컨테이너 기반 오토스케일링 기법의 성능 분석 및 개선 = Performance analysis and improvements of container-based autoscaling

국문 초록 (Abstract)

본 논문은 운영체제 수준의 가상화 기술인 컨테이너 환경과 오토스케일링 기법에 대하여 살펴보고, 컨테이너 환경의 오토스케일링 성능을 분석한다. 또한 컨테이너 기반 오토스케일링 기법의 자원 효율성을 높일 수 있는 개선된 알고리즘을 제안하여 실험해본다.
컨테이너 환경은 가상머신 환경에 비하여 인스턴스의 생성 및 제거 속도가 빠른 특성을 가지고 있으며, 이를 통해 오토스케일링을 통해 작업을 처리하는 시간 역시 더 적게 소요됨을 알 수 있다. 그러나 작업 처리 성능을 높이기 위하여 컨테이너 인스턴스에 할당하는 자원을 높게 설정할수록 사용하지 않고 낭비하는 자원이 많아져서 시스템 전체의 자원 효율성이 떨어지는 단점도 가지고 있다.
본 논문에서 제안하는 알고리즘은 오토스케일링을 통해 생성하는 컨테이너의 인스턴스가 필요한 만큼의 자원만 할당 받아서 생성할 수 있도록 인스턴스의 자원 할당량을 동적으로 결정하는 방식을 사용한다. 이를 통하여 전체 시스템이 더 적은 자원을 사용하여 동일한 작업을 처리할 수 있음을 실험을 통해 알아내며, 이때 발생하는 성능의 손실과 자원 사용량의 이득을 실험을 통해 측정하고 결과를 분석한다.

다국어 초록 (Multilingual Abstract)

This study discusses the Container environment and the Autoscaling technique for operation system level virtualization and analyzes the Autoscaling performance of Container environment. Also, it suggests and tests the improved algorithms to improve the resource efficiency of the Container-based Autoscaling technique.
The Container environment is faster in creating and removing instances compared to the virtual machine environment and consumes less processing time through Autoscaling. However, it wastes more resources when more resources are allocated to the Container instance to improve the processing performance to lower the resource efficiency of the entire system.
The algorithm suggested by the current study dynamically determines the resource allocation of instances to create the instances of Containers generated through Autoscaling with the required resources only. The study conducts a test to prove that the entire system uses fewer resources for the same process and measures the loss of performance and the gain of available resources through the test to analyze the findings.

목차 (Table of Contents)

• 1. 서론 1
• 2. 관련 연구 4
• 2.1 컨테이너 환경 4
• 2.2 오토스케일링 5
• 2.2.1 오토스케일링 과정 5
• 2.2.2 컨테이너 환경의 오토스케일링 7
• 3. 컨테이너 오토스케일링의 성능 측정 및 개선 11
• 3.1 가상머신과 컨테이너 간의 오토스케일링 성능 비교 11
• 3.2 컨테이너 자원 할당에 따른 성능 비교 15
• 3.3 제안 알고리즘 16
• 4. 실험 결과 및 분석 20
• 4.1 실험 환경 20
• 4.2 실험 결과 25
• 5. 결론 29