Core Concepts
MS-RA는 서비스 수준 목표(SLO)를 활용하여 마이크로서비스의 자원 사용을 최적화하는 자기 적응형 솔루션이다. 이를 통해 정의된 요구사항을 충족하면서도 자원 사용을 최소화할 수 있다.
Abstract
이 논문은 마이크로서비스 아키텍처의 자동 확장 문제를 다룬다. 마이크로서비스 아키텍처는 다양한 이점을 제공하지만, 효율적인 자동 확장 기법이 필요하다. 기존 솔루션은 다양한 마이크로서비스 구성에서 최적의 자원 할당을 보장하지 못하는 경우가 있다.
저자들은 MS-RA라는 자기 적응형, 요구 기반 자동 확장 솔루션을 제안한다. MS-RA는 서비스 수준 목표(SLO)를 활용하여 실시간 의사 결정을 내린다. 이를 통해 정의된 요구사항을 충족하면서도 자원 사용을 최소화할 수 있다.
MS-RA는 MAPE-K 자기 적응 루프를 기반으로 구현되었으며, 오픈소스 마이크로서비스 기반 애플리케이션에 적용되었다. 실험 결과, MS-RA는 업계 표준인 Kubernetes의 Horizontal Pod Autoscaler(HPA)에 비해 CPU 사용량 50% 이상, 메모리 사용량 87% 이상, 복제본 수 90% 이상 감소하면서도 SLO 요구사항을 충족할 수 있었다.
Stats
MS-RA-A 구성에서 HPA-A 대비 CPU 사용량 최소 50% 감소
MS-RA-A 구성에서 HPA-A 대비 메모리 사용량 최소 87% 감소
MS-RA-A 구성에서 HPA-A 대비 복제본 수 최소 90% 감소
Quotes
"MS-RA는 서비스 수준 목표(SLO)를 활용하여 실시간 의사 결정을 내린다."
"MS-RA는 정의된 요구사항을 충족하면서도 자원 사용을 최소화할 수 있다."