LSTM기반 CPU 사용예측을 통한 사설 클라우드 시스템의 다중클러스터 안정성 향상 방안 연구
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 박선철 | - |
dc.contributor.author | 김영한 | - |
dc.date.accessioned | 2022-12-16T03:40:10Z | - |
dc.date.available | 2022-12-16T03:40:10Z | - |
dc.date.created | 2022-12-02 | - |
dc.date.issued | 2022-08 | - |
dc.identifier.issn | 1226-4717 | - |
dc.identifier.uri | http://scholarworks.bwise.kr/ssu/handle/2018.sw.ssu/42847 | - |
dc.description.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. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 한국통신학회 | - |
dc.relation.isPartOf | 한국통신학회논문지 | - |
dc.title | LSTM기반 CPU 사용예측을 통한 사설 클라우드 시스템의 다중클러스터 안정성 향상 방안 연구 | - |
dc.title.alternative | An Improvement of Multi-Cluster Stability of Private Cloud Systems through LSTM-Based CPU Usage Prediction | - |
dc.type | Article | - |
dc.identifier.doi | 10.7840/kics.2022.47.8.1081 | - |
dc.type.rims | ART | - |
dc.identifier.bibliographicCitation | 한국통신학회논문지, v.47, no.8, pp.1081 - 1095 | - |
dc.identifier.kciid | ART002866460 | - |
dc.description.journalClass | 2 | - |
dc.citation.endPage | 1095 | - |
dc.citation.number | 8 | - |
dc.citation.startPage | 1081 | - |
dc.citation.title | 한국통신학회논문지 | - |
dc.citation.volume | 47 | - |
dc.contributor.affiliatedAuthor | 김영한 | - |
dc.identifier.url | https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE11116970 | - |
dc.description.isOpenAccess | N | - |
dc.subject.keywordAuthor | Cloud | - |
dc.subject.keywordAuthor | IaaS | - |
dc.subject.keywordAuthor | High-Availability | - |
dc.subject.keywordAuthor | Resource redundancy | - |
dc.subject.keywordAuthor | Deep Learning | - |
dc.subject.keywordAuthor | RNN | - |
dc.subject.keywordAuthor | LSTM | - |
dc.description.journalRegisteredClass | kci | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
Soongsil University Library 369 Sangdo-Ro, Dongjak-Gu, Seoul, Korea (06978)02-820-0733
COPYRIGHT ⓒ SOONGSIL UNIVERSITY, ALL RIGHTS RESERVED.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.