LSTM기반 CPU 사용예측을 통한 사설 클라우드 시스템의 다중클러스터 안정성 향상 방안 연구

Abstract

본 논문은 다수의 기업에서 도입·운영 중인 Cloud Infrastructure as a Service(IaaS) 환경에서 단일 cluster에 소속된 전용 고가용성 자원을 다수의 cluster에서 같이 사용할 수 있는 공유 고가용성 자원으로 활용할 수 있도록하는 시스템 아키텍처 모델을 설계하고 성능 증명을 통해 유효성을 입증하였다. 본 연구에서는 스토리지 전용 파일시스템 문제를 해결하기 위해 국제 인터넷 표준화 기구(ITEF) 표준규약인SSH기술 기반 파일시스템을 채용하여 운용중인 환경의 변화없이 적용토록 설계하였으며, 역할기반 Agent로 이기종 cluster 혼용 환경에서도 적용할 수 있는 호환성을 확보하여 특정 솔루션으로 인한 종속성 문제를 해결하였다. 또한 성능 검증을 통해 일반적인 상황에서 약 1시간 이내 서비스 복구 가능성을 증명하여 H/W 파트교체 상황과 대비하여 복구시간을 약 75% 단축할 수 있는 실용성도 입증하였다. 특히 서비스가 migration된 후 대상cluster에서 동작중인 다른 서비스에 대한 영향 최소화와 migration 이후의 서비스 원복까지의 서비스 연속성을 보장할 수 있도록 Deep Learning 중 Recurrent Neural Network(RNN) 알고리즘으로 cluster의 향후 자원사용 상황을 예측할 수 있도록 하여 최적의 클러스터를 선정할 수 있도록 하였다.