵을 갱신하도록 더 구성된, 가상 클러스터 배치를 제공하기 위한 장치.
제28항에 있어서,

상기 배치 엔진은, 상기 가상 머신을 상기 복수의 호스트 중 하나에 배치하도록 상기 배치 맵에 기초하여 호스트를 선택함으로써, 상기 복수의 가상 머신 중 하나를 복수의 호스트 중 하나에 배치하도록 구성된, 가상 클러스터 배치를 제공하기 위한 장치.
가상 머신을 사용하고자 하는 시점인 데드라인 및 상기 가상 머신에 대한 생성 시작 시간의 산출 요청을 수신하는 단계;

상기 데드라인에 기초하여 상기 생성 시작 시간을 산출하는 단계; 및

상기 생성 시작 시간을 외부 모듈로 송신하는 단계를 포함하는, 가상 클러스터 구동 시간 스케줄링 방법.
제 30 항에 있어서,

상기 생성 시작 시간을 산출하는 단계는,

생성 명령 전달 시간, 가상 컨테이너 생성 시간 및 총 (total) 부팅 시간에 기초하여 상기 생성 시작 시간을 산출하는 단계인, 가상 클러스터 구동 시간 스케줄링 방법.
제 31 항에 있어서,

상기 가상 머신의 수는 2 이상이고,

상기 생성 시작 시간을 산출하는 단계는,

상기 가상 머신 각각에 대한 생성 명령 전달 시간이 순차적으로 처리되고, 상기 가상 머신 각각에 대한 가상 컨테이너 생성 시간이 순차적 또는 병렬적으로 처리되고, 상기 가상 머신 각각에 대한 총 부팅 시간이 병렬적으로 처리되도록 상기 생성 시작 시간을 산출하는 단계인, 가상 클러스터 구동 시간 스케줄링 방법.
제 32 항에 있어서,

상기 생성 시작 시간을 산출하는 단계는,

상기 가상 머신이 동일한 호스트에 배치된 경우, 상기 가상 머신 각각에 대한 가상 컨테이너 생성 시간이 하나의 호스트에서 순차적으로 처리되고,

상기 가상 머신이 서로 다른 호스트에 배치된 경우, 상기 가상 머신 각각에 대한 가상 컨테이너 생성 시간이 서로 다른 호스트에서 병렬적으로 처리되도록 상기 생성 시작 시간을 산출하는 단계인, 가상 클러스터 구동 시간 스케줄링 방법.
제 31 항에 있어서,

상기 총 부팅 시간은 부팅 선택 시간, 부팅 시간, 초기화 시간 및 지연 시간 중 적어도 하나 이상의 시간을 합산한 시간인, 가상 클러스터 구동 시간 스케줄링 방법.
제 30 항에 있어서,

상기 생성 시작 시간을 산출하는 단계는,

생성 완료 시간에 기초하여 상기 생성 시작 시간을 산출하는 단계인, 가상 클러스터 구동 시간 스케줄링 방법.
제 35 항에 있어서,

상기 산출하는 단계는,

상기 생성 완료 시간과 상기 데드라인 사이에 상기 여유 시간이 확보되도록 상기 생성 시작 시간을 산출하는 단계인, 가상 클러스터 구동 시간 스케줄링 방법.
제 30 항에 있어서,

상기 산출하는 단계는,

실행 슬롯을 기반으로 상기 생성 시작 시간을 산출하는 단계인, 가상 클러스터 구동 시간 스케줄링 방법.
제 37 항에 있어서,

상기 실행 슬롯은 일정 시간 간격으로 구획되는, 가상 클러스터 구동 시간 스케줄링 방법.
제 30 항에 있어서,

상기 산출 요청에 대하여 적용하고자 하는 시간 모델을 결정하는 단계를 더 포함하고,

상기 산출하는 단계는,

상기 시간 모델에 기초하여 상기 생성 시작 시간을 산출하는 단계인, 가상 클러스터 구동 시간 스케줄링 방법.
제 39항에 있어서,

사용자의 요청을 통해 다른 시간 모델을 추가하는 단계;

상기 사용자의 요청을 통해 상기 시간 모델을 변경하는 단계; 또는

상기 사용자의 요청을 통해 상기 시간 모델을 삭제하는 단계를 더 포함하는, 가상 클러스터 구동 시간 스케줄링 방법.
제 30 항에 있어서,

상기 수신하는 단계는,

상기 가상 머신에 대한 구동 시작 시간 및 구동 종료 시간을 포함하는 구동 주기 및 상기 가상 머신을 주기적으로 구동시키기 위한 산출 요청을 수신하는 단계인, 가상 클러스터 구동 시간 스케줄링 방법.
가상 머신을 사용하고자 하는 시점인 데드라인을 수신하는 단계;

상기 데드라인에 기초하여 생성 시작 시간을 산출하는 단계; 및

상기 생성 시작 시간에 기초하여 상기 데드라인 이전에 상기 가상 머신이 생성 완료되도록 상기 가상 머신을 생성하는 단계를 포함하는, 가상 클러스터 구동 시간 스케줄링 방법.
가상 머신을 사용하고자 하는 시점인 데드라인 및 상기 가상 머신에 대한 생성 시작 시간의 산출 요청을 수신하는 수신부;

상기 데드라인에 기초하여 상기 생성 시작 시간을 산출하는 산출부; 및

상기 생성 시작 시간을 외부 모듈로 송신하는 송신부를 포함하는, 가상 클러스터 구동 시간 스케줄링 장치.
가상 머신을 사용하고자 하는 시점인 데드라인을 수신하는 수신부;

상기 데드라인에 기초하여 생성 시작 시간을 산출하는 산출부; 및

상기 생성 시작 시간에 기초하여 상기 데드라인 이전에 상기 가상 머신이 생성 완료되도록 상기 가상 머신을 생성하는 생성부를 포함하는, 가상 클러스터 구동 시간 스케줄링 장치.