KR20190042465A - 분할 메모리 관리장치 및 방법 - Google Patents

분할 메모리 관리장치 및 방법 Download PDF

Info

Publication number
KR20190042465A
KR20190042465A KR1020180122434A KR20180122434A KR20190042465A KR 20190042465 A KR20190042465 A KR 20190042465A KR 1020180122434 A KR1020180122434 A KR 1020180122434A KR 20180122434 A KR20180122434 A KR 20180122434A KR 20190042465 A KR20190042465 A KR 20190042465A
Authority
KR
South Korea
Prior art keywords
memory
size
local
page
local memory
Prior art date
Application number
KR1020180122434A
Other languages
English (en)
Other versions
KR102469927B1 (ko
Inventor
김강호
고광원
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to US16/162,107 priority Critical patent/US10754547B2/en
Publication of KR20190042465A publication Critical patent/KR20190042465A/ko
Application granted granted Critical
Publication of KR102469927B1 publication Critical patent/KR102469927B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Memory System (AREA)

Abstract

분할 메모리 관리방법이 개시된다. 본 개시에 따른 분할 메모리 관리방법은, 메모리 관리방법에 있어서, 적어도 하나의 메모리 페이지를 로컬 메모리 및 원격 메모리에 할당하는 과정과, 상기 메모리 페이지의 접근 요청을 확인하는 과정과, 접근 요청된 상기 메모리 페이지가 원격 메모리에 할당되어 있음에 따라, 서비스에서 요구하는 목표 성능 비율을 만족하는지 여부를 확인하는 과정과, 상기 목표 성능 비율을 만족하지 않음에 대응하여, LRU 거리 기반의 히스토그램에 기초한 상기 로컬 메모리의 크기를 예측하는 과정과, 예측된 상기 로컬 메모리의 크기를 고려하여, 접근 요청된 상기 메모리 페이지를 재할당하는 과정을 포함할 수 있다.

