시계열 데이터의 지수적 증가는 시계열 데이터 처리에 새로운 과제를 제시한다. 본 논문은 물리적 인프라와 클라우드 기반 인프라 양측에서 널리 사용되는 시계열 데이터베이스인 InfluxDB의 성능을 상세히 분석한다. 우리는 Time Series Benchmarking Suite(TSBS)를 사용하여 다양한 데이터셋 크기에 걸쳐 쓰기 및 질의 성능을 정량적으로 측정한다. 쓰기 성능은 처리량과 지연시간의 관점에서 평가하였으며, 질의 성능은 여섯 가지 상이한 질의 유형에 대한 응답시간에 초점을 맞추었다. 실험 결과는 다양한 응용 요구사항에 적합한 시계열 데이터베이스를 선택하는 데 지침으로 활용될 수 있다.

컨테이너는 클라우드 서비스에 요구되는 기술 중 하나이다. 컨테이너는 호스트에서 직접 자원을 사용하므로 기존의 가상 머신보다 가볍고 빠르다. 그러나 보안과 격리 측면에서 취약하다는 단점이 있다. 이러한 문제를 해결하기 위해 Kata, gVisor, Firecracker와 같은 보안 지향 런타임이 등장하였다. 각 런타임은 서로 다르게 생성되므로 성능과 자원 사용량이 다르다. 본 연구에서는 각 저수준 런타임의 성능과 평가를 수행한다.

지난 10년 동안 클라우드 컴퓨팅은 컴퓨팅 방식들을 기하급수적으로 변화시켰다. 여러 장점에도 불구하고 클라우드 컴퓨팅은 성능에 영향을 미치는 몇 가지 과제를 겪고 있다. 근본적인 과제 중 두 가지는 전력 소비와 동적 자원 스케일링이다. 효율적인 자원 할당 전략은 클라우드 컴퓨팅이 전반적인 성능과 운영 비용을 개선하는 데 도움이 될 수 있다. 본 논문에서는 인공신경망(ANN)에 기반하여 데이터 노드에서 가용 시간 슬롯 예측을 위한 새로운 접근 방식을 설계하고, 필요한 자원이 사용 가능해질 시점을 예측한다. 우리는 여러 노드에서 실험을 수행하였으며, 최대 98%까지의 성능을 얻고, 기존의 최첨단 가용 시간 슬롯 예측 접근법을 능가하였다. 본 연구는 ANN에 기반한 클라우드 컴퓨팅의 가용 시간–슬롯 예측이 최적의 자원 할당으로 이어지며, 필수적인 성능 수준을 유지하면서 소모되는 에너지를 최소화할 것이라고 주장한다.

시계열 데이터의 지수적 증가는 시계열 데이터 처리에 새로운 과제를 제시한다. 본 논문은 물리적 인프라와 클라우드 기반 인프라 양측에서 널리 사용되는 시계열 데이터베이스인 InfluxDB의 성능을 상세히 분석한다. 우리는 Time Series Benchmarking Suite(TSBS)를 사용하여 다양한 데이터셋 크기에 걸쳐 쓰기 및 질의 성능을 정량적으로 측정한다. 쓰기 성능은 처리량과 지연시간의 관점에서 평가하였으며, 질의 성능은 여섯 가지 상이한 질의 유형에 대한 응답시간에 초점을 맞추었다. 실험 결과는 다양한 응용 요구사항에 적합한 시계열 데이터베이스를 선택하는 데 지침으로 활용될 수 있다.

컨테이너는 클라우드 서비스에 요구되는 기술 중 하나이다. 컨테이너는 호스트에서 직접 자원을 사용하므로 기존의 가상 머신보다 가볍고 빠르다. 그러나 보안과 격리 측면에서 취약하다는 단점이 있다. 이러한 문제를 해결하기 위해 Kata, gVisor, Firecracker와 같은 보안 지향 런타임이 등장하였다. 각 런타임은 서로 다르게 생성되므로 성능과 자원 사용량이 다르다. 본 연구에서는 각 저수준 런타임의 성능과 평가를 수행한다.

지난 10년 동안 클라우드 컴퓨팅은 컴퓨팅 방식들을 기하급수적으로 변화시켰다. 여러 장점에도 불구하고 클라우드 컴퓨팅은 성능에 영향을 미치는 몇 가지 과제를 겪고 있다. 근본적인 과제 중 두 가지는 전력 소비와 동적 자원 스케일링이다. 효율적인 자원 할당 전략은 클라우드 컴퓨팅이 전반적인 성능과 운영 비용을 개선하는 데 도움이 될 수 있다. 본 논문에서는 인공신경망(ANN)에 기반하여 데이터 노드에서 가용 시간 슬롯 예측을 위한 새로운 접근 방식을 설계하고, 필요한 자원이 사용 가능해질 시점을 예측한다. 우리는 여러 노드에서 실험을 수행하였으며, 최대 98%까지의 성능을 얻고, 기존의 최첨단 가용 시간 슬롯 예측 접근법을 능가하였다. 본 연구는 ANN에 기반한 클라우드 컴퓨팅의 가용 시간–슬롯 예측이 최적의 자원 할당으로 이어지며, 필수적인 성능 수준을 유지하면서 소모되는 에너지를 최소화할 것이라고 주장한다.