정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
대기행렬 모델을 활용한 강화학습 기반 파드 오토스케일링 기법 |
| 영문제목(English Title) |
Reinforcement Learning-based Pod Autoscaling Technique Using the Queueing Model |
| 저자(Author) |
장용현
유헌창
이은영
Yonghyeon Jang
Heonchang Yu
Eunyoung Lee
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 0106 ~ 0119 (2022. 02) |
한글내용
(Korean Abstract) |
최근 환경 변화에 적응적이고 목적에 맞는 최적의 오토스케일링 정책을 사용하기 위해 강화학습 기반 오토스케일링 정책에 대한 연구가 이루어지고 있다. 그러나 강화학습 기반 오토스케일링 정책을 학습하고, 각각의 강화학습 기반 오토스케일링 정책 간의 성능 비교를 수행하는 과정에서 많은 시간과 자원이 요구된다는 문제가 발생한다. 본 논문에서는 대기행렬 모델 기반 시뮬레이션 기법을 제안하여 오토스케일링 정책 간의 성능 비교를 시뮬레이션을 통해 수행할 수 있게 하고, 시뮬레이션 실험을 통해 여러 강화학습 기반 파드 오토스케일링 기법을 비교한다. |
영문내용
(English Abstract) |
Recently, studies on reinforcement learning-based autoscaling policies have been conducted in order to use optimal autoscaling policies that are adaptive to environmental changes and fit the purpose. However, there is a problem that much time and many resources are required in the process of training the reinforcement learning-based autoscaling policy and comparing the performance between each reinforcement learning-based autoscaling policy. In this study, we proposed a queueing model-based simulation technique, which enables performance comparison between autoscaling policies to be performed through simulation, and compared several reinforcement learning-based pod autoscaling techniques through simulation experiments. |
| 키워드(Keyword) |
쿠버네티스
강화학습
오토스케일링
대기행렬 모델
kubernetes
reinforcement learning
autoscaling
queueing model
|
| 파일첨부 |
PDF 다운로드
|