Description

분할 메모리 관리장치 및 방법{APPARATUS FOR MANAGING DISAGGREGATED MEMORY AND METHOD FOR THE SAME}
본 개시는 컴퓨팅 시스템에 관한 것이며, 보다 구체적으로는 가상머신에 할당하는 메모리의 크기를 제어하는 방법 및 장치에 대한 것이다.
네트워킹 기술의 발전에 따라, 컴퓨팅 자원을 공유하는 클라우드 시스템이 제공되고 있다. 클라우드 시스템은 다양한 물리적인 인프라스트럭처를 다수의 사용자가 공유할 수 있도록 구성될 수 있는데, 물리적인 인프라스트럭처는 프로세서, 메모리, 스토리지, 네트워킹 등을 구비한 하나 이상의 컴퓨팅 시스템을 포함할 수 있다.
응용 프로그램에서 요구하는 작업 부하를 구현 또는 실행하기 위해서는 물리적인 인프라스트럭처를 사용해야 한다. 그런데, 물리적인 인프라스트럭처는 클라우드 시스템 내에서 공유되어야 하므로, 클라우드 시스템은 논리 서버 또는 가상 머신(virtual machine, VM)을 통해 응용 프로그램에서 요구하는 작업 부하를 구현 또는 실행하기 위한 물리적인 인프라스트럭처를 관리하고 있다.
나아가, 인메모리 데이터베이스(In-memory database), 데이터 캐싱(data caching), 생물 정보학(bioinformatics) 및 그래프 처리(graph processing)와 같은 데이터 집약적(data intensive)인 작업량의 급증으로 인해 클라우드 시스템에서 요구되는 메모리 용량이 증가하고 있다.
이러한 추세에 맞추어, 단일 가상머신(Virtual Machine, VM)에 1TB 이상의 메모리를 사용할 수 있는 대용량 유형의 클라우드 시스템이 제공되고 있다.
전술한 바와 같이, 대용량 유형의 클라우드 시스템을 제공하기 위해서는 대용량 물리 서버 인프라스트럭처가 요구되지만, 이러한 인프라스트럭처를 구축하기 위해서는 많은 비용이 소모되는 문제가 있다.
대용량 물리 서버 대신 다수의 소용량 볼륨 범용 서버를 사용하여 대용량 메모리를 지원하기 위해, 서로 다른 물리적 컴퓨팅 장치(예, 서버)에 분산된 메모리를 단일 메모리로써 운영하는 분할메모리(disaggregated memory) 구조 기술이 사용될 수 있다.
본 개시의 기술적 과제는 분할 메모리 구조에서, 메모리를 효율적으로 관리할 수 있는 장치 및 방법을 제공하는 것이다.
본 개시의 다른 기술적 과제는 분할 메모리 구조로 구성된 클라우드 시스템에서 요구하는 계약 성능을 보장하면서 메모리를 관리할 수 있는 장치 및 방법을 제공하는 것이다.
본 개시의 또 다른 기술적 과제는 LRU 거리 기반의 성능 예측을 통해 요구되는 계약 성능을 보장할 수 있는 메모리를 제공하는 장치 및 방법을 제공하는 것이다.
본 개시에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 양상에 따르면 분할 메모리 관리방법이 제공될 수 있다. 상기 방법은, 메모리 관리방법에 있어서, 적어도 하나의 메모리 페이지를 로컬 메모리 및 원격 메모리에 할당하는 과정과, 상기 메모리 페이지의 접근 요청을 확인하는 과정과, 접근 요청된 상기 메모리 페이지가 원격 메모리에 할당되어 있음에 따라, 서비스에서 요구하는 목표 성능 비율을 만족하는지 여부를 확인하는 과정과, 상기 목표 성능 비율을 만족하지 않음에 대응하여, LRU 거리 기반의 히스토그램에 기초한 상기 로컬 메모리의 크기를 예측하는 과정과, 예측된 상기 로컬 메모리의 크기를 고려하여, 접근 요청된 상기 메모리 페이지를 재할당하는 과정을 포함할 수 있다.
본 개시의 다른 양상에 따르면 분할 메모리 관리장치가 제공될 수 있다. 상기 장치는 로컬 영역의 컴퓨팅 장치에 구비된 로컬 메모리 및 원격지의 컴퓨팅 장치에 구비된 원격 메모리를 포함하는 분할 메모리부와, 응용 프로그램의 구축 또는 실행을 위해 요구되는 적어도 하나의 메모리 페이지를 관리하는 메모리 가상머신부와, 상기 분할 메모리부와 메모리 가상머신부 사이에 구비되며, 상기 적어도 하나의 메모리 페이지를 로컬 메모리 및 원격 메모리에 할당하는 메모리 하이퍼바이저부와, 상기 메모리 페이지의 접근 요청을 확인하고, 접근 요청된 상기 메모리 페이지가 원격 메모리에 할당되어 있음에 따라, 서비스에서 요구하는 목표 성능 비율을 만족하는지 여부를 확인하고, 상기 목표 성능 비율을 만족하지 않음에 대응하여, LRU 거리 기반의 히스토그램에 기초한 상기 로컬 메모리의 크기를 예측하는 성능 예측부를 포함할 수 있다.
본 개시의 또 다른 양상에 따르면 분할 메모리 관리장치가 제공될 수 있다. 상기 장치는 로컬 영역의 컴퓨팅 장치에 구비된 로컬 메모리 및 원격지의 컴퓨팅 장치에 구비된 원격 메모리를 포함하는 분할 메모리부와, 응용 프로그램의 구축 또는 실행을 위해 요구되는 적어도 하나의 메모리 페이지를 관리하는 메모리 가상머신부와, 상기 분할 메모리부와 메모리 가상머신부 사이에 구비되며, 상기 적어도 하나의 메모리 페이지를 로컬 메모리 및 원격 메모리에 할당하고, 상기 메모리 페이지의 접근 요청을 확인하고, 접근 요청된 상기 메모리 페이지가 원격 메모리에 할당되어 있음에 따라, 서비스에서 요구하는 목표 성능 비율을 만족하는지 여부를 확인하고, 상기 목표 성능 비율을 만족하지 않음에 대응하여, LRU 거리 기반의 히스토그램에 기초한 상기 로컬 메모리의 크기를 예측하고, 예측된 상기 로컬 메모리의 크기를 고려하여, 접근 요청된 상기 메모리 페이지를 재할당하는 메모리 하이퍼바이저부를 포함할 수 있다.
본 개시에 대하여 위에서 간략하게 요약된 특징들은 후술하는 본 개시의 상세한 설명의 예시적인 양상일 뿐이며, 본 개시의 범위를 제한하는 것은 아니다.
본 개시에 따르면, 분할 메모리 구조에서, 메모리를 효율적으로 관리할 수 있는 장치 및 방법이 제공될 수 있다.
또한, 본 개시에 따르면, 분할 메모리 구조로 구성된 클라우드 시스템에서 요구하는 계약 성능을 보장하면서 메모리를 관리할 수 있다.
또한, 본 개시에 따르면, LRU 거리 기반의 성능 예측을 통해 요구되는 계약 성능을 보장할 수 있는 메모리를 제공할 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 일 실시예에 따른 분할 메모리 관리장치가 적용되는 시스템을 예시하는 도면이다.
도 2는 본 개시의 일 실시예에 따른 분할 메모리 관리장치의 구조를 예시하는 블록도이다.
도 3은 본 개시의 일 실시예에 따른 분할 메모리 관리장치에서 생성되는 LRU 거리 히스토그램을 예시하는 도면이다.
도 4는 본 개시의 일 실시예에 따른 분할 메모리 관리방법의 순서를 예시하는 흐름도이다.
도 5는 본 개시의 일 실시예에 따른 분할 메모리 관리방법에 구비된 LRU 거리 기반의 메모리 성능 예측과정의 상세 순서를 예시하는 흐름도이다.
이하에서는 첨부한 도면을 참고로 하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
본 개시의 실시 예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 개시에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 개시에 있어서, 어떤 구성요소가 다른 구성요소와 "연결", "결합" 또는 "접속"되어 있다고 할 때, 이는 직접적인 연결관계뿐만 아니라, 그 중간에 또 다른 구성요소가 존재하는 간접적인 연결관계도 포함할 수 있다. 또한 어떤 구성요소가 다른 구성요소를 "포함한다" 또는 "가진다"고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 배제하는 것이 아니라 또 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 개시에 있어서, 음성 파라미터, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 특별히 언급되지 않는 한 구성요소들간의 순서 또는 중요도 등을 한정하지 않는다. 따라서, 본 개시의 범위 내에서 일 실시 예에서의 음성 파라미터 구성요소는 다른 실시 예에서 제2 구성요소라고 칭할 수도 있고, 마찬가지로 일 실시 예에서의 제2 구성요소를 다른 실시 예에서 음성 파라미터 구성요소라고 칭할 수도 있다.
본 개시에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시 예도 본 개시의 범위에 포함된다.
본 개시에 있어서, 다양한 실시 예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들은 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 일 실시 예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시 예도 본 개시의 범위에 포함된다. 또한, 다양한 실시 예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시 예도 본 개시의 범위에 포함된다.
