Intelligent Multi-Objective Service Placement in Distributed Cloud Computing

다국어 초록 (Multilingual Abstract)

Rapid growth in cloud data center development is expected to generate large amounts of data, increasing the service response time of the cloud data center. To reduce service response time, it has been designing and researching how to build mobile devices that are close to distributed cloud servers. However, most related studies have not provided sufficient service efficiency for multi-objective such as resource efficiency and performance improvement. In addition, most of the existing approaches did not take into account various measurement bases. Therefore, multiple metrics are reviewed by combining decision-making methods in accordance with user requirements to maximize energy efficiency, maximize performance. The Proposed intelligent service placement systems to meet the needs of service users and analyzes metrics that enable the determination and selection of systems in distributed cloud environments. Finally, I proved the performance of the proposed scheme by using another scheme.

목차 (Table of Contents)

• Introduction 1
• 1.1. OVERVIEW 1
• 1.2. DISTRIBUTED CLOUD 3
• 1.2.1 Background 3
• 1.2.2 Characteristics of Distributed cloud 4
• 1.3. SERVICE PLACEMENT 5
• 1.3.1 SP Goals 5
• 1.4. MOTIVATION AND CHALLENGES 7
• 1.5. THESIS CONTRIBUTION 11
• 1.6. THESIS OUTLINE 13
• Related Works 14
• 2.1. SERVICE PLACEMENT 15
• 2.1.1. Load Detection 15
• 2.1.2. Placement Decision 15
• 2.1.3. Placement Action 16
• 2.2. SP APPROACHES 17
• 2.2.1. Architecture 19
• 2.2.2 Planning 19
• 2.2.2. Approaches 22
• 2.3. SERVICE PLACEMENT METRIC 25
• 2.3.1. Performance 29
• 2.3.2. Energy Efficiency 31
• 2.3.3. Cost 32
• Service placement metric 33
• 3.1. PERFORMANCE 33
• 3.1.2 Waiting time 35
• 3.1.3 Resource utilization 35
• 3.1.4 Reponses time 36
• 3.2. ENERGY 38
• 3.2.1 Energy consumption 38
• 3.2.2 Number of migration 39
• 3.2.3 Resource utilization 39
• Multi-objective service placement scheme 40
• 4.1. PROPOSED ARCHITECTURE 41
• 4.2. STEPS OF THE PROPOSED SCHEME 44
• 4.3 FUZZY SYSTEM BASED LEARNING FOR SP DECISION 44
• 4.2.1 Fuzzy System architecture 45
• 4.2.2 Learning for service status prediction 46
• 4.2.3 Step of Fuzzy system 48
• 4.2.4 Decision of SP based Fuzzy 51
• 4.3 AHP FOR SP SELECTION 53
• 4.3.1 Step of AHP 53
• 4.3.2 Metric Weight validation in AHP system 59
• Performance Evaluations 60
• 5.1. EVALUATION ENVIRONMENT 61
• 5.2. RELATION OF METRIC FOR ENERGY EFFICIENCY 63
• 5.3. IMPORTANCE OF BALANCE BETWEEN METRICS 63
• 5.4. PREDICTION BASED LEARNING ALGORITHM 64
• 5.5. DECISION OF PLACEMENT 66
• 5.6. FUZZY-VARIABLE CONFIGURATION 68
• 5.7. PROPOSED PLACEMENT SCHEME EFFICIENCY FOR PERFORMANCE AND ENERGY EFFICIENCY 72
• 5.6.1 Case 1: Performance 74
• 5.6.2 Case 2: Energy efficiency 77
• 5.6.2 Case 3: User requirement 79
• 5.8. LEARNING ALGORITHM 83
• 5.8.1 MAE 83
• 5.8.1 Learning efficiency 84
• Conclusion 85
• 6.1 RESEARCH SUMMARY 85
• 6.2 FUTURE WORK 86
• 국문 초록 87
• References 90
• Abbreviation 91
• List of Publications 92

참고문헌 (Reference)

