모바일 포그 노드를 고려한 NFV 기반 하이브리드 클라우드·포그 시스템에서의 애플리케이션 컴포넌트 배치

초록

본 논문은 이동성을 갖는 포그 노드를 포함한 하이브리드 클라우드·포그 환경에서, VNFs 형태의 애플리케이션 컴포넌트를 최적 배치하기 위한 모델을 제시한다. 랜덤 워크포인트 이동 모델을 이용해 기대 메이크스팬과 실행 비용을 추정하고, 이를 가중합 최소화하는 정수선형계획(ILP) 문제로 정의한다. 최적 해를 근사하기 위해 탭우 서치 기반 TSCP 알고리즘을 설계했으며, 실험을 통해 메이크스팬과 비용 모두에서 기존 방법 대비 개선을 확인하였다.

상세 분석

이 연구는 기존 NFV 기반 애플리케이션 배치 연구가 정적인 포그 인프라만을 가정하고 있다는 한계를 정확히 짚어낸다. 특히, 포그 노드가 이동성을 띨 경우 네트워크 토폴로지와 지연 특성이 시간에 따라 변동하므로, 정적인 비용·지연 모델로는 실제 시스템을 제대로 평가할 수 없다는 점을 강조한다. 이를 해결하기 위해 저자는 랜덤 워크포인트(Random Waypoint) 이동 모델을 채택해, 각 포그 노드가 특정 시간 구간 동안 특정 위치에 있을 확률 분포를 계산하고, 그 기대값을 기반으로 메이크스팬(전체 작업 완료 시간)과 실행 비용(리소스 사용량·전송 비용)의 기대값을 도출한다.

ILP 모델링 단계에서는 애플리케이션을 순차, 병렬, 선택, 루프와 같은 기본 흐름 구조의 조합으로 표현하고, 각 VNF이 배치될 수 있는 클라우드·포그 노드 집합을 변수로 정의한다. 목적 함수는 가중치 α와 β를 이용해 메이크스팬과 비용을 선형 결합한 형태이며, 제약식은 (1) 각 VNF는 정확히 하나의 노드에 배치, (2) 노드의 CPU·메모리 등 리소스 한계, (3) 데이터 전송 지연 및 대역폭 제한, (4) 이동성에 따른 연결 지속성 등을 포함한다. 이러한 정밀 모델은 이론적으로 최적 배치를 보장하지만, 변수 수가 급격히 증가해 NP‑hard 특성을 띠므로 실시간 적용이 어렵다.

따라서 저자는 Tabu Search 기반의 휴리스틱 알고리즘인 TSCP를 제안한다. 초기 해는 비용이 낮은 클라우드 중심 배치에서 시작하고, 이웃 해 생성 단계에서는 (i) 포그 노드의 예상 위치 변동을 반영해 VNF를 인접 포그 노드로 이동, (ii) 병목 구간을 해소하기 위해 순차 구성을 병렬로 전환하는 등 구조적 변형을 수행한다. Tabu 리스트는 최근에 탐색한 이동을 금지해 지역 최적에 빠지는 것을 방지하고, Aspiration 조건을 통해 더 나은 해가 발견되면 금지 규칙을 무시한다. 알고리즘은 반복 횟수와 Tabu 길이를 파라미터로 조정해 탐색 깊이와 실행 시간을 균형 있게 조절한다.

실험에서는 다양한 이동 속도, 포그 노드 밀도, 애플리케이션 복잡도(구조 깊이·분기 수)를 시뮬레이션했다. 결과는 TSCP가 기존 정적 배치 알고리즘 대비 평균 메이크스팬을 18 % 이상, 실행 비용을 22 % 이상 절감함을 보여준다. 특히 이동성이 높은 시나리오에서 성능 차이가 크게 나타나, 이동성을 고려한 배치가 실환경 적용에 필수적임을 입증한다. 또한 파라미터 민감도 분석을 통해 Tabu 길이가 너무 짧으면 탐색이 얕아지고, 너무 길면 수렴 속도가 저하되는 최적 구간을 제시한다.

이 논문의 핵심 기여는 (1) 이동성을 수학적으로 모델링해 기대 메이크스팬·비용을 정량화, (2) 이를 기반으로 한 ILP 최적화 프레임워크 제시, (3) 실시간 적용 가능한 Tabu Search 기반 휴리스틱 TSCP 설계 및 성능 검증이다. 향후 연구에서는 보다 현실적인 이동 모델(예: Gauss‑Markov)과 다중 서비스 체이닝, 에너지 효율 고려를 확장할 여지가 있다.