이하, 첨부한 도면을 참조하여 본 개시의 실시 예들에 대해서 설명한다.
도 1은 본 개시의 일 실시예에 따른 분할 메모리 관리장치가 적용되는 시스템을 예시하는 도면이다.
도 1을 참조하면, 분할 메모리 관리장치가 적용되는 시스템(100)은 리소스(110), 하이퍼바이저(120) 및 가상머신(130)을 포함한다.
리소스(110)는 복수 개의 랙(112-1, 112-2 , ≤. 112-n)을 포함할 수 있다. 각각의 랙(112-1, 112-2 , ≤. 112-n)은 다양한 컴퓨팅 자원을 포함할 수 있다. 이러한 컴퓨팅 자원은 여러 유형의 물리적 자원을 포함할 수 있다. 예컨대, 물리적 자원은 CPU, 메모리(예를 들면, 랜덤 액세스 메모리(Random Access Memory, RAM), 스토리지(예를 들면, 하드 디스크 또는 솔리드 스테이트 드라이브), NW I/O 장치(예를 들면, 네트워크 인터페이스 카드), 전력 장치(예를 들면, 파워 브릭(power brick), 냉각 장치(예를 들면, 팬 또는 냉각제), 또는 기타 유형의 자원(예를 들면, 네트워크 스위치 장치)을 포함할 수 있다.
이러한 컴퓨팅 자원은 하이퍼바이저(120)(예를 들면, 자원 관리자 또는 컨트 롤러에게)를 통해 이용될 수 있다. 하이퍼바이저(120)는 시스템(100)의 자원 관리자, 컨트롤러 또는 스케줄러 등에 의해 가상머신(130)에 할당될 수 있다. 특히, 하이퍼바이저(120)는 복수 개의 컴퓨팅 자원에 대한 점수를 산출하고, 각각의 컴퓨팅 자원에 대한 순위를 평가할 수 있다. 컴퓨팅 자원에 대한 순위 평가는 전력, 성능, 비용, 가용성, 또는 유지관리 요건을 충족할 수 있는 요소에 대해 수행될 수 있다.
하이퍼바이저(120)는 가상머신(130)이 작업부하를 구현, 구동 또는 실행하는 동안 가상머신(130)을 구성하거나 배치하기 위해 각각의 컴퓨팅 자원에 대한 복수의 동작 속성을 모니터링할 수 있다.
또한, 하이퍼바이저(120)는 컴퓨팅 자원의 점수를 기반으로 컴퓨팅 자원을 가상머신(130)에 할당할 수 있다. 예컨대, 하이퍼바이저(120)는 이전의 작업에서 요구되는 부하를 실현거나, 컴퓨팅 자원의 하나 이상의 다른 부분에 대해 결정된 과거 동작 점수와 비교된 그 동작 점수의 순위를 평가할 수 있다. 구체적으로, 제1컴퓨팅 자원의 순위가 다른 컴퓨팅 자원의 과거 동작 점수보다 낮은 순위로 평가되면, 하이퍼바이저(120)는 제1컴퓨팅 자원을 새로운 컴퓨팅 자원으로 대체할 수 있다.
한편, 가상머신(130)는 복수 개의 논리 서버 또는 가상머신(132-1, 132-2, ≤. 132-m)을 포함할 수 있다. 예를 들면, 논리 서버 또는 가상머신(132-1, 132-2, ≤. 132-m)은 작업 부하를 구현하거나 실행하기 위해 구성될 수 있다. 가상머신(130)에 요구되는 각각의 논리 서버는 하나 이상의 가상머신을 포함할 수 있다. 그리고, 각각의 가상머신에는 컴퓨팅 자원의 일부분이 할당될 수 있다. 다른 예로서, 컴퓨팅 자원은 특정 가상머신에 직접 할당될 수도 있다.
나아가, 컴퓨팅 자원에 구비된 메모리는 분할 메모리(disaggregated memory) 구조로 구비될 수 있다. 여기서, 분할 메모리(disaggregated memory) 구조는 물리적으로 서로 다른 장치(예, 서버 장치)에 분산된 복수의 메모리를 포함할 수 있다. 그리고, 복수의 메모리는 메모리가 구비된 위치에 기초하여, 컴퓨팅이 수행되는 장치와 동일한 장치에 위치한 로컬 메모리와, 컴퓨팅이 수행되는 장치와 다른 원격지의 장치에 위치한 원격 메모리로 구분할 수 있다.
이러한 분할 메모리 구조는 장치에서 사용하지 않는 메모리를 다른 장치에 동적으로 제공하여 메모리 사용량 불균형 문제를 해결할 수 있으며, 동시에 메모리 사용률을 높일 수 있다. 나아가, 이와 같이 복수의 장치가 메모리를 공유하여 사용함으로써, 복수의 장치가 로컬에서 사용할 수 있는 대용량의 메모리를 구비하지 않더라도, 대용량의 메모리를 사용할 수 있다.
도 2는 본 개시의 일 실시예에 따른 분할 메모리 관리장치의 구조를 예시하는 블록도이다.
본 개시의 일 실시예에 따른 분할 메모리 관리장치는 전술한 도 1의 시스템(100)에 기초하여 구성될 수 있다.
전술한 바와 같이 물리적 자원은 CPU, 메모리(예를 들면, 랜덤 액세스 메모리(Random Access Memory, RAM), 스토리지(예를 들면, 하드 디스크 또는 솔리드 스테이트 드라이브), NW I/O 장치(예를 들면, 네트워크 인터페이스 카드), 전력 장치(예를 들면, 파워 브릭(power brick), 냉각 장치(예를 들면, 팬 또는 냉각제), 또는 기타 유형의 자원(예를 들면, 네트워크 스위치 장치) 등을 포함할 수 있으나, 분할 메모리 관리장치는 다양한 물리적 자원 중, 메모리를 관리하기 위해 마련되는 장치로서, 메모리 관리에 필요한 구성을 포함할 수 있다.
도 2를 참조하면, 분할 메모리 관리장치(200)는 분할 메모리부(210), 메모리 하이퍼바이저부(220), 및 메모리 가상머신부(230)를 포함할 수 있다.
분할 메모리부(210)는 컴퓨팅이 수행되는 장치와 동일한 장치(200)에 위치한 로컬 메모리(211)와, 컴퓨팅이 수행되는 장치와 다른 원격지의 장치(200')에 위치한 원격 메모리(215)를 포함할 수 있다.
메모리 하이퍼바이저부(220)는 메모리 가상머신부(230)가 분할 메모리부(210)에 구비된 로컬 메모리(211) 및 원격 메모리(215)를 단일의 메모리로서 인식할 수 있도록 메모리 관리를 수행할 수 있다.
메모리 하이퍼바이저부(220)는 페이지 단위의 원격 메모리 액세스를 통해 원격 원격 메모리(215)에 액세스하는 복잡성을 제거할 수 있다. 구체적으로, 메모리 하이퍼바이저부(220)는 메모리 가상머신부(230)에서 접근 요청된 메모리 페이지가 로컬 메모리(211)에 존재하지 않으면, 페이지 폴트(page fault)를 발생시키고, 페이지 폴트 처리를 통해 원격 메모리(215)를 로컬 페이지로 가져(fetch)올 수 있다. 그리고, 메모리 하이퍼바이저부(220)는 페치된 로컬 페이지를 페이지 폴트(page fault)가 발생된 메모리 가상머신부(230)에 할당하여 관리할 수 있다. 이에 따라, 메모리 가상머신부(230)는 해당 메모리로의 접근이 요구될 경우, 페치된 로컬 페이지에 접근하여 처리할 수 있다.
다른 예로서, 로컬 메모리(211)에서 사용할 수 있는 페이지가 존재하지 않을 경우, 메모리 하이퍼바이저부(220)는 로컬 메모리 페이지를 원격 메모리(215)로 내보낼(evict) 수 있으며, 이러한 동작을 통해 로컬 메모리 페이지를 확보할 수 있다.
나아가, 메모리 하이퍼바이저부(220)는 메모리 가상머신부(230)에서 요구하는 용량의 메모리를 원할하게 제공하기 위하여, 메모리 가상머신부(230)에서 사용되는 메모리의 크기를 모니터링하고, 메모리 가상머신부(230)에서 요구되는 메모리의 크기를 예측할 필요가 있다.
이하, 메모리 하이퍼바이저부(220)가 메모리의 크기를 예측하는 동작에 대하여 상세하게 설명한다.
메모리 가상머신부(230)를 통해 운영체제나 응용 프로그램이 수행될 수 있는데, 응용 프로그램의 실행시, 원격 메모리(215) 접근 횟수(n)에 비례하여 응용 프로그램의 실행 시간이 늘어날 수 있다.
이에 기초하여, 원격 메모리(215) 접근 횟수(n)에 대한 응용 프로그램 실행시간(T(n))을 하기의 수학식 1과 같이 나타낼 수 있다.
Figure pat00001
여기서, L은 로컬 메모리(211)가 충분한 경우 메모리 가상머신부(230)에서의 응용 프로그램 실행 시간, A는 원격 메모리(215)에 접근하는데 소요되는 평균시간, n은 원격 메모리(215)에 접근한 횟수를 나타낸다.
응용 프로그램 실행 시간(L)은 n과 관계없는 고정된 값으로서, 응용 프로그램을 실행한 후, 그 값을 확인할 수 있다. 이러한, 응용 프로그램 실행 시간(L)은 메모리 모니터링 시간주기(P), 원격 메모리(215) 접근 횟수(N), 원격 메모리(215) 접근 평균 시간(A) 등을 사용하여 하기의 수학식 2와 같이 나타낼 수 있다.
Figure pat00002
한편, 성능 저하 비율은 하기의 수학식 3으로 나타낼 수 있다.
Figure pat00003
전술한 수학식 2를 사용하여 응용 프로그램 실행 시간(L)을 알 수 있으므로, 이를 수학식 1에 대입하여 n에 따른 응용프로그램 실행 시간을 하기의 수학식 4와 같이 계산할 수 있다.
Figure pat00004
한편, 서비스(예, 클라우드 서비스)의 제공시, 서비스(예, 클라우드 서비스)에서 요구하는 성능 비율(이하, '목표 성능 비율' 이라 함.)을 보장할 필요가 있으므로, 메모리 하이퍼바이저부(220)는 메모리의 크기 예측시 목표 성능 비율을 고려할 필요가 있다.
