클라우드 환경의 교통정보 서비스를 위한 조건부 확률 추론을 이용한 가상 머신 프로비저닝 스케줄링

Abstract

전 세계적으로 자동차의 수요와 교통정보 서비스의 활용도가 높아지고 있다. 따라서 교통정보 서비스의 종류와 데이터의 양의 증가로 인해 많은 IT 자원 인프라가 필요하다. 인프라의 감소를 위해 클라우드 컴퓨팅이 주목을 받고 있으며, 자원관리를 위해 프로비저닝 스케줄링 기법이 필요하다. 본 논문에서는 클라우드 환경에서 교통정보 서비스를 위한 조건부 확률 추론을 활용한 프로비저닝 스케줄링(PSCPI: Provisioning Scheduling with Conditional Probability Inference)을 제안한다. PSCPI는 가상머신의 상태에 따라 나이브 베이즈 추론 기법을 사용하여 가상머신의 가용율에 따라 작업 할당을 할 수 있다. 나이브 베이즈 기반의 조건부 확률 추론 프로비저닝 스케줄링을 활용하여 교통정보 서비스에 높은 처리율과 활용율을 보인다. There is a growing tendency toward a vehicle demand and a utilization of traffic information systems. Due to various kinds of traffic information systems and increasing of communication data, the traffic information service requires a very high IT infrastructure. A cloud computing environment is an essential approach for reducing a IT infrastructure cost. And the traffic information service needs a provisioning scheduling method for managing a resource. So we propose a provisioning scheduling with conditional probability inference (PSCPI) for the traffic information service on cloud environment. PSCPI uses a naive bayse inference technique based on a status of a virtual machine. And PSCPI allocates a job to the virtual machines on the basis of an availability of each virtual machine. Naive bayse based PSCPI provides a high throughput and an high availability of virtual machines for real-time traffic information services.