다중프랙탈 트래픽을 고려한 분산 시스템 부하 분석 및 균형 최적화

초록

본 논문은 서버별 CPU, 메모리, 대역폭 사용량을 서비스 클래스별 흐름으로 측정하고, 입력 트래픽의 다중프랙탈 특성을 반영한 가중치 모델을 도입한다. 이를 통해 전체 시스템의 부하 불균형을 정량화하고, 시뮬레이션 결과 다중프랙탈 파라미터가 부하 편차에 큰 영향을 미침을 확인하였다. 제안 방법을 적용하면 서버 간 부하 편차가 최소화되어 시스템 성능과 처리 속도가 향상된다.

상세 분석

논문은 먼저 분산 시스템에서 발생하는 다양한 서비스 클래스(예: 실시간, 대용량 파일 전송, 일반 웹 요청)의 트래픽이 각각 다른 통계적 특성을 가진다는 점을 강조한다. 특히, 최근 네트워크 연구에서 밝혀진 바와 같이 인터넷 트래픽은 단순한 포아송 과정이 아니라 다중프랙탈(multi‑fractal) 구조를 띠며, 이는 시간 스케일에 따라 변동성이 크게 달라진다는 의미다. 이러한 특성을 무시하고 평균값만으로 부하를 예측하면, 급격한 폭증이나 장기적인 트래픽 변동에 대한 대응이 부족해 서버 과부하 혹은 자원 낭비가 발생한다.

저자는 각 서버 i에 대해 CPU 사용률 C_i, 메모리 사용량 M_i, 네트워크 대역폭 B_i를 서비스 클래스 k별 흐름 f_{i,k}의 가중합으로 정의한다. 여기서 가중치 w_{C}, w_{M}, w_{B}는 시스템 운영자가 중요도에 따라 조정할 수 있는 파라미터이며, 다중프랙탈 특성을 반영하기 위해 각 흐름 f_{i,k}에 스케일‑존별 히스토그램을 적용한다. 구체적으로, 입력 트래픽의 Hurst 지수 H와 다중프랙탈 스펙트럼 ζ(q)를 추정하고, 이를 기반으로 흐름의 변동성 σ_{i,k}(t) 를 동적으로 계산한다. 이렇게 얻어진 σ_{i,k}(t) 를 가중치와 곱해 실제 부하 지표 L_i(t)=∑k w·σ{i,k}(t) 로 정의한다.

시스템 전체 불균형은 평균 부하 L̄(t)= (1/N)∑_i L_i(t) 와 각 서버 부하의 편차 Δ_i(t)=|L_i(t)-L̄(t)| 의 합계 혹은 표준편차로 측정한다. 논문은 Δ_total(t)=√( (1/N)∑_i Δ_i(t)^2 ) 를 최소화하는 목표 함수를 제시하고, 이를 실시간 스케줄러에 적용한다. 스케줄러는 새로운 요청이 들어올 때마다 현재 Δ_total을 재계산하고, 가장 낮은 Δ_total을 유지하도록 요청을 가장 부하가 낮은 서버에 할당한다.

시뮬레이션에서는 두 가지 대표적인 다중프랙탈 트래픽 모델을 사용했다. 첫 번째는 H=0.7, ζ(2)=0.4 로 비교적 부드러운 변동성을 보이는 모델이며, 두 번째는 H=0.9, ζ(2)=0.7 로 급격한 폭증을 포함한다. 각각의 경우에 기존의 단순 라운드‑로빈(RR) 및 가중 라운드‑로빈(WRR) 방식과 비교했을 때, 제안 방법은 Δ_total을 평균 35% 이상 감소시켰으며, 평균 응답 시간도 22% 단축되었다. 특히, 높은 H값을 갖는 경우에 부하 편차 감소 효과가 더욱 두드러졌다.

이러한 결과는 다중프랙탈 트래픽의 스케일‑존 별 변동성을 정확히 모델링하고, 가중치를 통해 시스템 운영 목표(예: CPU 중심, 메모리 중심, 혹은 네트워크 중심)를 반영함으로써 부하 균형을 정교하게 제어할 수 있음을 시사한다. 또한, 가중치 파라미터는 SLA(Service Level Agreement) 요구사항에 따라 동적으로 조정 가능하므로, 다양한 서비스 레벨을 동시에 만족시키는 멀티‑테넌시 환경에도 적용 가능하다.