목표 성능 비율(α)은 서비스에서 보장하는 성능 비율을 나타내는 것으로서, 0 내지 1 사이의 값으로 설정될 수 있다. 예컨대, 목표 성능 비율(α)의 값이 0.9일 경우, 서비스에서 계약된 메모리 전체를 메모리 가상머신부(230)에 할당했을 때와 비교하여, 메모리 가상머신부(230)에서 실행하는 응용 프로그램의 성능을 최소 90%이상 보장한다는 의미를 나타낸다.
이에 기초하여, 메모리 하이퍼바이저부(220)는 이러한 서비스의 계약 성능을 보장하기 위해서 응용 프로그램의 성능을 측정하고, 부족한 성능을 보완하기 위해서 추가 투입할 메모리 크기를 예측할 필요가 있다.
목표 성능 비율(α)을 보장하려면 응용 프로그램의 실행시간이 L/α 보다 상대적으로 작거나 같아야 한다. 응용 프로그램의 실행시간을 P-L/α만큼 줄이려면 하기의 수학식 5가 나타내는 관계에 따라 원격 메모리 접근 횟수를 적어도 N-nt만큼 줄여야 한다.
Figure pat00005
그리고, 전술한 수학식 4 및 5를 참조하여, 줄여야 할 원격 메모리 접근 횟수(N-nt)는 하기의 수학식 6과 같이 나타낼 수 있다.
Figure pat00006
한편, 메모리 하이퍼바이저부(220)는 N-nt 만큼의 원격 메모리 접근 횟수를 줄이기 위해서 추가로 필요한 로컬 메모리(211)의 크기를 계산할 수 있다.
이때, 메모리 하이퍼바이저부(220)는 원격 메모리(215)에 대한 페이지 LRU 거리 히스토그램(page LRU distance histogram)을 활용하여, 추가로 필요한 로컬 메모리(211)의 크기를 계산할 수 있다.
구체적으로, 메모리 하이퍼바이저부(220)는 메모리 가상머신부(230)에 할당된 메모리 페이지 중 자주 사용되는 메모리 페이지는 로컬 메모리(211)에 할당할 수 있으며, 자주 사용되지 않는 메모리 페이지는 원격 메모리(215)에 할당할 수 있다.
또한, 메모리 하이퍼바이저부(220)는 로컬 메모리(211)를 메모리 캐쉬(cache)로서 사용할 수 있다. 그리고, 메모리 하이퍼바이저부(220)는 원격 메모리(215)로 내보내는 페이지(evicted page)의 LRU 거리를 산출할 수 있으며, 산출된 LRU 거리에 기초한 LRU 거리 히스토그램을 생성할 수 있다.
예컨대, 메모리 가상머신부(230)에 할당된 메모리 페이지가 8개임을 예시하면, 메모리 하이퍼바이저부(220)는 원격 메모리(215)에 4개의 페이지를 할당하고, 로컬 메모리(211)에 4개의 페이지를 할당할 수 있다.
구체적으로, 할당된 메모리 페이지가 A, B, C, D, E, F, G, H 페이지 일 경우, 메모리 하이퍼바이저부(220)는 로컬 메모리(211)에 A, B, C, D 페이지를 할당하고, 원격 메모리(215)에 E, F, G, H 페이지를 할당할 수 있다.
표 1과 같이, 메모리 가상머신부(230)의 페이지 접근 순서가 E, A, D, F, C, H인 경우, 원격 메모리(215)에 대한 LRU 거리는 하기의 표 1과 같이 산출할 수 있다. 표 1에서, 페이지를 나타내는 문자열의 왼쪽이 LRU 리스트에서 MRU 페이지를 나타내고, 문자열의 오른쪽이 LRU 페이지를 나타낸다. LRU 거리 값은 원격 메모리(211) 페이지의 각 위치에 접근한 회수를 나타낸다.
Figure pat00007
메모리 하이퍼바이저부(220)는 전술한 표 1의 LRU 거리 값을 누적 계산하여 도 3에 도시되는 LRU 거리 히스토그램을 생성할 수 있는데, 이러한 LRU 거리 히스토그램을 함수 형태로 나타낼 수 있다.
나아가, LRU 거리 히스토그램 함수(H(c))는 LRU 거리에 기초한 원격 메모리(215) 접근 횟수에 대응될 수 있다.
원격 메모리(215)의 접근은 로컬 메모리(211)의 부족에 의해 발생될 수 있으므로, 원격 메모리(215) 접근 횟수는 로컬 메모리(211)의 부족량에 대응될 수 있다. 다시 말하면, LRU 거리에 기초한 원격 메모리(215) 접근 횟수 만큼의 메모리 크기(c)가 로컬 메모리(211)에 할당될 경우, 원격 메모리(215) 접근이 발생되지 않을 수 있다. 따라서, LRU 거리 히스토그램 함수(H(c))와 전술한 줄여야 할 원격 메모리 접근 횟수(N-nt)를 동일하게 설정하고, 이로부터 로컬 메모리(211)의 부족량, 즉, 추가할 로컬 메모리(211)의 크기(c)로 설정할 수 있다. 이에 기초하여, 메모리 하이퍼바이저부(220)는 추가할 로컬 메모리(211)의 크기(c)를 하기의 수학식 7의 연산을 통해 산출할 수 있다.
Figure pat00008
LRU 거리 히스토그램 함수(H(c)), 원격 메모리(215)에 접근하는데 소요되는 평균시간(A), 원격 메모리(215) 접근 횟수(N) 등은 응용 프로그램의 실행을 프로파일링하여 획득할 수 있으므로, 메모리 하이퍼바이저부(220)는 성능 예측을 위해서 미리 정해진 시간 주기 내에서 성능 저하 모니터링을 지속적으로 수행하고, 이에 기초하여 로컬 메모리(211)의 부족량, 즉, 추가할 로컬 메모리(211)의 크기(c)를 예측할 수 있다.
전술한 바와 같이, 메모리 하이퍼바이저부(220)는 전술한 수학식 1 내지 7에 기초하여, 추가할 로컬 메모리(211)의 크기(c)를 예측하는 동작을 수행하는 것을 예시하였으나, 본 개시가 이를 한정하는 것은 아니다. 다른 예로서, 분할 메모리 관리장치(200)는 메모리 하이퍼바이저부(220)와 별도록 구성된 성능 예측기(250)를 구비할 수 있으며, 성능 예측기(250)가 전술한 수학식 1 내지 7에 기초하여, 추가할 로컬 메모리(211)의 크기(c)를 예측하는 동작을 수행할 수도 있다.
한편, 메모리 하이퍼바이저부(220)는 추가할 로컬 메모리(211)의 크기(c)를 확인하고, 로컬 메모리(211)의 잔여 메모리가 추가할 로컬 메모리(211)의 크기(c)와 같거나 상대적으로 큰 값을 가질 경우, 메모리 페이지를 로컬 메모리(211)에 할당할 수 있다. 반면, 로컬 메모리(211)의 잔여 메모리가 추가할 로컬 메모리(211)보다 상대적으로 작은 값을 가질 경우, 메모리 하이퍼바이저부(220)는 로컬 메모리가 충분한 다른 노드로 가상머신을 이동(migrate)시킬 수 있다.
한편, 메모리 가상머신부(230)은 부족한 로컬 메모리의 크기를 메모리 하이퍼바이저부(220)로 전달하므로, 메모리 가상머신부(230)에 할당된 로컬 메모리 페이지의 크기가 응용 프로그램의 작업집합 크기(working set size)보다 크더라도, 분할 메모리 관리장치는 인식하지 못할 수 있다. 이러한 경우, 실제 메모리 가상머신부(230)가 사용하는 메모리 페이지는 메모리 가상머신부(230)에 할당된 메모리 페이지보다 상대적으로 적을 수 있으므로 로컬 메모리 사용 효율이 낮아질 수 있다.
본 개시의 일 실시예에서, 메모리 하이퍼바이저부(220)는 메모리 가상머신부(230)가 일정시간 동안 원격 메모리에 접근하지 않거나, 가상머신의 vcpu 사용률이 낮을 때 미리 정해진 크기(γ, 0 <γ≤ 1)만큼 로컬 메모리에 할당된 페이지의 크기를 줄일 수 있다.
이와 같이, 미리 정해진 크기(γ)만큼 로컬 메모리에 할당된 페이지의 크기를 줄이더라도, 미리 정해진 시간단위 마다, 주기적으로 로컬 메모리의 크기를 확인하여 메모리 페이지가 재할당되므로, 메모리 가상머신부(230)에서 요구되는 만큼의 로컬 메모리를 확보할 수 있다.
따라서, 분할 메모리 관리장치는 리소스의 사용 상태에 맞게 적응적으로 메모리 페이지를 할당하여 메모리 사용 효율을 높일 수 있으며, 로컬 메모리의 크기 예측을 통해 안정적으로 메모리 페이지를 할당할 수 있다.
도 4는 본 개시의 일 실시예에 따른 분할 메모리 관리방법의 순서를 예시하는 흐름도이다.
분할 메모리 관리방법은 전술한 분할 메모리 관리장치에 의해 수행될 수 있다.
우선, 분할 메모리 관리장치는 가상머신에 의해 메모리 페이지의 접근이 요청될 수 있다(S401).
분할 메모리 관리장치에 구비된 메모리는 분할 메모리(disaggregated memory) 구조로 구비될 수 있다. 여기서, 분할 메모리(disaggregated memory) 구조는 물리적으로 서로 다른 장치(예, 서버 장치)에 분산된 복수의 메모리를 포함할 수 있다. 그리고, 복수의 메모리는 메모리가 구비된 위치에 기초하여, 컴퓨팅이 수행되는 장치와 동일한 장치에 위치한 로컬 메모리와, 컴퓨팅이 수행되는 장치와 다른 원격지의 장치에 위치한 원격 메모리로 구분할 수 있다.
이에 기초하여, 접근이 요청되는 메모리 페이지가 원격 메모리일 경우(S402-예), 분할 메모리 관리장치는 원격 메모리 페이지를 로컬 메모리 페이지로 가져올 수 있다(S403). 그리고, 분할 메모리 관리장치는 원격 메모리의 접근이 발생하였음을 통지하는 원격 메모리 접근 정보를 생성 및 관리할 수 있다(S404). 여기서, 원격 메모리 접근 정보는 원격 메모리 식별자, 원격 메모리 페이지를 가져올 때의 시간, 원격 메모리 접근 횟수 등을 포함할 수 있다.
다음으로, 분할 메모리 관리장치는 LRU 거리 기반의 메모리 성능 예측을 수행할 수 있다(S405).
