다변량 시계열 분석에 기반한 쿠버네티스 오토-스케일링 개선
An Improvement of Kubernetes Auto-Scaling Based on Multivariate Time Series Analysis
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
오토-스케일링은 클라우드 컴퓨팅 기술이 ICT 핵심 기반 기술로 자리 잡을 수 있는 가장 중요한 기능 중 하나로써 사용자나 서비스 요청의폭발적인 증가 또는 감소에도 시스템 자원과 서비스 인스턴스를 적절하게 확장 또는 축소하여 상황에 맞는 서비스의 안정성과 비용 대비 효과를향상하는 기술이다. 하지만 특정 시스템 자원에 대한 모니터링 시점의 단일 메트릭 데이터를 기반으로 정책이 수립·실행되다 보니 이미 서비스에영향이 있거나 실제 필요한 서비스 인스턴스를 세밀하게 관리하지 못하는 문제점이 있다. 이러한 문제점을 해결하기 위해서 본 논문에서는 시스템자원과 서비스 응답시간을 다변량 시계열 분석 모델을 사용하여 분석·예측하고 이를 기반으로 오토-스케일링 정책을 수립하는 방안을 제안한다. 이를 검증하기 위해 쿠버네티스 환경에서 커스텀 스케쥴러를 구현하고, 실험을 통해 쿠버네티스 기본 오토-스케일링 방식과 비교 분석한다. 제안하는기법은 시스템 자원과 응답시간 사이의 영향에 기반한 예측 데이터를 활용하여 예상되는 상황에 대한 오토-스케일링을 선제적으로 실행함으로써시스템의 안정성을 확보하고 서비스 품질이 저하되지 않는 범위내에서 필요한 만큼의 인스턴스를 세밀하게 관리할 수 있는 결과를 보인다.
Abstract
Auto-scaling is one of the most important functions for cloud computing technology. Even if the number of users or service requestsis explosively increased or decreased, system resources and service instances can be appropriately expanded or reduced to provide servicessuitable for the situation and it can improves stability and cost-effectiveness. However, since the policy is performed based on a singlemetric data at the time of monitoring a specific system resource, there is a problem that the service is already affected or the serviceinstance that is actually needed cannot be managed in detail. To solve this problem, in this paper, we propose a method to predictsystem resource and service response time using a multivariate time series analysis model and establish an auto-scaling policy basedon this. To verify this, implement it as a custom scheduler in the Kubernetes environment and compare it with the Kubernetes defaultauto-scaling method through experiments. The proposed method utilizes predictive data based on the impact between system resourcesand response time to preemptively execute auto-scaling for expected situations, thereby securing system stability and providing as muchas necessary within the scope of not degrading service quality. It shows results that allow you to manage instances in detail.
참고문헌 (21)
- Changes in cloud virtualization technology -container-based cloud virtualization and DevOps, "S. W. Ahn", Software Policy & Research Institute, 1~36, pp.No.2018-008 (2018)
- A. Fazli, "The effects of autoscaling in cloud computing", Journal of Management Science, 64(11), pp.5149~5163 (2018)
- M. A. Netto, "Evaluating auto-scaling strategies for cloud computing environments", 2014 IEEE 22nd International Symposium on Modelling, Analysis & Simulation of Computer and Telecommunication Systems (2014), IEEE
- S. H. Eum, "Method for efficient storage resource management in docker container-based cloud environments", Proceeding The Korean Institute of Information Scientists and Engineers, pp.1247~1249 (2020)
- M. S. Yhu, "Task type based autoscaling criteria selection and performance analysis in Kubernetes cluster", Proceeding the Korean Institute of Information Scientists and Engineers, pp.1382~1834 (2021)
- 최상용, "머신러닝을 활용한 클라우드 인프라 비정상 모니터링", 한국컴퓨터정보학회논문지, 25(4), pp.105~112 (2020), 한국컴퓨터정보학회[DOI]
- Y. H. Jang, "Modelling the kubernetes horizontal pod autoscaler based on number of requests for comparing the autoscaling algorithm", Proceeding the Korean Institute of Information Scientists and Engineers, pp.1385~1837 (2021)
- L. Toka, "Machine learning-based scaling management for kubernetes edge clusters", IEEE Transactions on Network and Service Management, 18(1), pp.958~972 (2021)
- 최원석, "컨테이너 기반 클러스터 환경에서 효율적인 자원관리를 위한 오케스트레이션 방법", 한국차세대컴퓨팅학회 논문지, 15(2), pp.71~78 (2019), 한국차세대컴퓨팅학회[DOI]
- 정수민, "마이크로서비스의 특징을 반영한 컨테이너 오케스트레이션 프레임워크 배치 기법", 한국통신학회논문지, 46(3), pp.466~475 (2021), 한국통신학회[DOI]
- "Kubernetes"[URL]
- "Docker Swarm"[URL]
- "Apache Mesos"[URL]
- "CNCF Kubernetes Projects"[URL]
- "CNCF"[URL]
- A. Nielsen, "Practical Time Series Analysis", pp.217~264 (2021), Hanbit Media, Inc
- K. S. Moon, "A understanding of vector autoregressive model", Journal of the Korean Official Statistics, 2(1), pp.23~56 (1997)
- "Time Series Algorithm (Multivariate linear probability)"[URL]
- K. I. Kim, "Kubernetes Architecture for Cloud Service", Information and Communications Magazine, 35(11), pp.11~19 (2018)
- "statsmodels"[URL]
- "JMeter"[URL]