현대 컴퓨팅 환경에서 데이터 센터의 중요성은 지속적으로 증가하고 있으며, 지연 민감 작업(Latency-Critical, LC)의 서비스 품질(Quality of Service, QoS)을 보장하는 것은 시스템 고장 및 성능 저하를 방지하는 데 필수적이다. 지연 민감 작업의 QoS를 보장하기 위해 널리 사용되는 자원 격리 기법은 QoS 요구 사항을 만족할 때까지 추가 자원을 할당한다. 그러나 기존 방법은 최선 노력(Best-Effort, BE) 작업의 성능 포화 지점을 고려하지 않으며, LC 작업 요구 사항을 충족한 이후 남는 모든 자원을 BE 작업에 할당함으로써 자원 낭비가 발생한다. 또한 실시간 자원 조정에 의해 유발되는 높은 오버헤드는 시스템 성능 저하로 이어질 수 있다. 이러한 문제를 해결하기 위해 본 논문은 자중 기반 마르코프 체인 모델을 제안하여 자원 최적화를 수행한다. 제안된 모델은 균형 잡힌 자원 조합에 대한 오프라인 프로파일링을 통해 자원 효율을 평가하고, 최적 자원 할당 전략을 사전에 결정한다. LC 작업 QoS를 보장하는 데 필요한 최소 자원을 정확히 식별하고 BE 작업의 성능 포화 지점을 예측함으로써, 모델은 불필요한 자원 낭비를 방지한다. 전통적 방법과 달리, 제안된 모델은 자중 기반 프로파일링을 활용하여 실시간 스케줄링 오버헤드를 크게 감소시키고 균형 잡힌 자원 할당을 달성한다. 실험 결과는 제안된 모델이 기존 자원 격리 스케줄링 기법과 비교 가능한 수준에서 BE 작업 성능을 보장하면서도 LC 작업 QoS를 유지함을 보여준다. 또한 해당 모델은 자원 활용을 성공적으로 최적화하고 전통적 방법에 비해 프로파일링 오버헤드를 효과적으로 감소시킨다. 제안된 접근 방식은 다중 작업 서버 환경에서 자원 효율과 성능을 모두 최적화한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.