LRU 거리 기반의 메모리 성능 예측은, 전술한 수학식 1 내지 7에 기초하여 추가할 로컬 메모리(211)의 크기(c)를 예측하는 동작으로서, 분할 메모리 관리장치에 구비되는 메모리 하이퍼바이저에 의해 수행될 수 있다. 다른 예로서, LRU 거리 기반의 메모리 성능 예측은 메모리 하이퍼바이저와 분리되어 구비되는 성능 예측기에 의해 수행될 수도 있다.
LRU 거리 기반의 메모리 성능 예측은 후술되는 도 5와 관련된 동작에서 자세하게 설명한다.
한편, 접근이 요청되는 메모리 페이지가 로컬 메모리일 경우(S402-아니오), 분할 메모리 관리장치는 S406 단계를 진행할 수 있다.
S406 단계에서, 분할 메모리 관리장치는 로컬 메모리(211)의 상태를 확인하여 로컬 메모리(211)의 잔여 메모리가 접근이 요청되는 메모리의 크기만큼 충분하게 확보되어 있는지 확인할 수 있다. 예컨대, 분할 메모리 관리장치는 로컬 메모리(211)의 잔여 메모리 크기가 접근이 요청되는 메모리의 크기와 동일하거나 상대적으로 큰 값을 구비하는지 확인할 수 있다.
로컬 메모리(211)의 잔여 메모리 크기가 접근이 요청되는 메모리의 크기와 동일하거나 상대적으로 큰 값을 나타낼 경우(S407-예), 분할 메모리 관리장치는 접근이 요청되는 메모리 페이지를 로컬 메모리에 할당할 수 있다(S408). 반면, 로컬 메모리(211)의 잔여 메모리의 크기가 접근이 요청되는 메모리 크기보다 상대적으로 작은 값을 나타낼 경우(S407-아니오), 로컬 메모리가 충분한 다른 노드로 가상머신을 이동(migrate)시킬 수 있다(S409).
도 5는 본 개시의 일 실시예에 따른 분할 메모리 관리방법에 구비된 LRU 거리 기반의 메모리 성능 예측과정의 상세 순서를 예시하는 흐름도이다.
우선, 서비스(예, 클라우드 서비스)의 제공시, 서비스(예, 클라우드 서비스)에서 요구하는 성능 비율(이하, '목표 성능 비율' 이라 함.)을 보장할 필요가 있으므로, 분할 메모리 관리장치는 메모리의 크기 예측시 목표 성능 비율을 고려할 필요가 있다. 이에 기초하여, S501 단계에서, 분할 메모리 관리장치는 목표 성능 비율(α)을 설정할 수 있다. 분할 메모리 관리장치는 목표 성능 비율(α)을 입력할 수 있는 환경(예, 사용자 인터페이스)을 제공할 수 있으며, 이러한 환경을 이용하여 목표 성능 비율(α)을 입력받고, 목표 성능 비율(α)을 설정할 수 있다.
다음으로, S502 단계에서, 분할 메모리 관리장치는 LRU 거리 기반의 메모리 성능 예측에 사용될 파리미터 값들(시작 시간(S), 메모리 모니터링 시간주기(P), LRU 거리 히스토그램 함수(H), 원격 메모리(215)에 접근하는데 소요되는 평균시간(A), 원격 메모리(215) 접근 횟수(N) 등)의 초기화를 수행할 수 있다.
이후, 가상머신에 의해 로컬 메모리 또는 원격 메모리의 접근이 요청될 수 있는데, 원격 메모리 접근 요청이 발생될 경우(S503-예), 원격 메모리의 접근이 발생하였음을 통지하는 원격 메모리 접근 정보가 생성 및 제공될 수 있다. 이에 따라, 분할 메모리 관리장치는 원격 메모리 접근 정보를 확인할 수 있다(S504). 여기서, 원격 메모리 접근 정보는 원격 메모리 식별자, 원격 메모리 페이지를 가져올 때의 시간, 원격 메모리 접근 횟수 등을 포함할 수 있다.
이후, 분할 메모리 관리장치는 원격 메모리 접근 횟수에 1을 증가시켜 업데이트할 수 있다(S505). 그리고, 분할 메모리 관리장치는 접근 요청되는 원격 메모리 페이지를 확인하고, 접근 요청되는 원격 메모리 페이지의 LRU 거리를 확인할 수 있다(S506).
다음으로, 분할 메모리 관리장치는 원격 메모리의 LRU 리스트에서 접근 페이지를 제거하고(S507), 로컬 메모리에서 원격 메모리로 내보내는 페이지(evicted page)가 존재할 경우 원격 메모리의 LRU 리스트의 MRU 위치에 추가할 수 있다(S508).
이후, 분할 메모리 관리장치는 전술한 수학식 2에서 설명한 응용 프로그램 실행 시간(L), 모니터링 시간주기(P), 원격 메모리 접근 횟수(N), 원격 메모리 접근 평균 시간(A) 등의 관계를 고려하여, 원격 메모리 접근 평균 시간(A)을 산출할 수 있다(S509).
이후, 분할 메모리 관리장치는 현재 시각을 시작 시간(S) 및 모니터링 시간주기(P)와 비교할 수 있다. 현재 시각이 시작 시간(S) 및 모니터링 시간주기(P)의 합과 같거나 상대적으로 큰 값을 나타낼 경우(S510-예), 분할 메모리 관리장치는 S511 단계를 진행하고, 현재 시각이 시작 시간(S) 및 모니터링 시간주기(P)의 합보다 상대적으로 작은 값을 나타낼 경우(S510-아니오) S503 단계를 진행할 수 있다.
S511 단계에서, 분할 메모리 관리장치는 응용 프로그램 실행 시간(L)을 확인하고, 전술한 수학식 4에서 설명에 기초하여 n에 따른 응용프로그램 실행 시간(T(n))을 산출할 수 있다.
S512 단계에서, 분할 메모리 관리장치는 목표 성능 비율(α)을 반영한 응용 프로그램 실행 시간(L)(즉, 응용 프로그램 실행 시간(L)/목표 성능 비율(α))이 모니터링 시간주기(P)와 동일하거나 상대적으로 큰 값을 나타내는지를 확인할 수 있다.
목표 성능 비율(α)을 반영한 응용 프로그램 실행 시간(L)이 모니터링 시간주기(P)와 동일하거나 상대적으로 큰 값을 가질 경우 목표 성능을 만족한다는 의미이므로 분할 메모리 관리장치는 성능 예측에 사용될 파리미터 값들의 초기화를 수행하는 S502 단계를 진행할 수 있다.
반면, 목표 성능 비율(α)을 반영한 응용 프로그램 실행 시간(L)이 모니터링 시간주기(P)보다 상대적으로 작은 값을 나타낼 경우, 목표 성능을 만족하지 못한다는 의미이므로 분할 메모리 관리장치는 S513 단계를 진행할 수 있다.
S513 단계에서, 분할 메모리 관리장치는 전술한 S506 단계에서 확인된 LRU 거리 값을 기반으로 히스토그램 함수(H(c))을 생성할 수 있다. 그리고, S514 단계에서, 분할 메모리 관리장치는 전술한 LRU 거리 히스토그램 함수(H(c))와 줄여야 할 원격 메모리 접근 횟수(N-nt)의 관계에 기초하여 추가할 로컬 메모리의 크기(c)를 산출 및 제공할 수 있다.
한편, 분할 메모리 관리장치는 가상머신이 부족한 로컬 메모리의 크기를 하이퍼바이저로 전달하므로, 가상머신에 할당된 로컬 메모리 페이지의 크기가 응용 프로그램의 작업집합 크기(working set size)보다 크더라도, 분할 메모리 관리장치는 인식하지 못할 수 있다. 이러한 경우, 실제 가상머신이 사용하는 메모리 페이지는 가상머신에 할당된 메모리 페이지보다 상대적으로 적을 수 있으므로 로컬 메모리 사용 효율이 낮아질 수 있다.
본 개시의 일 실시예에서, 분할 메모리 관리장치는는 가상머신이 일정시간 동안 원격 메모리에 접근하지 않거나, 가상머신의 vcpu 사용률이 낮을 때 미리 정해진 크기(γ, 0 <γ≤ 1)만큼 로컬 메모리에 할당된 페이지의 크기를 줄일 수 있다.
이와 같이, 미리 정해진 크기(γ)만큼 로컬 메모리에 할당된 페이지의 크기를 줄이더라도, 미리 정해진 시간단위 마다, 주기적으로 로컬 메모리의 크기를 확인하여 메모리 페이지가 재할당되므로, 가상머신에서 요구되는 만큼의 로컬 메모리를 확보할 수 있다.
따라서, 분할 메모리 관리방법은 리소스의 사용 상태에 맞게 적응적으로 메모리 페이지를 할당하여 메모리 사용 효율을 높일 수 있으며, 로컬 메모리의 크기 예측을 통해 안정적으로 메모리 페이지를 할당할 수 있다.
본 개시의 예시적인 방법들은 설명의 명확성을 위해서 동작의 시리즈로 표현되어 있지만, 이는 단계가 수행되는 순서를 제한하기 위한 것은 아니며, 필요한 경우에는 각각의 단계가 동시에 또는 상이한 순서로 수행될 수도 있다. 본 개시에 따른 방법을 구현하기 위해서, 예시하는 단계에 추가적으로 다른 단계를 포함하거나, 일부의 단계를 제외하고 나머지 단계를 포함하거나, 또는 일부의 단계를 제외하고 추가적인 다른 단계를 포함할 수도 있다.
본 개시의 다양한 실시 예는 모든 가능한 조합을 나열한 것이 아니고 본 개시의 대표적인 양상을 설명하기 위한 것이며, 다양한 실시 예에서 설명하는 사항들은 독립적으로 적용되거나 또는 둘 이상의 조합으로 적용될 수도 있다.
또한, 본 개시의 다양한 실시 예는 하드웨어, 펌웨어(firmware), 소프트웨어, 또는 그들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 범용 프로세서(general processor), 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
본 개시의 범위는 다양한 실시 예의 방법에 따른 동작이 장치 또는 컴퓨터 상에서 실행되도록 하는 소프트웨어 또는 머신-실행가능한 명령들(예를 들어, 운영체제, 애플리케이션, 펌웨어(firmware), 프로그램 등), 및 이러한 소프트웨어 또는 명령 등이 저장되어 장치 또는 컴퓨터 상에서 실행 가능한 비-일시적 컴퓨터-판독가능 매체(non-transitory computer-readable medium)를 포함한다.

