Keskeiset käsitteet
클러스터 리소스 관리 시스템에서 안전하고 정확한 성능 예측을 통해 애플리케이션 성능 저하를 사전에 감지하고 대응할 수 있다.
Tiivistelmä
본 논문은 클러스터 리소스 관리 시스템에서 애플리케이션 성능 예측을 위한 vPALs 시스템을 제안한다.
- 클러스터 내 시스템 메트릭(CPU, 메모리, I/O 등)과 애플리케이션 성능 데이터를 수집하여 학습 데이터셋을 구축한다.
- 수집된 데이터를 바탕으로 심층 신경망(DNN) 모델을 학습하고, 검증 프로세스를 통해 모델의 안전성을 보장한다.
- 검증된 DNN 모델은 실시간 성능 예측에 활용되어 리소스 관리 시스템의 의사결정을 지원한다.
- 실험 결과, 검증된 DNN 모델이 검증되지 않은 모델에 비해 정확도가 향상되었으며, 특히 예외 상황에서 100% 정확도를 보였다.
- 이를 통해 안전하고 정확한 성능 예측이 가능한 클러스터 리소스 관리 시스템을 구축할 수 있다.
Tilastot
CPU 대기 시간(PSICP U
s
)이 증가할수록 애플리케이션 성능이 저하된다.
I/O 대기 시간(PSIIO
f )이 증가할수록 애플리케이션 성능이 저하된다.
디스크 I/O 시간(disk)이 증가할수록 애플리케이션 성능이 저하된다.
Lainaukset
"클러스터 리소스 관리 시스템은 사용자 애플리케이션의 만족스러운 성능 수준을 보장해야 한다."
"DNN 모델의 성능 예측 출력에 대한 안전장치 메커니즘이 필요하다."