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 복잡한 애플리케이션을 독립적으로 테스트, 배포 및 확장할 수 있는 작은 애플리케이션으로 분해하는 장점이 있지만, 효율적인 자동 확장 방법을 선택하는 것이 중요한 과제이다.
저자들은 MS-RA라는 자기 적응형, 요구 기반 자동 확장 솔루션을 제안한다. MS-RA는 서비스 수준 목표(SLO)를 입력으로 받아 실시간 의사 결정을 내린다. 이를 통해 정의된 요구사항을 충족하면서도 자원 사용을 최소화할 수 있다.
MS-RA는 MAPE-K 자기 적응 루프를 기반으로 구현되었으며, 오픈 소스 마이크로서비스 기반 애플리케이션인 Sock Shop에 적용되어 평가되었다. 평가 결과, MS-RA는 업계 표준인 Kubernetes의 Horizontal Pod Autoscaler(HPA)에 비해 CPU 사용량은 최소 50% 이상, 메모리 사용량은 87% 이상, 레플리카 수는 90% 이상 감소하면서도 SLO 요구사항을 충족할 수 있었다.
Stats
MS-RA-A 구성에서는 CPU 사용량이 HPA-A 대비 최소 50% 이상 감소했다.
MS-RA-A 구성에서는 메모리 사용량이 HPA-A 대비 87% 이상 감소했다.
MS-RA-A 구성에서는 레플리카 수가 HPA-A 대비 90% 이상 감소했다.
Quotes
"MS-RA는 서비스 수준 목표(SLO)를 활용하여 실시간 의사 결정을 내린다."
"MS-RA는 정의된 요구사항을 충족하면서도 자원 사용을 최소화할 수 있다."