Claims (16)

  1. 메모리 관리방법에 있어서,
    적어도 하나의 메모리 페이지를 로컬 메모리 및 원격 메모리에 할당하는 과정과,
    상기 메모리 페이지의 접근 요청을 확인하는 과정과,
    접근 요청된 상기 메모리 페이지가 원격 메모리에 할당되어 있음에 따라, 서비스에서 요구하는 목표 성능 비율을 만족하는지 여부를 확인하는 과정과,
    상기 목표 성능 비율을 만족하지 않음에 대응하여, LRU 거리 기반의 히스토그램에 기초한 상기 로컬 메모리의 크기를 예측하는 과정과,
    예측된 상기 로컬 메모리의 크기를 고려하여, 접근 요청된 상기 메모리 페이지를 재할당하는 과정을 포함하는 것을 특징으로 하는 분할 메모리 관리방법.
  2. 제1항에 있어서,
    상기 로컬 메모리의 크기를 예측하는 과정은,
    접근 요청된 상기 메모리 페이지에 대한 LRU 거리를 확인하는 과정과,
    상기 LRU 거리를 누적하여 LRU 거리 히스토그램을 생성하는 과정과,
    상기 LRU 거리 히스토그램과 원격 메모리 접근 횟수 사이의 관계를 고려하여, 상기 로컬 메모리의 크기를 예측하는 과정을 포함하는 것을 특징으로 하는 분할 메모리 관리방법.
  3. 제1항에 있어서,
    상기 로컬 메모리의 크기를 예측하는 과정은,
    하기의 수학식 1에 대응되는 연산을 수행하는 과정을 포함하는 것을 특징으로 하는 분할 메모리 관리방법.
    [수학식 1]
    Figure pat00009

