자율학습기반의 에너지 효율적인 클러스터 관리에서의 성능 개선Performance Improvement of an Energy Efficient Cluster Management Based on Autonomous Learning
- Other Titles
- Performance Improvement of an Energy Efficient Cluster Management Based on Autonomous Learning
- Authors
- 조성철; 정규식
- Issue Date
- Nov-2015
- Publisher
- 한국정보처리학회
- Keywords
- Power Mode Control; QoS; Power Consumption; Autonomous Learning; Prediction Algorithm; Hybrid; 전원 모드 제어; QoS; 소비전력; 자율학습; 예측 알고리즘; 결합
- Citation
- 정보처리학회논문지. 컴퓨터 및 통신시스템, v.4, no.11, pp.369 - 382
- Journal Title
- 정보처리학회논문지. 컴퓨터 및 통신시스템
- Volume
- 4
- Number
- 11
- Start Page
- 369
- End Page
- 382
- URI
- http://scholarworks.bwise.kr/ssu/handle/2018.sw.ssu/9522
- DOI
- 10.3745/KTCCS.2015.4.11.369
- ISSN
- 2287-5891
- Abstract
- 에너지 절감형 서버 클러스터에서는 에너지 절감을 고려하지 않는 기존 서버 클러스터에 비해 서비스 품질을 보장하면서 전력소비를 절감하는 것을 목표로 하며, 현재의 부하를 처리하는 데 필요한 최소수의 서버들만 ON 하도록 고정 주기 또는 가변 주기로 서버들의 전원모드를 조정한다. 이에 대한 기존 연구들은 전력을 절감하거나 열을 낮추는데 노력해왔지만 에너지 효율성을 잘 고려하지 못했다. 본 논문에서는 기존 자율학습기반의 서버 전원 모드 제어 방법의 단위전력당 성능과 QoS를 높이기 위한 에너지 효율적인 클러스터 관리기법을 제안한다. 제안 방법은 다중임계기반의 자율학습 방법과 전력소모 예측 방법을 결합한 서버 전원 모드 제어이다. 일반적인 부하 상황에서는다중임계 학습기반의 서버 전원 모드 제어를 적용하고, 급변하는 부하 상황에서는 예측기반의 서버 전원 모드 제어가 적용된다. 일반적 상황과 급변하는 상황의 구별은 현재의 사용자 요청과 관찰된 과거 몇 분의 사용자 요청의 비율에 따라 이루어진다. 또한, 동적종료 기법을추가로 적용해 서버가 OFF 하는 데 소요되는 시간을 단축한다. 제안 방법은 16대 서버로 구성된 클러스터 환경에서 3가지 부하 패턴을 이용하여 실험을 수행한다. 다중임계 학습, 예측, 동적종료를 함께 이용한 실험에서 단위전력당 성능(유효응답 수)과 표준화된 QoS 측면에서가장 우수한 결과를 보여준다. 제안하는 방법과 파라미터 로드된 단일임계 학습을 비교할 때 뱅킹 부하패턴, 실제 부하패턴, 가상 부하패턴에서 단위전력당 유효응답 수가 각각 1.66%, 2.9%, 3.84% 향상되고, QoS 관점에서는 각각 0.45%, 1.33%, 8.82% 향상되었다.
- Files in This Item
-
Go to Link
- Appears in
Collections - College of Information Technology > Department of Smart Systems Software > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.