노스캐롤라이나 주립대학교의 연구자들은 클라우드 컴퓨팅 시스템에서 문제가 발생하기 전에 잠재적인 이상한 점들을 자동으로 감지하고 반응함으로써 성능의 저하를 막을 수 있는 새로운 소프트웨어 툴을 개발하고 있다.

클라우드 컴퓨팅은 사용자들이 독립적으로 동작하는 여러 대의 가상머신을 만들 수 있도록 해준다. 심지어 이것은 대규모 컴퓨팅 플랫폼에서도 모두 동작하게 된다. 그러나 이러한 방법은 소프트웨어 버그, 즉 하나의 가상머신이 전체 클라우드에 지장을 줄 때 성능 문제를 일으킬 수 있다.

현재 연구자들은 사용되고 있는 메모리의 양, 네트워크 트래픽, CPU 사용량 및 클라우드 컴퓨팅 인프라에서 다른 시스템 레벨의 데이터를 조사하여 정상적인 것으로 간주될 수 있는 방대한 범위의 동작에 대한 정의를 개발할 수 있는 소프트웨어를 디자인하고 있다. CPU 사용량은 주어진 시간에 사용될 수 있는 컴퓨팅 파워의 양이다. 이 프로그램은 클라우드 내에서 모든 가상 머신들의 정상적인 동작을 정의하며, 편차를 알아낼 수 있고 시스템의 능력에 영향을 미치는 이상들을 예측할 수 있게 한다.

이러한 방법들의 한 가지 이점은 이상한 동작들이 어떤 것들로 이루어지는지에 대한 훈련데이터(training data)라는 것을 사용자들에게 제공하지 않아도 된다는 점이다. 훈련데이터를 생산 클라우드 시스템에서 얻는 것이 어렵기 때문에 이것은 어려운 일이다. 그리고 이 방법은 이전에 결코 볼 수 없었던 이상적인 동작들을 예상할 수 있다.

만약 프로그램이 정상적인 동작에서 벗어나는 가상머신을 발견했다면, 사용자 데이터에 노출시키지 않고 CPU 사용과 같은 매트릭스가 영향을 줄 수 있는지를 알아내는 블랙박스 진단을 구동하게 될 것이다. 이러한 매트릭스 데이터는 적절한 예방 시스템을 작동시킬 수 있을 것이며 이상동작을 해결하고 문제가 되는 것을 방지할 수 있을 것이다.

“만약 우리가 초기의 이상 동작을 감지하고 자동 응답을 구동시킨다면, 우리는 주요한 방해를 막을 수 있을 뿐만 아니라 시스템 성능에서의 어떤 변화를 사용자들이 경험하지 않게 해줄 것이다. 또한 이 프로그램은 사용자의 어떠한 개인 정보도 액세스하지 않는다는 것이 중요하다. 우리는 단지 시스템 수준의 동작들만을 조사하고 있는 중”이라고 Helen Gu 박사가 말했다. 그녀는 NC주립대학 컴퓨터과학과 교수이며 이 연구논문의 공동저자이다.

또한 이 프로그램은 동작을 하는데 클라우드의 컴퓨팅 파워가 많이 사용되지 않는다. 이것은 초기 데이터를 모을 수 있으며 기존의 방법들보다 더 빠르게 정상적인 동작들을 정의할 수 있다. 이것이 구동되면 CPU 부하의 1% 미만과 16메가바이트 이하의 메모리를 사용하게 된다.

벤치마크 테스트에서, 이 프로그램은 이상동작의 98% 이상을 발견할 수 있다. 이것은 기존의 방법에서 발견된 비율보다 훨씬 높은 수치이다. “또한 이것은 1.7%의 긍정 오류(false positives)를 가지게 된다. 이 수치는 거의 오류 검출(false alarm)이 없다는 것이다. 그리고 오류 검출은 자동응답으로 나타나기 때문에 쉽게 다시 되돌릴 수 있다. 그래서 오류 검출에 드는 비용은 아주 미미하다”고 Gu는 말했다.

Gu는 그녀의 연구팀이 더 자세한 화이트박스(white box) 진단툴을 소프트웨어로 만드는 것이 향후에 해야 할 일이라고 말했다. 그래서 그들은 어떤 이상동작에 의해 발생된 소프트웨어 버그를 감지하고, 수정할 수 있게 될 것이다.

이 논문의 제목은 “가상화된 클라우드 시스템에서 성능이상을 예측하기 위한 UBL(UBL: Unsupervised Behavior Learning for Predicting Performance Anomalies in Virtualized Cloud Systems)”이다. 이 논문의 저자는 NC주립대학의 박사과정 학생인 Daniel Dean과 Hiep Nguyen으로, 캘리포니아 산호세에서 9월 20일에 열린 ACM 국제 자동화 컴퓨팅 컨퍼런스(International Conference on Autonomic Computing)에서 발표될 예정이다. 이 연구는 국립과학재단(National Science Foundation), 미 육군연구소(U.S. Army Research Office)로부터 지원을 받고 있으며 IBM 연구지원금 및 구글 연구지원금을 받고 있다.