    수학식 1에서, C는 예측된 로컬 메모리의 크기, H(c)는 LRU 거리 히스토그램 함수, N-nt는 줄여야 할 원격 메모리 접근 횟수임.
  4. 제1항에 있어서,
    상기 목표 성능 비율을 만족하는지 여부를 확인하는 과정은,
    메모리 모니터링 시간 주기를 기준으로한 상기 로컬 메모리가 충분한 경우 응용 프로그램 실행 시간의 비율과, 상기 목표 성능 비율을 비교하는 과정과,
    상기 메모리 모니터링 시간 주기를 기준으로한 상기 로컬 메모리가 충분한 경우 응용 프로그램 실행 시간의 비율이, 상기 목표 성능 비율과 동일하거나 상대적으로 큰 값을 나타냄에 따라, 상기 목표 성능 비율을 만족하는 것으로 결정하는 과정을 포함하는 것을 특징으로 하는 분할 메모리 관리방법.
  5. 제1항에 있어서,
    상기 접근 요청된 상기 메모리 페이지를 재할당하는 과정은,
    상기 로컬 메모리에 구비된 잔여 메모리의 크기를 확인하는 과정과,
    상기 예측된 로컬 메모리의 크기와 상기 잔여 메모리 크기를 비교하는 과정과,
    상기 예측된 로컬 메모리의 크기와 상기 잔여 메모리 크기의 비교 결과를 고려하여, 상기 접근 요청된 상기 메모리 페이지를 상기 로컬 메모리에 재할당하는 과정을 포함하는 것을 특징으로 하는 분할 메모리 관리방법.
  6. 제1항에 있어서,
    상기 원격 메모리에 접근이 발생된 후부터 접근재개시간을 카운팅하는 과정과,
    상기 접근재개시간이 미리 정해진 시간을 초과함에 대응하여, 상기 로컬 메모리에 할당된 메모리 페이지의 크기를 미리 정해진 크기만큼 줄이는 과정을 포함하는 것을 특징으로 하는 분할 메모리 관리방법.
  7. 제1항에 있어서,
    가상 프로세서의 사용률을 모니터링하는 과정과,
    상기 가상 프로세서의 사용률을 고려하여, 상기 로컬 메모리에 할당된 메모리 페이지의 크기를 미리 정해진 크기만큼 줄이는 과정을 포함하는 것을 특징으로 하는 분할 메모리 관리방법.
  8. 메모리 관리장치에 있어서,
    로컬 영역의 컴퓨팅 장치에 구비된 로컬 메모리 및 원격지의 컴퓨팅 장치에 구비된 원격 메모리를 포함하는 분할 메모리부와,
    응용 프로그램의 구축 또는 실행을 위해 요구되는 적어도 하나의 메모리 페이지를 관리하는 메모리 가상머신부와,
    상기 분할 메모리부와 메모리 가상머신부 사이에 구비되며, 상기 적어도 하나의 메모리 페이지를 로컬 메모리 및 원격 메모리에 할당하는 메모리 하이퍼바이저부와,
    상기 메모리 페이지의 접근 요청을 확인하고, 접근 요청된 상기 메모리 페이지가 원격 메모리에 할당되어 있음에 따라, 서비스에서 요구하는 목표 성능 비율을 만족하는지 여부를 확인하고, 상기 목표 성능 비율을 만족하지 않음에 대응하여, LRU 거리 기반의 히스토그램에 기초한 상기 로컬 메모리의 크기를 예측하는 성능 예측부를 포함하는 것을 특징으로 하는 분할 메모리 관리장치.
  9. 제8항에 있어서,
    상기 성능 예측부는,
    접근 요청된 상기 메모리 페이지에 대한 LRU 거리를 확인하고,
    상기 LRU 거리를 누적하여 LRU 거리 히스토그램을 생성하고,
    상기 LRU 거리 히스토그램과 원격 메모리 접근 횟수 사이의 관계를 고려하여, 상기 로컬 메모리의 크기를 예측하는 것을 특징으로 하는 분할 메모리 관리장치.
  10. 제8항에 있어서,
    상기 성능 예측부는,
    하기의 수학식 2에 대응되는 연산을 수행하여 상기 로컬 메모리의 크기를 예측하는 것을 특징으로 하는 분할 메모리 관리장치.
    [수학식 2]
    Figure pat00010

    수학식 2에서, C는 예측된 로컬 메모리의 크기, H(c)는 LRU 거리 히스토그램 함수, N-nt는 줄여야 할 원격 메모리 접근 횟수임.

  11. 제8항에 있어서,
    상기 성능 예측부는,
    메모리 모니터링 시간 주기를 기준으로한 상기 로컬 메모리가 충분한 경우 응용 프로그램 실행 시간의 비율과, 상기 목표 성능 비율을 비교하고,
    상기 메모리 모니터링 시간 주기를 기준으로한 상기 로컬 메모리가 충분한 경우 응용 프로그램 실행 시간의 비율이, 상기 목표 성능 비율과 동일하거나 상대적으로 큰 값을 나타냄에 따라, 상기 목표 성능 비율을 만족하는 것으로 결정하는 것을 특징으로 하는 분할 메모리 관리장치.
  12. 제8항에 있어서,
    상기 메모리 하이퍼바이저부는,
    예측된 상기 로컬 메모리의 크기를 고려하여, 접근 요청된 상기 메모리 페이지를 재할당하는 것을 특징으로 하는 분할 메모리 관리장치.
  13. 제12항에 있어서,
    상기 메모리 하이퍼바이저부는,
    상기 로컬 메모리에 구비된 잔여 메모리의 크기를 확인하고,
    상기 예측된 로컬 메모리의 크기와 상기 잔여 메모리 크기를 비교하고,
    상기 예측된 로컬 메모리의 크기와 상기 잔여 메모리 크기의 비교 결과를 고려하여, 상기 접근 요청된 상기 메모리 페이지를 상기 로컬 메모리에 재할당하는 것을 특징으로 하는 분할 메모리 관리장치.
  14. 제8항에 있어서,
    상기 메모리 하이퍼바이저부는,
    상기 원격 메모리에 접근이 발생된 후부터 접근재개시간을 카운팅하고, 상기 접근재개시간이 미리 정해진 시간을 초과함에 대응하여, 상기 로컬 메모리에 할당된 메모리 페이지의 크기를 미리 정해진 크기만큼 줄이는 것을 특징으로 하는 분할 메모리 관리장치.
  15. 제8항에 있어서,
    상기 메모리 하이퍼바이저부는,
    가상 프로세서의 사용률을 모니터링하고, 상기 가상 프로세서의 사용률을 고려하여, 상기 로컬 메모리에 할당된 메모리 페이지의 크기를 미리 정해진 크기만큼 줄이는 것을 특징으로 하는 분할 메모리 관리장치.
  16. 메모리 관리장치에 있어서,
    로컬 영역의 컴퓨팅 장치에 구비된 로컬 메모리 및 원격지의 컴퓨팅 장치에 구비된 원격 메모리를 포함하는 분할 메모리부와,
    응용 프로그램의 구축 또는 실행을 위해 요구되는 적어도 하나의 메모리 페이지를 관리하는 메모리 가상머신부와,
    상기 분할 메모리부와 메모리 가상머신부 사이에 구비되며, 상기 적어도 하나의 메모리 페이지를 로컬 메모리 및 원격 메모리에 할당하고, 상기 메모리 페이지의 접근 요청을 확인하고, 접근 요청된 상기 메모리 페이지가 원격 메모리에 할당되어 있음에 따라, 서비스에서 요구하는 목표 성능 비율을 만족하는지 여부를 확인하고, 상기 목표 성능 비율을 만족하지 않음에 대응하여, LRU 거리 기반의 히스토그램에 기초한 상기 로컬 메모리의 크기를 예측하고, 예측된 상기 로컬 메모리의 크기를 고려하여, 접근 요청된 상기 메모리 페이지를 재할당하는 메모리 하이퍼바이저부를 포함하는 것을 특징으로 하는 분할 메모리 관리장치.
KR1020180122434A 2017-10-16 2018-10-15 분할 메모리 관리장치 및 방법 KR102469927B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/162,107 US10754547B2 (en) 2017-10-16 2018-10-16 Apparatus for managing disaggregated memory and method thereof

