클라우드 환경 에너지 절감을 위한 다중자원 활용 스케줄링

초록

본 논문은 CPU, 디스크, I/O 세 가지 자원의 활용도를 동시에 고려한 새로운 작업 스케줄링 알고리즘(MCEETS)을 제안한다. 작업의 처리 시간과 각 자원 이용률을 결합한 피트니스 값을 기반으로 작업을 정렬하고, 적절한 VM에 할당함으로써 전체 에너지 소비를 최소화한다. 시뮬레이션 결과는 기존 MaxUtil 알고리즘보다 에너지 효율이 우수함을 보여준다.

상세 분석

MCEETS 알고리즘은 두 단계로 구성된다. 첫 번째 단계에서는 동일 시점에 도착한 작업들을 “피트니스 값(Fitness)”에 따라 오름차순으로 정렬한다. 피트니스 값은 F = λ·NPT + (1‑λ)·(NCU + NDU + NIU) 로 정의되며, 여기서 NPT는 정규화된 처리 시간, NCU·NDU·NIU는 각각 CPU, 디스크, I/O 이용률을 정규화한 값이다. λ는 0‒1 사이의 가중치로, 연구자는 λ = 0.5를 사용해 처리 시간과 자원 이용률을 동등하게 반영하였다. 이 설계는 단순히 평균 자원 활용도만을 최적화하던 기존 연구와 달리, 작업별 특성을 반영해 보다 정교한 순서를 산출한다는 점이 특징이다.

두 번째 단계에서는 정렬된 작업을 차례대로 할당한다. 할당 가능 여부는 현재 VM의 누적 자원 사용량과 작업이 요구하는 자원량의 합이 100 % 이하인지로 판단한다. 후보 VM이 다수 존재하면, 각 VM의 정규화된 총 자원 이용률(norm_est_uc + norm_est_ud + norm_est_ui)을 계산하고, 가장 높은 값을 가진 VM에 작업을 배정한다. 이는 “자원 집중도”를 높여 VM당 활용률을 극대화함으로써, 비활성 VM을 최소화하고 전력 소비를 감소시키려는 전략이다.

알고리즘의 수식적 모델링도 충실히 제시된다. VM i의 순간 자원 이용률 UV_i(t)는 CPU, 디스크, I/O 이용률의 평균으로 정의되고, 전체 에너지 소비는 E_i = (P_max – P_min)·UV_i + P_min 형태의 선형 모델을 사용한다. 이러한 모델은 실제 데이터센터 전력 프로파일을 근사하는 일반적인 방법이며, 시뮬레이션에서 에너지 절감 효과를 정량화하는 데 적합하다.

실험은 합성 데이터셋을 이용해 MCEETS와 기존 MaxUtil 알고리즘을 비교하였다. 결과는 평균 에너지 소비가 약 8 %~12 % 감소했으며, VM당 평균 이용률도 상승함을 보여준다. 그러나 논문은 실제 워크로드(예: 웹 서비스, 빅데이터 처리)나 다양한 VM 사양(다중 코어, 메모리 차이) 등에 대한 검증이 부족하다. 또한 λ 값에 대한 민감도 분석이 제한적이며, 피트니스 함수에 I/O 대기시간이나 네트워크 대역폭 같은 요소를 포함하지 않아 확장성에 한계가 있다.

전반적으로 MCEETS는 다중 자원 관점을 도입해 에너지 효율을 개선하려는 시도이며, 피트니스 기반 정렬과 자원 집중 할당이라는 두 가지 핵심 메커니즘이 설계의 차별점이다. 하지만 실제 운영 환경에서의 적용 가능성을 높이기 위해서는 다양한 워크로드, VM 이질성, 동적 전력 모델 등을 포함한 추가 실험과 파라미터 튜닝이 필요하다.