그리드 환경 효율적 자원 매칭을 위한 랭크 기반 스케줄링

초록

본 논문은 자원 가용 시간을 고려한 랭크 기반 스케줄링 기법을 제안한다. 전통적인 스케줄러가 사용자·작업 속성만을 기준으로 매칭하는 반면, 제안 방식은 각 자원의 가용성 예측값을 랭크로 변환하여, 요구조건을 만족하는 자원 중 가장 높은 랭크를 가진 자원에 작업을 할당한다. 실험 결과, 직렬·단일 작업의 처리량이 크게 향상됨을 확인하였다.

상세 분석

이 연구는 전통적인 그리드 스케줄링이 “하드·소프트 요구사항”과 “사용자 우선순위”에만 의존해 자원 선택을 수행한다는 한계를 지적한다. 실제 운영 환경에서는 작업 실행 중에 자원이 갑작스럽게 사용 불가 상태가 되거나, 네트워크 장애 등으로 인해 작업이 중단되는 경우가 빈번히 발생한다. 이러한 상황에서 기존 스케줄러는 작업을 재큐잉하거나 마이그레이션하는데, 이는 데이터 전송 비용과 재계산 비용을 크게 증가시켜 전체 시스템 효율을 저하시킨다. 논문은 이러한 문제를 해결하기 위해 “자원 가용 시간(availability time)”이라는 새로운 차원을 도입한다. 각 자원에 대해 과거 사용 패턴, 현재 부하, 예약 정보 등을 종합해 가용성을 수치화하고, 이를 “리소스 랭크(Resource Rank)”라는 단일 지표로 변환한다. 랭크는 높은 값일수록 향후 일정 기간 동안 안정적으로 사용할 가능성이 높음을 의미한다. 스케줄링 단계에서는 먼저 작업의 하드·소프트 요구사항을 만족하는 후보 자원 집합을 도출하고, 그 중 랭크가 가장 높은 자원을 선택한다. 이 과정은 기존의 매칭 알고리즘에 간단한 정렬 연산을 추가하는 수준이므로 연산 복잡도에 큰 부담을 주지 않는다. 실험 환경은 캠퍼스 내부에 구축된 이기종 클러스터(CPU, 메모리, 스토리지, 네트워크 특성이 서로 다름)이며, 1000개 이상의 독립적인 직렬 작업을 대상으로 비교 평가를 수행하였다. 결과는 랭크 기반 스케줄러가 평균 처리량을 18%~25% 향상시켰으며, 작업 재시작 횟수와 네트워크 전송량도 현저히 감소했음을 보여준다. 특히, 고가용성을 요구하는 과학 시뮬레이션 워크로드에서 그 효과가 두드러졌다. 논문은 또한 랭크 계산에 사용되는 파라미터(예: 최근 24시간 사용률, 예약 충돌 가능성 등)를 동적으로 조정함으로써 다양한 워크로드 특성에 적응할 수 있음을 시사한다. 한계점으로는 랭크 예측 모델이 초기 데이터 부족 시 정확도가 낮아질 수 있다는 점과, 매우 짧은 실행 시간의 작업에서는 가용성 고려가 큰 이점을 제공하지 못한다는 점을 언급한다. 향후 연구에서는 머신러닝 기반 예측 모델을 도입해 랭크 정확도를 높이고, 멀티테넌시 환경에서의 공정성 보장을 위한 추가 메커니즘을 탐색할 계획이다.