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170133929 2017-10-16
KR20170133929 2017-10-16

Publications (2)

Publication Number Publication Date
KR20190042465A true KR20190042465A (ko) 2019-04-24
KR102469927B1 KR102469927B1 (ko) 2022-11-23

Family

ID=66282069

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180122434A KR102469927B1 (ko) 2017-10-16 2018-10-15 분할 메모리 관리장치 및 방법

Country Status (1)

Country Link
KR (1) KR102469927B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210058609A (ko) * 2019-11-13 2021-05-24 서강대학교산학협력단 Numa 시스템에서 메모리 버스에 연결하여 사용하는 저장장치의 할당 방법
KR20210155059A (ko) * 2020-06-15 2021-12-22 한국전자통신연구원 메모리 분리 시스템에서 메모리 관리 방법 및 장치
KR20220131605A (ko) * 2021-03-22 2022-09-29 한국전자통신연구원 클러스터 시스템의 메모리 통합 관리 방법 및 장치
US11995357B2 (en) 2022-01-17 2024-05-28 Electronics And Telecommunications Research Institute Disaggregation computing system and method

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100725412B1 (ko) * 2006-02-07 2007-06-07 삼성전자주식회사 시간 경과에 따른 사용량 예측을 통해 저장 공간을관리하는 장치 및 방법
US20120030406A1 (en) * 2009-06-29 2012-02-02 Jichuan Chang Hypervisor-based management of local and remote virtual memory pages
KR101740490B1 (ko) * 2015-12-29 2017-05-26 경희대학교 산학협력단 클라우드 컴퓨팅 환경에서의 사전 오토 스케일링 시스템 및 그 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100725412B1 (ko) * 2006-02-07 2007-06-07 삼성전자주식회사 시간 경과에 따른 사용량 예측을 통해 저장 공간을관리하는 장치 및 방법
US20120030406A1 (en) * 2009-06-29 2012-02-02 Jichuan Chang Hypervisor-based management of local and remote virtual memory pages
KR101740490B1 (ko) * 2015-12-29 2017-05-26 경희대학교 산학협력단 클라우드 컴퓨팅 환경에서의 사전 오토 스케일링 시스템 및 그 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
W. Zhao, et. al."Dynamic memory balancing for virtual machines.",In VEE ’09. ACM.,2009.03.11.(제37면 내지 제47면)* *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210058609A (ko) * 2019-11-13 2021-05-24 서강대학교산학협력단 Numa 시스템에서 메모리 버스에 연결하여 사용하는 저장장치의 할당 방법
KR20210155059A (ko) * 2020-06-15 2021-12-22 한국전자통신연구원 메모리 분리 시스템에서 메모리 관리 방법 및 장치
US11586549B2 (en) 2020-06-15 2023-02-21 Electronics And Telecommunications Research Institute Method and apparatus for managing memory in memory disaggregation system
US11947463B2 (en) 2020-06-15 2024-04-02 Electronics And Telecommunications Research Institute Method and apparatus for managing memory in memory disaggregation system
KR20220131605A (ko) * 2021-03-22 2022-09-29 한국전자통신연구원 클러스터 시스템의 메모리 통합 관리 방법 및 장치
US11995357B2 (en) 2022-01-17 2024-05-28 Electronics And Telecommunications Research Institute Disaggregation computing system and method

Also Published As

Publication number Publication date
KR102469927B1 (ko) 2022-11-23

Similar Documents

Publication Publication Date Title
Ilager et al. ETAS: Energy and thermal‐aware dynamic virtual machine consolidation in cloud data center with proactive hotspot mitigation
KR102469927B1 (ko) 분할 메모리 관리장치 및 방법
US9588789B2 (en) Management apparatus and workload distribution management method
WO2017045576A1 (en) System and method for resource management
Koller et al. Centaur: Host-side ssd caching for storage performance control
KR101941282B1 (ko) 가상 데스크톱 서비스 제공 방법 및 장치
US10241836B2 (en) Resource management in a virtualized computing environment
CN108182105B (zh) 基于Docker容器技术的局部动态迁移方法及控制***
JP5370946B2 (ja) リソース管理方法及び計算機システム
CN116450358A (zh) 云计算***中的用于虚拟机的资源管理
US7698529B2 (en) Method for trading resources between partitions of a data processing system
JP2011258119A (ja) クラスタ構成管理方法、管理装置及びプログラム
JP2015007942A (ja) プログラム、仮想マシン管理方法および情報処理装置
US10871986B2 (en) Virtual server migration after performance deterioration
US10754547B2 (en) Apparatus for managing disaggregated memory and method thereof
US20120290789A1 (en) Preferentially accelerating applications in a multi-tenant storage system via utility driven data caching
KR20190063378A (ko) 이종 가상화 클라우드 캐시 환경에서의 동적 캐시분할 관리자
Min et al. Vmmb: Virtual machine memory balancing for unmodified operating systems
JP2018181062A (ja) 管理装置、情報処理システムの制御方法、および管理装置の管理プログラム
CN103399791A (zh) 一种基于云计算的虚拟机迁移方法和装置
Babu et al. Interference aware prediction mechanism for auto scaling in cloud
US11074111B2 (en) Quality of service scheduling with workload profiles
US9686207B2 (en) Application service level objective aware demand estimation
KR20150007698A (ko) 가상 데스크탑 서비스를 위한 부하 분산 시스템
US20130290752A1 (en) Operating system support for memory power management

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right