Current Result Document :
| 한글제목(Korean Title) |
클라우드 네이티브 환경 내 강화학습을 통한 부하 패턴 파악 시스템 |
| 영문제목(English Title) |
Load Pattern Identification System by Reinforcement Learning in Cloud Native Environment |
| 저자(Author) |
최유준
홍두표
신용태
Yujun Choi
Dupyo Hong
Yongtae Shin
|
| 원문수록처(Citation) |
VOL 49 NO. 01 PP. 1315 ~ 1317 (2022. 06) |
한글내용
(Korean Abstract) |
클라우드 환경은 유저가 상황에 따라 제한된 자원을 나눠가지고, 요청이 많으면 차례를 기다리는 경우가 존재한다. 이러한 이유로 IOPS가 높을때마다, Disk Queue Length가 높은 수치로 증가하는 등 클라우드에선 발생할수 있는 문제는 클라우드 안에서 일부 부분은 관리자가 통제하지 못하고 타 기관의 클라우드 솔루션을 평가하고 벤치마킹할 수 있지만 이는 다른 환경이므로 어딘가 예측할수 없는 공유시스템을 제공받은 것뿐이다. 이와 같은 이유로 모든 환경을 통제할 수 없으니 정확하게 느려지거나 단절되는 이유를 찾기 어려워진다. 따라서 강화학습을 사용한 오토스케일링에 대한 연구를 진행한다. 기존의 오토스케일링 기법으로는 HPA와 VPA가 있으나 시스템 환경이나 서비스 요청 패턴과 같은 환경이 수시로 바뀌기 때문에 강화 학습 기반 오토스케일링을 통해 운영 중에도 지속적인 학습을 가능하게한다. 평가 지표로는 CPU, 메모리, 네트워크 트래픽과 같은 시스템 메트릭 값을 모니터링 하는 시스템과 클러스터 환경은 kubeadm을 통한 클러스터링을 마스터 노드 1개와 워커노드 4개로 진행할 것이며, 기존의 HPA방식을 통한 파드 오토스케일을 SLA위반을 최소화하는 강화학습적인 오토스케일과 비교한다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