1. Migration System and Method by Fuzzy Value Rebalance in Distributed Cloud Environment, 박준영, 손아영, 허의남, 김윤곤, 이가원, PCT/KR/015419,2018.12.06, , 2018

2. ” 클라우드 시스템에서의 우선 순위 기반 자원 스케일링 시스템, 김윤곤, 허의남, 이가원, 손아영, 박준영, 장치 및 방법”, 10-호, 2019.06.12, , 1990

3. 클라우드 컴퓨팅 환경에서의 다목적 가상머신 배치 방법 및 장치, 손아영, 허의남, 10--0166301,2018.12.20, , 2018

4. “클라우드 환경에서 퍼지기반의 마이그레이션 시스템 및 방법”, 허의남, 손아영, 10-1867487 호, , 2018

5. “클라우드 환경에서 퍼지기반의 마이그레이션 시스템 및 방법”, 손아영, 허의남, 실시간 마이그레이션 자원 할당 시스템 및 할당 방법” 10-1584770 호, , 2016

6. 분산 클라우드 환경에서의 분산 브로커 코디네이터 시스템 및 방법, 손아영, 허의남, 팜반남, , 2018

7. SYSTEM FOR SCALING RESOURCE BASED ON PRIORITY IN CLOUD SYSTEM, APPARATUS AND METHOD THEREOF, 박준영, 허의남, 김윤곤, 이가원, 손아영, PCT/KR/015418,2018.12.06, , 2018

8. 클라우드 환경에서 에너지 효율 향상을 위한 마이그레이션 방법 연구, 박준영, 허의남, 손아영, 년 한국컴퓨터종합학술대회(KCC2017), 2017.06.20, , 2017

9. ”클라우드 컴퓨팅 환경에서 Multi-Metrlic 기반의 QoS 를 위한 마이그레이션 연구, 김만수, 허의남, 손아영, 한국통신학회 년도 동계종합학술발표회,2017.01.18, , 2017

10. 클라우드 환경에서 서비스를 고려한 정책 기반의 마이그레이션 시스템 및 방법, 손아영, 허의남, 10--0166323,2018.12.20, , 2018

11. 분산 클라우드 환경에서 퍼지값 재조정에 따른 마이그레이션 시스템 및 그 방법, 김윤곤, 허의남, 손아영, 이가원, 박준영, 10-- 0035005,2018.03.27, , 2018

12. ”SPOTO: an Integrated Ontology of Sport Event and Tourism Domains for Personalized Recommendation Systems”, A-Young Son, Pham Xuan Qui, Hyeok Kyun Jo, Eui-Nam Huh, 한국소프트웨어종합학술대회(KSC 2018)20181219Appendix, , 2018

13. ”클라우드 환경에서 QoS 를 위한 다기준 의사결정론 기반의 마이그레이션 방법 연구”, 우성윤, 이슬, 허의남, 손아영, 년도 한국통신학회 하계종합학술발표회/2017.06.21, , 2017

14. 클라우드 환경에서 마이그레이션 효율향상을 위한 우선순위 기반의 타겟머신 선정연구, 허의남, 손아영, 신은섭, 년 한국정보과학회 동계학술발표회,2016,12.22, , 2016

15. Device for controlling migration in a distributed cloud environment and method for controlling migration using the same, 허의남, 손아영, 14/957,693, , 2015

16. ”클라우드 환경에서 마이그레이션 효율향상을 위한 우선순위 기반의 타겟머신 선정연구”, 허의남, 톤띠김롼, 손아영, 한국정보과학회 동계학술발표회/, , 2015

17. “클라우드 환경에서 마이그레이션 효율 향상을 위한 퍼지이론 기반의 타겟머신 선정 연구”, 손아영, 허의남, 한국정보처리학회 춘계학술대회, , 2017

18. “클라우드 환경에서 끊임 없는 서비스 보장을 위한 IoT 기반 컨테이너 마이그레이션 방법 연구”, 허의남, 손아영, 한국컴퓨터종합학술대회,20160629, , 2016