AI 기반의 클라우드 인스턴스 마이그레이션을 위한 학습 피처 모델
Learning Features Model to Support AI based Cloud Instance Migration
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
클라우드 컴퓨팅 분야에서 마이그레이션 기술의 중요성이 부각되고 있다. 현재 클라우드 컴퓨팅 인프라는 AIaaS(AI as a Service)라는 패러다임 하에 클라우드 컴퓨팅의 SDI(Software-Defined Infrastructure)환경을 구축하려는 시도가 진행되고 있다. 현재 마이그레이션을 적용 시 패턴 기반, 리소스 기반으로 수행하고자 하는 기법이 등장하고 있다. 하지만, 이와 같은 기법에 근간이 되는 마이그레이션 피처를 식별하고 이를 학습에 활용하는 연구는 미비한 실정이다. 따라서, 본 논문에서는 클라우드 컴퓨팅 마이그레이션 학습 피처들을 식별하였다. 또한, 해당 피처를 접목하여 마이그레이션을 수행하는 아키텍처 및 프로세스를 제시하였다. 실제 마이그레이션 피처 중 일부를 기 공개된 데이터 세트를 통해 학습하고 적용하는 사례연구를 수행하였다. 제안한 모델은 클라우드 분야에서 AI 기반의 마이그레이션을 수행 시 학습 적용을 위한 피처 모델로 활용 가능할 것이다.
Abstract
In the cloud computing field, cloud migration is recognized as important technology. Currently, cloud computing infrastructure is attempting to build an SDI(Software-Defined Infrastructure) environment based on the paradigm called AIaaS(AI-as-a-Service). Furthermore, when applying migration, a pattern-based or resource-based method is emerging. However, research on identifying migration features that are the basis of such methods and using them for learning is insufficient. Therefore, in this paper, we identified migration features for cloud computing. In addition, the architecture and process for performing migration by adapting the identified features are presented. A case study of learning and applying some of the migration features from a previously published data set was conducted. The proposed model will be applicable as a base feature model for learning when performing AI-based migration in the cloud computing field.
참고문헌 (17)
- B. Alouffi, "A Systematic Literature Review on Cloud Computing Security : Threats and Mitigation Strategies", IEEE Access, 9, pp.57792~57870 (2021)
- 김진택, "클라우드컴퓨팅 기술 스택 분석", 한국차세대컴퓨팅학회 논문지, 11(6), pp.79~89 (2015), 한국차세대컴퓨팅학회
- 박달용, "워크플로우 모델링을 통한 IaaS 클라우드 플랫폼 구축 최적화", 한국차세대컴퓨팅학회 논문지, 10(6), pp.36~45 (2014), 한국차세대컴퓨팅학회
- 전우진, "PaaS 클라우드 컴퓨팅을 위한 컨테이너 친화적인 파일 시스템 이벤트 탐지 시스템", 한국차세대컴퓨팅학회 논문지, 15(1), pp.86~98 (2019), 한국차세대컴퓨팅학회
- S. Ilager1, "Evaluating and Ranking Cloud IaaS, PaaS and SaaS Models Based on Functional and Non-Functional Key Performance Indicators", IEEE Access, 10, pp.63245~63247 (2022)
- Y. Duan, "Everything as a Service(XaaS)on the Cloud : Origins, Current and Future Trends", IEEE International Conference on Cloud Computing, pp.621~628 (2015)
- S. A. Seshia, "Toward verified artificial intelligence", Communications of the ACM, 65(7), pp.46~55 (2022)
- S. Ilager, "Artificial Intelligence(AI)-Centric Management of Resources in Modern Distributed Computing Systems", IEEE Cloud Summit, pp.1~10 (2020)
- S. Parsaeefard, "Artificial Intelligence as a Service (AI-aaS) on Software-Defined Infrastructure", Artificial Intelligence as a Service (AI-aaS) 7on Software-Defined Infrastructure, pp.1~7 (2019)
- "Gyan"[URL]
- "Meteos"[URL]
- P. Jamshidi, "Patternbased multi-cloud architecture migration", Software: Practice and Experience, 47(9), pp.1159~1184 (2016)
- C. Lin, "Cloud Readiness Planning Tool (CRPT):An AI-Based Framework to Automate Migration Planning", 2019 IEEE 12th International Conference on Cloud Computing(CLOUD), pp.58~62 (2019)
- P. Jamshidi, "Cloud Migration Research: A Systematic Review", IEEE Transactions on Cloud Computing, 1(2), pp.142~157 (2013)
- S. Shakya, "An Efficient Security Framework for Data Migration in a Cloud Computing Environment", Journal of Artificial Intelligence and Capsule Networks, 1(1), pp.45~53 (2019)
- "GWA-T"[URL]
- A. F. Agarap, "Deep Learning using Rectified Linear Units(ReLU)", pp.1~7 (2018)